串联机器人轮毂打磨的表面粗糙度预测和参数优化

作     者：朱辉 

作者单位：河北科技师范学院 

学位级别：硕士

导师姓名：林红举;张磊

授予年度：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 080202[工学-机械电子工程] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：铝轮毂 机器人打磨 粗糙度预测 BP神经网络 GA-PSO混合优化 灰狼算法 

摘      要：目前,自动化已经在铝轮毂的生产制造中得到应用,但在铝轮毂表面处理领域,传统的人工打磨方法仍占据主导地位。而目前传统的人工打磨存在着诸多问题,如加工效率低、产品质量不稳定、人工成本高等。随着技术的发展,机器人在打磨加工领域展现出了显著优势,其在加工过程中的一致性、高效性和低成本等特点正逐渐取代传统的人工打磨模式。因此,本文聚焦于机器人打磨轮毂时粗糙度预测难、打磨工艺参数选择缺乏理论指导等问题展开研究,旨在为相关领域的研究和应用提供理论和实践指导。 本文通过单因素实验法研究了4种不同工艺参数对轮毂打磨质量的影响规律,并分析了这些规律产生的原因。同时,基于CCD响应面法实验的结果,建立粗糙度的预测模型,并结合三维响应面图的分析,寻得了一组的最优打磨参数。 使用机器学习算法建立机器人打磨轮毂粗糙度预测模型时,本文构建了不同的神经网络模型:BP神经网络、GA-BP神经网络、PSO-BP神经网络以及GAPSO-BP神经网络模型。经过仿真对比发现,GA-PSO-BP神经网络模型在预测机器人打磨轮毂粗糙度方面表现出优异的性能,预测精度高,拟合性能优,可以准确映射粗糙度和打磨参数之间的关系。因此,将GA-PSO-BP神经网络模型预测值作为适应度函数,通过灰狼算法进行参数寻优,获得了一组最优的打磨参数并应用于机器人打磨进行实验,结果表明相对于人工打磨、响应面法机器人打磨以及人工经验法机器人打磨,灰狼算法寻得的打磨参数打磨效果最好。