CN109158717A - 基于自学习神经网络的电火花放电间隙自动控制*** - Google Patents
基于自学习神经网络的电火花放电间隙自动控制*** Download PDFInfo
- Publication number
- CN109158717A CN109158717A CN201811243032.9A CN201811243032A CN109158717A CN 109158717 A CN109158717 A CN 109158717A CN 201811243032 A CN201811243032 A CN 201811243032A CN 109158717 A CN109158717 A CN 109158717A
- Authority
- CN
- China
- Prior art keywords
- current pulse
- discharge current
- spark
- effective discharge
- effective
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23H—WORKING OF METAL BY THE ACTION OF A HIGH CONCENTRATION OF ELECTRIC CURRENT ON A WORKPIECE USING AN ELECTRODE WHICH TAKES THE PLACE OF A TOOL; SUCH WORKING COMBINED WITH OTHER FORMS OF WORKING OF METAL
- B23H1/00—Electrical discharge machining, i.e. removing metal with a series of rapidly recurring electrical discharges between an electrode and a workpiece in the presence of a fluid dielectric
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23H—WORKING OF METAL BY THE ACTION OF A HIGH CONCENTRATION OF ELECTRIC CURRENT ON A WORKPIECE USING AN ELECTRODE WHICH TAKES THE PLACE OF A TOOL; SUCH WORKING COMBINED WITH OTHER FORMS OF WORKING OF METAL
- B23H11/00—Auxiliary apparatus or details, not otherwise provided for
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Electrical Discharge Machining, Electrochemical Machining, And Combined Machining (AREA)
Abstract
本发明公开了基于自学习神经网络的电火花放电间隙自动控制***,包括有效的放电电流脉冲,所述有效的放电电流脉冲为采样信号,通过取样电路在一个加工时间段内,检测并统计有效的放电电流脉冲,采用人工神经网络对有效的放电电流脉冲出现量进行存储,将采样的有效的放电电流脉冲出现量的区间计数最大值进行记录,通过有效效的放电电流脉冲出现量的变化状况,本发明设置了人工神经网络,通过设置的人工神经网络对有效的放电电流脉冲出现量的数值进行记录,通过人工神经网络的自学习能力,对数值的区间最大值进行记录,从而使电火花机床进给自动维持在最佳的位置,无需人工进行初始参数的设定。
Description
技术领域
本发明属于电火花加工技术领域,具体涉及基于自学习神经网络的电火花放电间隙自动控制***。
背景技术
电火花加工是利用两极间脉冲放电时产生的高温电蚀作用蚀除材料的加工方法,在加工的过程中无宏观切削力,半导体材料在各行业中应用日趋广泛,但半导体属于典型的硬脆型材料,其具有脆性高,断裂韧性低,材料的弹性极限和强度非常接近等特点,传统的机械加工方法在遇到高厚度、非直线加工面时十分困难,电火花加工这种特种加工方法,其具有能量密度高、加工不受材料硬度限制等特点,因而非常适合对硬脆半导体材料的加工。
人工神经网络是一种基于人脑处理信息的模式建立起来的数学模型,它能够模仿生物神经网络的结构和功能进行学习和工作,具有很强的学习、纠错、联想存储能力,这种网络依靠***的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。
在专利号为CN201210441231.7的中国专利中,提到了基于电流脉冲概率检测的电火花伺服控制方法,采样电流脉冲概率与所设定的电流脉冲概率进行比较,得到比例因子作为伺服控制依据,但是上述基于电流脉冲概率检测的电火花伺服控制方法仍然需要人工预先设定一个电流脉冲的概率,而这个预设值与工作人员的经验有着很大的关系,这样不仅加工效率低,无法自动的达到最佳的放电间隙,在加工时需人工调节基准电压等各种参数,很大程度上依赖于操作人员的经验。
发明内容
本发明的目的在于提供基于自学习神经网络的电火花放电间隙自动控制***,以解决上述背景技术中提出的加工时需人工设定电流脉冲的概率,较为麻烦的问题。
为实现上述目的,本发明提供如下技术方案:基于自学习神经网络的电火花放电间隙自动控制***,包括有效的放电电流脉冲,所述有效的放电电流脉冲为采样信号,通过取样电路在一个加工时间段内,检测并统计有效的放电电流脉冲,采用人工神经网络对有效的放电电流脉冲出现量进行存储,将采样的有效的放电电流脉冲出现量的区间计数最大值进行记录,通过有效效的放电电流脉冲出现量的变化状况,得到放电位置间隙的伺服控制依据,从而在材料加工时控制电火花机床进给;随着伺服位置不断进给,每一个加工时间段内,有效的放电电流脉冲数会不断增加,伺服位置过进给时,短路现象会增加,有效的放电电流脉冲数会下降,追踪有效的放电电流脉冲出现量的区间计数最大值,使得电火花机床放电位置间隙维持在相对固定的位置。
优选的,所述放电位置间隙是指为维持正常的火花放电,必须使工件和电极间有一定的放电间隙。
优选的,所述材料是指金属或半导体材料。
优选的,所述区间计数最大值为取样时间段内有效的放电电流脉冲出现量的最大值。
优选的,所述取样电路的取样时间段可以根据加工材质的不同进行相应的调整。
本发明与现有技术相比,具有以下有益效果:
(1)本发明设置了人工神经网络,通过设置的人工神经网络对有效的放电电流脉冲出现量的数值进行记录,通过人工神经网络的自学习能力,对数值的区间最大值进行记录,从而使电火花机床进给自动维持在最佳的位置,无需人工进行初始参数的设定。
(2)本发明有利于提高加工的质量和精度,随着神经网络的不断自动学习和记录数值的积累,使得电火花机床进给位置的精度不断提高,进给的准确性不断的完善,从而对使加工的精度不断增强。
附图说明
图1为本发明自动控制的控制流程图;
图2为现有金属材料电火花加工三种状态下的放电状态示意图;
图3为现有半导体材料电火花加工三种状态下的放电状态示意图;
图4为本发明的电流采样***的结构框图示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-图4所示,本发明提供一种技术方案:基于自学习神经网络的电火花放电间隙自动控制***,包括有效的放电电流脉冲,有效的放电电流脉冲为采样信号,通过取样电路在一个加工时间段内,检测并统计有效的放电电流脉冲,采用人工神经网络对有效的放电电流脉冲出现量进行存储,将采样的有效的放电电流脉冲出现量的区间计数最大值进行记录,通过有效效的放电电流脉冲出现量的变化状况,得到放电位置间隙的伺服控制依据,从而在材料加工时控制电火花机床进给;随着伺服位置不断进给,每一个加工时间段内,有效的放电电流脉冲数会不断增加,伺服位置过进给时,短路现象会增加,有效的放电电流脉冲数会下降,追踪有效的放电电流脉冲出现量的区间计数最大值,使得电火花机床放电位置间隙维持在相对固定的位置。
为了使工件(材料)能够正常加工,本实施例中,优选的,放电位置间隙是指为维持正常的火花放电,必须使工件和电极间有一定的放电间隙。
为了能够对高厚度、非直线加工面的半导体材料进行加工,本实施例中,优选的,材料是指金属或半导体材料。
为了能够保证材料加工的质量,本实施例中,优选的,区间计数最大值为取样时间段内有效的放电电流脉冲出现量的最大值。
为了适应不同材料的加工,本实施例中,优选的,取样电路的取样时间段可以根据加工材质的不同进行相应的调整。
本发明的工作原理及使用流程:在对材料进行电火花加工的过程中,通过采集电路对电极上的电流进行采集,采集到的有效的放电电流脉冲会被人工神经网络记录,在一个加工时间段内,随着伺服位置不断进给,每一个加工时间段内,有效的放电电流脉冲数会不断增加,当伺服位置过进给时,短路现象会增加,有效的放电电流脉冲数会下降,当有效脉冲出现量增加时,外部的伺服机构增加进给位置,当有效脉冲出现量降低时,外部的伺服机构降低进给位置,自动对放电间隙进行调整,从而使工件和电极之间的放电间隙维持在最佳的状态,直到工件加工完成。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (5)
1.基于自学习神经网络的电火花放电间隙自动控制***,包括有效的放电电流脉冲,其特征在于:所述有效的放电电流脉冲为采样信号,通过取样电路在一个加工时间段内,检测并统计有效的放电电流脉冲,采用人工神经网络对有效的放电电流脉冲出现量进行存储,将采样的有效的放电电流脉冲出现量的区间计数最大值进行记录,通过有效效的放电电流脉冲出现量的变化状况,得到放电位置间隙的伺服控制依据,从而在材料加工时控制电火花机床进给;随着伺服位置不断进给,每一个加工时间段内,有效的放电电流脉冲数会不断增加,伺服位置过进给时,短路现象会增加,有效的放电电流脉冲数会下降,追踪有效的放电电流脉冲出现量的区间计数最大值,使得电火花机床放电位置间隙维持在相对固定的位置。
2.根据权利要求1所述的基于自学习神经网络的电火花放电间隙自动控制***,其特征在于:所述放电位置间隙是指为维持正常的火花放电,必须使工件和电极间有一定的放电间隙。
3.根据权利要求1所述的基于自学习神经网络的电火花放电间隙自动控制***,其特征在于:所述材料是指金属或半导体材料。
4.根据权利要求1所述的基于自学习神经网络的电火花放电间隙自动控制***,其特征在于:所述区间计数最大值为取样时间段内有效的放电电流脉冲出现量的最大值。
5.根据权利要求1所述的基于自学习神经网络的电火花放电间隙自动控制***,其特征在于:所述取样电路的取样时间段可以根据加工材质的不同进行相应的调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811243032.9A CN109158717A (zh) | 2018-10-24 | 2018-10-24 | 基于自学习神经网络的电火花放电间隙自动控制*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811243032.9A CN109158717A (zh) | 2018-10-24 | 2018-10-24 | 基于自学习神经网络的电火花放电间隙自动控制*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109158717A true CN109158717A (zh) | 2019-01-08 |
Family
ID=64878974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811243032.9A Pending CN109158717A (zh) | 2018-10-24 | 2018-10-24 | 基于自学习神经网络的电火花放电间隙自动控制*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109158717A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5756956A (en) * | 1994-09-20 | 1998-05-26 | Mitsubishi Denki Kabushiki Kaisha | Wire-cut electric discharge machining apparatus and control method therefor |
CN1583337A (zh) * | 2003-08-22 | 2005-02-23 | 发那科株式会社 | 电火花线切割机的加工控制方法 |
CN102909447A (zh) * | 2012-09-19 | 2013-02-06 | 南京航空航天大学 | 基于电流脉冲概率检测的电火花伺服控制方法 |
CN103240474A (zh) * | 2012-02-13 | 2013-08-14 | 严政 | 一种电火花加工设备放电间隙控制方法 |
CN103909314A (zh) * | 2014-03-27 | 2014-07-09 | 南京航空航天大学 | 高速往复走丝电火花线切割加工工作液寿命在线快速判定方法 |
CN108388702A (zh) * | 2018-01-30 | 2018-08-10 | 河南工程学院 | 基于pso神经网络的工程陶瓷电火花加工效果预测方法 |
-
2018
- 2018-10-24 CN CN201811243032.9A patent/CN109158717A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5756956A (en) * | 1994-09-20 | 1998-05-26 | Mitsubishi Denki Kabushiki Kaisha | Wire-cut electric discharge machining apparatus and control method therefor |
CN1583337A (zh) * | 2003-08-22 | 2005-02-23 | 发那科株式会社 | 电火花线切割机的加工控制方法 |
CN103240474A (zh) * | 2012-02-13 | 2013-08-14 | 严政 | 一种电火花加工设备放电间隙控制方法 |
CN102909447A (zh) * | 2012-09-19 | 2013-02-06 | 南京航空航天大学 | 基于电流脉冲概率检测的电火花伺服控制方法 |
CN103909314A (zh) * | 2014-03-27 | 2014-07-09 | 南京航空航天大学 | 高速往复走丝电火花线切割加工工作液寿命在线快速判定方法 |
CN108388702A (zh) * | 2018-01-30 | 2018-08-10 | 河南工程学院 | 基于pso神经网络的工程陶瓷电火花加工效果预测方法 |
Non-Patent Citations (1)
Title |
---|
陈国祥、陆纪培: "电火花加工新型步进电机伺服进给***的研究", 《电子工艺技术》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE69905121T2 (de) | Verfahren und vorrichtung zum elektrochemischen bearbeiten von werkstücken | |
Kuppan et al. | Performance evaluation of electrode materials in electric discharge deep hole drilling of Inconel 718 superalloy | |
WO2006111345A1 (de) | Verfahren zur elektrochemischen metallbearbeitung | |
CN104646774B (zh) | 一种基于火花放电率的电极损耗实时补偿方法 | |
Ghewade et al. | Experimental study of electro discharge machining for Inconel material | |
EP0176224B1 (en) | Polarity reversal pulsing method and apparatus for edm | |
JP2010201521A (ja) | 形彫放電加工装置の加工用電源装置 | |
Jain et al. | Study of surface roughness and AE signals while machining titanium grade-2 material using ANN in WEDM | |
CN102909447A (zh) | 基于电流脉冲概率检测的电火花伺服控制方法 | |
DE2909073A1 (de) | Elektroerosives bearbeitungsverfahren und einrichtung zu dessen durchfuehrung | |
CN106984877B (zh) | 切深分层可调的放电烧蚀铣削快速进给伺服控制方法 | |
CN1712165A (zh) | 线切割放电加工脉冲放电能量自适应控制方法及其装置 | |
CN109158717A (zh) | 基于自学习神经网络的电火花放电间隙自动控制*** | |
DE2547767C3 (de) | Impulsgenerator zur funkenerosiven Metallbearbeitung | |
CN108213621B (zh) | 一种用于电火花磨削加工的电极间隙控制方法 | |
DE4441055C1 (de) | Verfahren und Vorrichtung zur Steuerung von Funkenerosionsprozessen | |
Silambarasan et al. | Optimization of Process Parameters of Wire EDM Using Genetic Algorithm | |
CN109277657A (zh) | 用于走丝线切割的自适应放电控制***及方法 | |
Reza et al. | Optimization of EDM injection flushing type control parameters using grey relational analysis on AISI 304 stainless steel work piece | |
De Silva et al. | Process control and power systems for electrochemical-erosion sinking (ELESIN) | |
EP1464430A1 (de) | Verfahern und Vorrichtung zum funkenerosiven Bearbeiten eines Werkstückes | |
Singh et al. | Influence of input parameters on MRR of AISI-316L using tungsten electrode machined by EDM | |
Jaspreet et al. | Optimization of machining parameters of Electric Discharge Machining for 202 stainless steel | |
CN214978291U (zh) | 一种放电加工机床用的放电检测装置 | |
Barot et al. | EXPERIMENTAL INVESTIGATIONS AND MONITORING ELECTRICAL DISCHARGE MACHINING OF INCOLOY800 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190108 |
|
WD01 | Invention patent application deemed withdrawn after publication |