The invention relates to a method of blade polishing based on neural network, which scans and measures the defective parts of the blade by a measuring device and transmits the information to the computer software to obtain the reconstructed three-dimensional model, and compares it with the characteristic points of the theoretical model, adjusts and overlaps the coordinate systems of the two models, thereby calculating the theoretical processing allowance of the blade. According to the training of the neural network model, the neural network model can identify the processing parameters allocation under different theoretical processing allowances; the theoretical processing allowance of the blade is input into the neural network model, and the neural network model calculates the processing parameters of the blade for polishing; the processed blade is scanned and measured and the information is transmitted. The updated model is obtained by computer software and compared with the three-dimensional model before processing, and the material removal amount of the blade is calculated. If the dimension of the blade after processing meets the tolerance requirement, it will be regarded as finished processing.
【技术实现步骤摘要】
一种基于神经网络的叶片抛磨加工方法
本专利技术属于机械加工领域,具体涉及一种基于神经网络的叶片抛磨加工方法。
技术介绍
机械制造水平是一个国家综合国力的体现。虽然我国的制造业总产值居世界第一,但关键的核心技术和尖端产品还远远落后于发达国家。航空发动机的研发及制造作为国防工业的重要组成部分,其技术水平的高低关系到一个国家的国防安全和综合国力。叶片是航空发动机的关键部件。目前,针对叶片的加工方法主要采用模锻毛坯-粗铣-精铣-抛光的常规工艺路线。铣削的目的是提高叶片型面的精度,磨削抛光的目的是提高表面质量。当前,针对叶片型面的磨削抛光主要采用手工修磨+数控抛磨相结合的方式。当采用人工修磨的方式时,人为因素对叶片的加工质量的影响较大,很难保证加工质量的一致性。当采用数控抛磨的方式时,加工参数往往是工艺人员根据经验或是经验公式进行选择的,很难保证其加工效率。神经网络是一种运算模型,由大量的节点(或称神经元)之间相互联接构成。神经网络的本质是通过众多参数以及激活函数去逼真地模拟输入与输出的函数关系。神经网络算法摈弃原始的基于数学及物理的建模方法,不需要去研究各项工艺参数和加工过程的关系,通过采集足够多的数据,就可输出相关参数指导实现加工。CN105160059A公开了一种基于BP和GA的叶片加工切削用量优化选择方法,以球头刀螺旋镜削加工过程为研究对象,建立铝合金叶片镜削模型。利用ABAQUS非线性有限元分析软件,进行模拟航空发动机叶片的优削加工。利用人工神经网络算法总结镜削仿真中切削参数和变形量之间的变化规律,切削参数与变形量之间的关系,建立叶片镜削加工变形预测模型。 ...
【技术保护点】
1.一种基于神经网络的叶片抛磨加工方法,其特征在于,包括如下步聚:步骤一:通过逆向技术对叶片重构以获得三维模型,通过将该三维模型与叶片的理论模型上的特征点进行对比,调整并使两个模型的坐标系重合,从而计算出叶片的理论加工余量;步骤二:利用已有数据库中的历史数据对神经网络模型进行训练,使该神经网络模型能够识别出不同理论加工余量下的加工工艺参数配置;步骤三:将叶片的理论加工余量输入到所述神经网络模型中,所述神经网络模型计算出叶片加工的加工工艺参数,并将加工工艺参数输出到加工设备用于抛磨加工;步骤四:通过逆向技术对加工后的叶片进行再次重构获得更新的三维模型,将该更新的三维模型与加工前的三维模型进行对比并计算出叶片的材料去除量;步骤五:将加工过程中不断产生的新数据上传数据库,以更新数据;用新的数据对神经网络模型进行再训练,提高神经网络模型的识别能力和准确度;步骤六:判断加工后叶片的尺寸是否满足公差要求,若判断为“是”,则视为加工完成;否则回到步骤一和步骤二,计算修正加工余量并将该修正加工余量传递到所述神经网络模型以重新计算叶片加工工艺参数用于抛磨加工,直到叶片的尺寸满足公差要求为止。
【技术特征摘要】
1.一种基于神经网络的叶片抛磨加工方法,其特征在于,包括如下步聚:步骤一:通过逆向技术对叶片重构以获得三维模型,通过将该三维模型与叶片的理论模型上的特征点进行对比,调整并使两个模型的坐标系重合,从而计算出叶片的理论加工余量;步骤二:利用已有数据库中的历史数据对神经网络模型进行训练,使该神经网络模型能够识别出不同理论加工余量下的加工工艺参数配置;步骤三:将叶片的理论加工余量输入到所述神经网络模型中,所述神经网络模型计算出叶片加工的加工工艺参数,并将加工工艺参数输出到加工设备用于抛磨加工;步骤四:通过逆向技术对加工后的叶片进行再次重构获得更新的三维模型,将该更新的三维模型与加工前的三维模型进行对比并计算出叶片的材料去除量;步骤五:将加工过程中不断产生的新数据上传数据库,以更新数据;用新的数据对神经网络模型进行再训练,提高神经网络模型的识别能力和准确度;步骤六:判断加工后叶片的尺寸是否满足公差要求,若判断为“是”,则视为加工完成;否则回到步骤一和步骤二,计算修正加工余量并将该修正加工余量传递到所述神经网络模型以重新计算叶片加工工艺参数用于抛磨加工,直到叶片的尺寸满足公差要求为止。2.根据权利要求1所述的基于神经网络的叶片抛磨加工方法,其特征在于,步骤一中的所述逆向技术的具体做法是通过测量装置对叶片的毛坏件进行扫描测量并将信息传递到计算机三维仿真软件以重构获得三维模型;所述测量装置为三坐标检测仪。3.根据权利要求2所述的基于神经网络的叶片抛磨...
【专利技术属性】
技术研发人员:张明德,卢建华,程伟华,
申请(专利权)人:重庆理工大学,
类型:发明
国别省市:重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。