研究加工参数优化和微槽微EDM的电极磨损补偿方法的研究
Xiaodong Zhang1, Wentong Zhang1, Peng Yu1
1Ministry of Education Key Laboratory for Cross-Scale Micro and Nano Manufacturing, Changchun University of Science and Technology, 7089 Weixing Road, Chaoyang District, Changchun 130022, China.
Micromachines
|April 26, 2025
概括
这项研究优化了微电放电加工 (micro-EDM) 参数,使用灰色关系分析 (GRA) 和人工神经网络 (ANN) 来最大限度地减少加工时间和电极磨损. 一种新的补偿方法通过解决工具磨损,有效地提高了微槽的准确性.
科学领域:
- 制造业 工程 制造工程
- 材料科学 材料科学 材料科学
- 精密工程 精密工程是指精密的工程.
背景情况:
- 工具电极磨损是微电放电加工 (微EDM) 中的一个关键问题,影响加工精度和质量,特别是在复杂的结构中.
- 累积的磨损需要减少和补偿的策略,以保持微型制造过程中的精度.
研究的目的:
- 使用灰色关系分析 (GRA) 来优化微EDM参数,以减少加工时间和电极磨损.
- 开发和验证使用人工神经网络 (ANN) 和图像处理来提高微槽精度的电极轴磨损补偿方法.
主要方法:
- 用灰色关系分析 (GRA) 设计和分析了一个L27直角实验,用于多目标优化.
- 人工神经网络 (ANN) 用实验数据进行训练,以预测结果,并使用图像处理提取微形状.
- 对于电极轴磨损的固定长度非线性补偿方程得出并应用.
主要成果:
- 与基线实验相比,GRA最佳参数组合减少了13.89%的加工时间,3.31%的电极轴磨损和10.80%的辐射磨损.
- 拟议的固定长度非线性补偿方法显著改善了微沟深度和宽度的一致性.
- 补偿策略在减轻电极磨损对加工质量的不利影响方面表现出有效性.
结论:
- 使用GRA的多目标优化有效地平衡了微型EDM中的加工时间和电极磨损.
- 通过ANN和图像处理的整合,可以准确预测和补偿电极轴磨损.
- 开发的固定长度非线性补偿方法是提高微型EDM应用中的精度和质量的可行解决方案.
