中文摘要：

线切割机床加工变厚度工件时会发生断丝或加工效率低的现象。本课题基于瞬时能量推导出在线工件厚度识别算法，在已知厚度的情况下对厚度识别系数进行校准，并用支持向量机为厚度识别系数建立与加工参数相关的模型。在为线切割加工过程建立一个多输入多输出模型的基础上，把厚度辨识问题和过程控制问题统一在多变量滑模控制的框架之下。在多维空间中选取理想加工过程的滑模平面，厚度变化造成系统偏移了理想的滑模平面，滑模控制的目的是把偏移的系统状态在有限时间内重新拉回到滑模平面，以保证系统的稳定性。识别出的厚度作为可测量的干扰量加入到滑模控制法则中。通过精确的工件厚度识别，强壮的多变量滑模控制算法，提高变厚度工件切割的稳定性、表面质量和加工效率。算法将在自主研制的线切割数控软件中实现并验证，切实提高国产线切割机床的水平

结论摘要：

本课题针对线切割加工变厚度工件时的断丝和效率低下问题，开展了离线与在线厚度识别、3D 工件模型高度信息提取、加工过程模型建立、以及模型预测控制等方面的研究，以期提高加工的稳定性和加工效率。 为了进行变厚度线切割加工，首先需要获得工件在加工路径上的厚度，然后才能根据厚度选取合适的加工参数。本课题针对电火花线切割加工时有无工件的3D 模型提出了采用“白盒法”和“黑盒法”分别处理。当已知工件三维模型数据时，则从工件三维模型中直接提取加工路径上的工件厚度信息，并应用到数控系统中在线控制加工过程，即所谓的“白盒法”。 当缺少工件三维模型时，利用“黑盒法”建立工件厚度的辨识模型。鉴于支持向量机在非线性系统建模方面的优异特性，本课题利用支持向量机，根据线切割加工过程中采集的放电频率和进给速度以及控制输入量伺服电压和脉冲间隔，建立工件厚度辨识模型，即所谓的“黑盒法”。输出量是待辨识的工件厚度，而模型输入量为放电加工参数(伺服电压和脉冲间隔)以及放电频率和机床的进给速度。在建立了工件厚度辨识模型之后，在加工中应用该模型实时地辨识工件厚度。 随着工件厚度范围的不断扩大，加工过程中所采集的加工信息也不断增加。这些数据不但可以在线指导加工过程，而且还可以用于在线修正工件厚度辨识模型，目的是使模型包含的加工状况更丰富、模型更准确。本课题利用最小二乘支持向量机的在线算法实时修正工件厚度辨识模型。当新的数据产生后，在线算法根据投影法稀疏性处理判断新的数据是否需要参与模型计算。如果新的数据需要参与模型计算，则删除支持向量中对模型影响最小的向量。该算法确保参与建模的数据量不会超过预先设定的数量，这不仅减少了计算量和存储量，而且解决了最小二乘支持向量机固有的稀疏性问题。 无论是通过“黑盒法”还是“白盒法”获得的工件厚度，最终目的是根据工件厚度，选取合适的加工参数，控制加工过程，达到避免断丝和提高加工效率的目的。为了控制加工过程，基于标准支持向量机建立了加工过程模型，设计了适合变厚度线切割加工的模型预测控制器，当工件厚度变化时，由检测到的工件厚度实时计算出放电频率和加工速度参考值，模型预测控制器根据参考值实时调整输入量伺服电压和脉冲间隔，控制加工过程在不断丝的前提下保持高的加工效率。