端銑神經網路最佳化切削與顫振模糊控制

Abstract

本論文首先建立端銑刀統一的切削力模式，並以螺旋端銑刀及球形端螺旋 旋端銑刀驗證切削力模式的正確性。其次利用此切削力模式求得廣泛的切 削力資料，作為神經網路學習切削行為的訓練樣本，並由此利用神經網路 作端銑切削條件最佳化切削，其中在最佳化過程，推導了增廣拉格蘭吉最 佳化法則的一次梯度公式，使其可由逆向擴散法神經網路學習過程中順便 得到，大量減少最佳化本身所需的疊代時間，並以實驗驗證此控制模式。 在最佳化切削中，因無法正確考慮系統的動態行為，故利用模糊控制的方 法，建立模糊控制規則。當發生顫振時，依據量測的顫振麥克風聲壓訊號 ，與予迅速的壓制，控制法則乃依據建立好的端銑動態切削模式，經事先 分析模擬建立三維切削穩定圖，並經由切削實驗量測顫振聲壓與切削力， 修正此三維穩定範圍。最後並做端銑顫振模糊控制實驗，驗證控制法則之 效果。