一种电极夹持机构及其应用于五轴电加工的方法与流程

本发明涉及的是五轴联动电火花加工技术领域并涉及到神经网络算法技术领域。具体是设计一种具有补偿结构的电火花加工夹持结构，并且在此基础上设计一种基于五轴联动加工中心建立铣削加工参数与电加工参数的对应关系的方法。

背景技术：

自从1943年前苏联科学家拉扎林科夫妇发明电火花加工方法以来,经过半个多世纪的研究和开发,电火花加工已成为一种重要的加工手段，在随后的发展中，日本增泽隆久教授提出线电极电火花磨削技术成为电火花加工发展史上的转折点。现代制造科学中，复杂曲面加工、难加工材料加工(如电子陶瓷、高温合金、硬质合金等)、复杂异形面(如：三维曲面、异型孔槽等)零部件的制造已成为研究的热点，推动微细电火花加工的发展。

微细电火花加工具有低应力、无毛刺、可加工高硬度材料等优点，在微细加工领域中被广泛地采用,已经成为微细加工领域一个重要的发展方向。

现有的五轴联动数控机床主要有：高架式五轴联动机床、五轴联动超声复合电火花微精细加工数控机床。高架式五轴联动机床较为成熟，但结构较为复杂，难以实现复杂曲面加工、难加工材料加工或者是曲面低应力薄壳加工；五轴联动超声复合电火花微精细加工数控机床进给方向稳定，可以实现电极在复杂线路上微细进给加工，一定程度上实现复杂异型面的加工，但是整体的电火花加工机床系统庞大，制造成本高昂难以广泛推广。

技术实现要素：

针对现有技术的不足，本发明设计了一种具有补偿结构的电火花加工夹持结构，并且提供一种基于神经网络原理建立的曲面电加工参数与铣削加工参数对应的方法。利用设计的具有补偿结构的电火花加工夹持结构和建立的曲面电加工参数与铣削加工参数对应的方法，在现有的五轴联动数控铣床改装可以实现更大曲率金属表面的电加工在复杂曲面上进行微细电加工。这种方法结构简单，成本低廉，易于实现。

本发明解决其技术问题所采取的技术方案是：首先在现有的五轴联动数控机床上安装微细电火花加工刀具；并设计微细电火花加工的补偿结构，其工具电极蠕动进给补偿的机械装置包括上夹持模块、下夹持模块、伸长模块、工具电极四部分；然后通过物理关系的对应得到铣削加工参数、主轴功率、主轴速度和每齿进给量，通过计算得到在输入响应参数下，被加工工件的金属去除量，，同时利用样本差值的方法，通过神经网络原理建立建立金属去除量与电参数之间的对应关系，从而得到电加工参数与铣削加工参数之间的对应关系。

本发明的具有下列优点：1)方法简单，容易实现；2)设计的新的微细电火花加工刀具具有自动补偿机构，可以保证在电加工过程中，电极头始终与工件表面间隙相对距离为定值，保证电极头能稳定放电，保证加工的平稳进行；3)设计的电加工参数与铣削加工参数的对应算法可以视为五轴联动数控铣床与微细电火花加工刀具之间的黑箱，通过此黑箱装置，可以将输入端的铣削加工参数直接以电加工参数传递到微细电火花加工刀具控制中心，进而实现在任意五轴联动数控铣床上完成五轴联动数控微细电火花加工机床的改装。

附图说明

图1为本发明中设计微细电火花加工的补偿结构的示意图，图中所示101-工具电极、102-上夹持模块、103-伸长模块、104-下夹持模块；

图2为本发明中微细电火花加工刀具主轴总体设计结构爆炸示意图，图中所示201-中间轴线圈座、202-线圈与中间轴连接体、203-外部轴、204-夹持帽、205-夹持体、206-中间轴、207-音圈电机线圈；

图3为本发明中微细电火花加工刀具主轴总体设计结构的装配示意图；

图4为本发明中设计电加工参数与铣削加工参数之间的对应关系原理图；

图5为本发明中设计电加工参数与金属去除量之间关系建立的神经网络原理图。

图6为本发明基于神经网络rbf神经网络模型建立的网络仿真流程图。

具体实施方案

以某型号的五轴联动数控铣床为例。在该五轴联动数控铣床安装微细电火花加工刀具，由于电火花加工过程中存在电极的损耗情况，如果电极丝不能与代加工工件保持合理的放电间隙，电加工过程会因电极损耗而停止，所以需要设计具有补偿结构的电火花加工夹持结构，补偿结构运动原理如图1所示，所述蠕动补偿结构的运动过程包括：1)上夹持模块(102)松开微细工具电极(101)，解除对微细工具电极(101)的夹紧；2)伸长模块(103)伸长，带动微细工具电极(101)及下夹持模块(104)向下进给一定距离；3)上夹持模块(102)夹紧微细工具电极(101)；4)下夹持模块(104)松开释放微细工具电极(101)，解除夹紧；5)伸长模块(103)回程，并带动下夹持模块(104)退回原位；6)下夹持模块(104)再次夹紧微细工具电极(101)。在此运动机理下设计的具有补偿结构的电火花加工夹持结构，电火花加工刀具主轴装置中采用了内外嵌套结构，如图3所示，即上夹持模块(102)工具电极夹头直接嵌套在下夹持模块(104)内部中。内外嵌套结构爆炸图，如图2所示。上夹持装置(102)对应结构为中间轴线圈(201)，工具电极(101)对应夹持帽(204)、夹持体(205)、中间轴(206)，伸长模块(103)对应线圈与中间轴连接体(202)，下夹持模块(104)对应外部轴(203)，音圈电机(207)主要为电极丝的运动提供控制运动。下夹持模块既作为蠕动进给装置的一个夹持模块实现工具电极分时夹持功能，又作为工具电极的精密定位夹头，实现对工具电极的精密定位。由于电火花在加工过程中存在电极丝的损耗，当电极损耗需要补偿时，利用图3的结构，按照图1中的运动方式，完成电极蠕动进给补偿损耗。这个结构能保障在整个加工过程中，电极始终与加工工件保持一个相同的距离，能实现电火花加工的平稳进行。

在已安装微细电火花加工刀具的五轴联动数控铣床中，需要提出一种等效方法，使得数铣加工能与电火花加工能够建立联系。原理如图4所示，为金属去除量为等效关系的节点，分别以铣削加工参数为输入点，电加工参数为输出点。形成输入、铣削加工参数、金属去除量、电加工参数、输出的等效模型。其中从铣削加工参数、金属去除量采用的是线性公式推导法，直接由铣削加工参数(铣削速度、刀具齿数、加工深度、刀具半径及其加工厚度)算出金属去除量(mm3/min)，而从金属去除量、电加工参数(电流峰值、脉宽、脉间及其电容值)则采用拉格朗日和高斯插值函数进行样本点插值的，最终得到电参数的等效结果。

因为电加工参数与金属去除量没有明确的公式推导关系，不能直接建立电加工参数与金属去除量关系。基于这个问题，提出一种基于神经网络原理建立的曲面电加工参数与金属去除量的对应的方法，如图5所示，基于近年来新发展的径向基函数(radialbasisfunction,rbf)网络构筑了在不同的电参数加工下的金属去除量预测模型，利用该模型预测了金属去除量，并可以拟合出不同加工参数对金属去除量的综合评价，微细加工中电火花电参数与铣削参数的对应关系中的rbf神经网络，这是一种三层前向网络。输入层由输入结点组成，第二层为隐含层，其神经元数根据所描述问题的需要而定，第三层为输出层，它对输入模式的作用作出响应。从输入层空间到隐含层空间的变换是非线性的，而从隐含层到输出层空间的变换是线性的。隐含层神经元的变换函数是径向基函数，它是一种局部分布的中心点径向对称的非负非线性函数。基于神经网络原理建立的曲面电加工参数与金属去除量的对应的方法，具体实现方法如图6所示，rbf网络模型建立的流程主要包括训练样本的获取、数据的预处理、网络的设计。(1)训练样本的获取；(2)数据的预处理；需对样本数据进行归一化处理，归一化处理的目的是减少网络的训练时间，但是对于前馈网络，由于内部没有反馈层，可不进行归一化处理。(3)网络的设计；以峰值电流、脉冲宽度、脉冲间隔、冲油压力、电极截面积、5个因素作为模型的输入，以金属去除量作为输出。(4)测试并显示测试结果与预期参数进行比较。通过神经网络对样本的训练，可以得到一组训练后的电加工参数与铣削加工参数的对应关系图表。应用数学工具，可以进一步验证所得数据对应关系的准确性。