机器人曲面零件抛光粗糙度预测模型研究

作者：韩天勇; 陈满意; 朱义虎; 朱自文

来源：机械科学与技术, 2022, 1-8.

DOI：10.13433/j.cnki.1003-8728.20220201

• 机器人抛光
• 粒子群算法
• 支持向量机
• 粗糙度预测
• 抛光工艺参数优化

为提高抛光后曲面零件的表面质量，应建立粗糙度模型选取合理工艺参数，因此本文提出一种基于支持向量机（SVM）的建模方法。通过对机器人抛光过程及抛光工艺参数的研究，将刀具转速、抛光力、行间距、机器人进给速度等作为输入量，粗糙度作为输出量。结合粒子群算法（PSO）与SVM建立曲面零件抛光粗糙度预测模型，并与回归分析方法作对比。试验结果表明，回归分析方法的预测误差较大，而基于SVM建立的曲面零件抛光粗糙度预测模型与试验结果高度吻合，试验测量值与预测值间的平均相对误差为2.84%，最后，通过全局寻优获得最佳工艺参数组合，该模型为合理选择抛光工艺参数提供了依据。

• 单位
  机电工程学院; 武汉理工大学