[发明专利]电火花加工放电状态预测方法

说明书

技术领域

本发明属于电火花加工领域，涉及对电火花加工放电状态的预测方法。

背景技术

电火花加工的放电状态主要包括空载即开路、火花放电、过渡电弧、稳定电弧和短路等五类。放电状态是对电火花加工过程实施准确控制的主要依据，直接决定了加工质量、加工效率和电极损耗等工艺指标的优劣。

对于放电状态良好的常规电火花加工过程，由于放电状态变化缓慢且平稳，只要选用合适的放电状态检测方法得到当前放电状态，就可以在放电状态恶化前主动进行控制，达到保持放电加工稳定性、提高加工效率和加工质量的目的。但是由于常规电火花加工状况恶劣时拉弧和短路状态急剧增加、微细电火花加工中微能高频放电、微小孔电火花加工时复杂干扰的引入以及深孔电火花加工中深径比逐渐增大等不同因素在实际加工过程中经常出现，会造成放电状态不稳定、甚至放电信号严重畸变，使实际加工时的放电状态常常呈现显著的非平稳性、非线性以及放电信号内部耦合等特征；因此，在实际加工过程中仅仅依靠对当前放电状态进行检测，很难对加工过程实施有效、实时、精确的控制，并且随着放电状态检测输出与实际放电状态输出误差的逐步增大，会进一步导致放电状态和控制系统的双重不稳定，不但预定工艺目标难以实现，严重时会导致控制系统的崩溃。

因此，对于各类电火花加工，包括常规、微细、微孔和深孔电火花加工等过程，只有根据已经检测到的放电状态对未来放电状态做出有效的预测，才能真正实现加工控制的实时性和精准性，保证加工过程和控制系统的双重稳定性，最终确保各类工艺目标顺利实现。

目前，对电火花加工放电状态的预测研究在国外仍限于各类电火花加工部分参数模型的建立，还未有对电火花加工放电状态进行有效预测。国内从上世纪90年代起，先后有学者对线切割间隙放电状态预测系统进行仿真研究，用人工神经网络对线切割放电状态进行预测；还有学者将灰色理论引入电火花加工的预测控制过程，对系统进行预控制；也有学者使用传统的模型预测方法对电火花加工放电状态进行预测。

但是，鉴于实际加工过程中的放电状态信号常常呈现显著的非平稳性、非线性以及内部耦合等信号的自身特征，目前已有的预测方法都难以达到稳定、理想的预测效果。

专利申请号为200410050760.X的《微细电火花加工间隙放电状态的检测方法》提供了一种用于微细电火花加工间隙放电状态的检测方法，该方法适用于微细电火花加工领域，主要存在采样点放电状态模糊逻辑规则对高电压、低电流输入组合的状态判别不合理，超高电压、中电流输入组合放电状态无法判别，以及使用LVQ神经网络分类算法对采样点从放电状态值到放电状态矢量统计等运算过程中存在计算量巨大、运算繁杂耗时等缺点。

针对专利申请号为200410050760.X的《微细电火花加工间隙放电状态的检测方法》存在采样点放电状态模糊逻辑规则对高电压、低电流输入组合的状态判别不合理，超高电压、中电流输入组合放电状态无法判别，以及使用LVQ神经网络分类算法对采样点从放电状态值到放电状态矢量统计等运算过程中存在计算量巨大、运算繁杂耗时等主要缺点，本发明提出了放电状态表达合理、运算量小、运算速度快且实时性好的电火花加工放电状态逐级映射检测方法，为放电状态预测实时性的实现提供了良好的前提保证。

针对传统预测，如AR模型预测方法主要适用于线性平稳随机信号，而对局部时间内含有多振荡模式非平稳放电状态信号预测误差较大的情况，本发明将基于信号局部特征的特别适用于非平稳与非线性信号处理、且易于信号内部解耦的局域波分解方法引入电火花加工放电状态预测过程；以分析周期为单位的放电状态序列，简称放电状态序列为输入、放电状态预测序列为输出，本发明提出了一种基于局域波分解的放电状态预测数学模型和预测方法。

在对大量放电状态预测结果进行分析的基础上，针对预测输出值经常超出实际放电状态序列输出论域的问题，本发明提出了对放电状态预测序列在实际放电状态序列的输出论域内进行规范化处理的方法；

本发明还同时提出了用于电火花加工放电状态预测精度判别的fit判别准则和判别方法。

发明内容