- •Минобрнаукироссии федеральное государственное бюджетное образ1о5вательноеучреждениевысш15его образования «Московскийгосударственныйтехнологическийуниверситет«станкин»(фгбоуво «мгту«станкин»)
- •Содержание
- •Глава1общиесведенияоэлектроэрозионнойобработке
- •Общиеположения
- •Особенностипримененияэлектроэрозионногооборудования
- •Типыпроцессовэлектроэрозионнойобработки
- •Глава2основыметодаэлектроэрозионноготочения
- •БыстроесверлениеотверстийEdm
- •Изготовлениештамповдлячеканки
- •Сверлениенебольшихотверстий
- •Глава3моделирование
- •3.2Построениемодели
- •Глава4экономическоеобоснованиеисследования
- •Расчетзатрат,необходимыхдляреализацииисследования
- •Расчеттекущихзатрат,связанныхсисследованием
- •Экономическаяоценкаэффективностипроекта
- •Заключение
- •Приложениеа
- •Приложениеб
Заключение
В ходе выполнения работы разработана методики обеспечения качестваприобработкеметодомэлектроэрозионноготочения.
Электроэрозионное точение является методом обработки материалов,прикоторомэлектрическийразряд,примененныйкметаллическомуизделию,образуетискривление,чтоприводиткудалениюматериалаотегоповерхности. Этот метод имеет несколько преимуществ над традиционнымиметодамиобработки,включаявозможностьобработкисложнойформыпредмета,малыхдеталейи тугоплавкихматериалов.
Электроэрозионное точение в настоящее время находит применение вшироком диапазоне отраслей, включая машиностроение, аэрокосмическуюпромышленность,медицинскуютехникуидругие.Онтакжеширокоиспользуетсявпроцессепроизводстваинструментовиформ,качествокоторыхможетзначительноповлиятьнаконечныйпродукт.
ЭЭТ также имеет технологические преимущества: скорость точения,возможность обработки тонких и сложных форм, отсутствие контакта, малоетепловоевоздействие,чтопозволяетполучитьвысококачественныеповерхностиизделий.
В целом, электроэрозионное точение представляет собой актуальный иважныйметодобработкиматериаловдлярядаотраслей,которыйобеспечивает высокое качество, точность и эффективность в производствесложныхдеталей и поверхностей.
Посчитанэкономическийэффектотиспользованиярассмотренногометода.
СПИСОКИСПОЛЬЗОВАННОЙЛИТЕРАТУРЫ
процесса электроразрядной обработки. Кандидатская диссертация
6
КатолическийуниверситетЛёвена.
F. J. Wos, «Лазерное формирование отверстий повышаетэффективность турбины сгорания», 2010.
Приложениеа
Структурныесхемыблоковмоделипроцессаэлектроэрозионноготочения
Регрессионныйанализ
Длярегрессионногоанализавзятыследующиеданные
d 0 |
4 3 |
|
|
Значениедиаметрапочертежу |
Значениерадиусапочертежу |
Значениерадиусадетали , измеренно енапрошивномстанке |
Припу скнадетали , оставшийсяпослеобработкинапрошивномстанке |
НумерациянаКИМ |
Измеренияпереднейповерхностиэлектрода сКИМ |
Измерениязаднейповерхностиэлектрода сКИМ |
Износпопереднейповерхностиэлектрода сКИМ (радиуспочертежуминусэлектрод сКИМ) |
Износпозаднейповерхности(радиуспочертежуминусэлектрод сКИМ) |
Измерениядеталиспрошивногостанкаминусразмерпереднейповерхностиэлектрода сКИМ |
Измерениядеталиспрошивногостанкаминусразмерзаднейповерхностиэлектрода сКИМ |
|
|
|
|
Глубинаканавки(ширина = 4мм) |
Г лубинаканавки |
Г лубинаканавки2 |
С редняяглуб инаканавки |
d 2 |
4 5 ,0 5 |
d 1 |
1 |
81 ,3 |
40 ,6 5 |
40, 65 |
|
36 |
40,1 197 |
40,2 781 |
0,53 03 |
0,37 19 |
0,53 03 |
0,37 19 |
l1 |
1 8 0 |
Δ1 |
3 6 ,2 5 |
1 8, 1 2 5 |
1 9, 1 5 |
18 ,6 37 5 |
|
d 4 |
4 7 ,3 5 |
d 3 |
2 |
80 ,8 |
40 ,4 |
40, 4 |
|
35 |
39,8 902 |
40,0 306 |
0,50 98 |
0,36 94 |
0,50 98 |
0,36 94 |
l2 |
1 7 5 |
Δ2 |
3 3 ,4 5 |
1 6, 7 2 5 |
1 7, 8 7 5 |
17 ,3 |
|
d 6 |
4 9 ,6 5 |
d 5 |
3 |
80 ,2 5 |
40 ,1 25 |
40, 125 |
|
34 |
39,6 288 |
39,7 59 |
0,49 62 |
0,36 6 |
0,49 62 |
0,36 6 |
l3 |
1 7 0 |
Δ3 |
3 0 ,6 |
1 5, 3 |
1 6, 4 5 |
15 ,8 75 |
|
d 8 |
5 1 ,9 |
d 7 |
4 |
79 ,7 |
39 ,8 5 |
39, 85 |
|
33 |
39,3 626 |
39,4 856 |
0,48 74 |
0,36 44 |
0,48 74 |
0,36 44 |
l4 |
1 6 5 |
Δ4 |
2 7 ,8 |
1 3, 9 |
1 5, 0 2 5 |
14 ,4 62 5 |
|
d 1 0 |
5 4 ,2 |
d 9 |
5 |
79 ,1 |
39 ,5 5 |
39, 55 |
|
32 |
39,0 667 |
39,1 851 |
0,48 33 |
0,36 49 |
0,48 33 |
0,36 49 |
l5 |
1 6 0 |
Δ5 |
2 4 ,9 |
1 2, 4 5 |
1 3, 6 |
13 ,0 25 |
|
d 1 |
5 6 |
d 1 |
6 |
78 ,5 |
39 ,2 |
39, 25 |
|
31 |
38,7 682 |
38,8 874 |
0,48 18 |
0,36 26 |
0,48 18 |
0,36 26 |
l6 |
1 5 |
Δ6 |
2 2 |
11 |
1 2, |
11 ,5 |
|
,9 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
8 5 |
|
5 |
7 5 |
|
d 6 6 |
1 1 8 ,2 |
d 6 5 |
3 3 |
13 6 |
68 |
68 |
|
4 |
67,5 558 |
67,7 519 |
0,44 42 |
0,24 81 |
0,44 42 |
0,24 81 |
l3 3 |
2 0 |
Δ3 3 |
1 7 ,8 |
8, 9 |
1 0, 0 5 |
9, 47 5 |
|
d 6 8 |
1 2 0 ,5 |
d 6 7 |
3 4 |
13 8, 25 |
69 ,1 25 |
69, 125 |
0 |
3 |
68,7 086 |
68,8 813 |
0,41 64 |
0,24 37 |
0,41 64 |
0,24 37 |
l3 4 |
1 5 |
Δ3 4 |
1 7 ,7 5 |
8, 8 7 5 |
1 0, 0 2 5 |
9, 45 |
|
d 7 0 |
1 2 2 ,7 5 |
d 6 9 |
3 5 |
14 0, 5 |
70 ,2 5 |
70, 25 |
|
2 |
69,7 733 |
70,0 083 |
0,47 67 |
0,24 17 |
0,47 67 |
0,24 17 |
l3 5 |
1 0 |
Δ3 5 |
1 7 ,7 5 |
8, 8 7 5 |
1 0 |
9, 43 75 |
|
d 7 2 |
1 2 5 ,0 5 |
d 7 1 |
3 6 |
14 2, 75 |
71 ,3 75 |
71, 375 |
0 |
1 |
70,9 172 |
71,1 368 |
0,45 78 |
0,23 82 |
0,45 78 |
0,23 82 |
l3 6 |
5 |
Δ3 6 |
1 7 ,7 |
8, 8 5 |
1 0 |
9, 42 5 |
y_min=[1.8558,1.4627,67550,35910];%минимальныезначенияфункцииотклика
y_max=[1.9024,1.4987,86840,66920];%максимальныезначенияфункцииотклика
y_extr = [y_min(1), y_min(2), y_min(3), y_min(4)];%экстремальные значения функции откликаc=[0.25,0.25,0.25,0.25]; %коэффициенты значимости (веса)
X0=[1,4120,30900,0.2]; %значенияфакторов
delta=[50,50,50,50]; %интервалварьирования(в%)
%
x0=[0,0,0,0];
options=optimset('TolFun',1e-7,'TolCon',1e-7,'TolX',1e-7); %параметры алгоритма минимизациицелевойфункции
%options=optimset('Algorithm','interior-point','TolFun',1e-7,'TolCon',1e-7,'TolX',1e-10); %параметрыалгоритмаминимизации целевой функции
%'Algorithm'-'interior-point','active-set','trust-region-reflective'
Lower_bounds=[-1,-1,-1,-1]; %нижняяграницаизмененияфакторов
Upper_bounds=[1,1,1,1]; %верхняяграницаизмененияфакторов
[xrez,fval]=fmincon(@Fun_min,x0,[],[],[],[],Lower_bounds,Upper_bounds,[],options);%функцияминимизациицелевой функции
fori=1:4
X_abs(i)=X0(i)+((X0(i)*(1+delta(i)*0.01)-X0(i)*(1-delta(i)*0.01))/2)*xrez(i);end;
Y=Ur_reg(xrez);%значенияфункцийоткликаприоптимизированныхпараметрах
%выводрезультатовминимизациинаэкран
disp(' ')
disp('Оптимизированные значения факторов (нормированные):');fprintf('%s%1.4f %s%1.4f %s%1.4f %s%1.4f \n\n', 'X1=',...
xrez(1),'X2=',xrez(2),'X3=',xrez(3),'X4=',xrez(4));
disp('Значение целевой функции при оптимизированных значениях факторов:');fprintf('%s%g \n\n','F=', fval);
disp('Значения функций отклика при оптимизированный параметрах:');fprintf('%s%g %s %g %s %g%s %g \n \n', 'Y1=',...
Y(1),'Y2=',Y(2),'Y3=',Y(3),'Y4=',Y(4));
disp('Оптимизированные значения факторов (абсолютные значения):');fprintf('%s%2.4f %s %1.4f%s %1.4f %s%1.4f \n\n', 'X1=',...
X_abs(1),'X2=',X_abs(2),'X3=',X_abs(3),'X4=',X_abs(4));
disp(' ')
%
functiony=Ur_reg(x) %уравнения регрессийfori = 1:4
y(i) = b(i,1) + b(i,2)*x(1) + b(i,3)*x(2) + b(i,4)*x(3) +… b(i,5)*x(4) + b(i,6)*x(1)*x(2) + b(i,7)*x(1)*x(3) +b(i,8)*x(1)*x(4)+ b(i,9)*x(2)*x(3)...
+b(i,10)*x(2)*x(4)+b(i,11)*x(3)*x(4)+b(i,12)*x(1)^2+…
b(i,13)*x(2)^2 + b(i,14)*x(3)^2 + b(i,15)*x(4)^2;end;
end
functionf=Fun_min(x) %формирование целевой функцииy= Ur_reg(x);
%целеваяфункция:
f=c(1)*((y(1)-y_extr(1))/(y_max(1)-y_min(1)))^2+...
c(2)*((y(2)-y_extr(2))/(y_max(2)-y_min(2)))^2+...
c(3)*((y(3)-y_extr(3))/(y_max(3)-y_min(3)))^2+...
c(4)*( (y(4) - y_extr(4))/(y_max(4) - y_min(4)) )^2;end
end
fprintf(['Predicted price of a 1650 sq-ft, 3 br house ' ...'(usingnormalequations):\n$%f\n'],price);
Поисходнымданнымстроимрегрессионныемодели.
Уровеньзначимостипринимаем0.05.
Результатырегрессионногоанализа.
Коэффициентыуравненийрегрессии.
-
Коэф.
ЗначенияKd1
ЗначенияKd2
Значения
Pf1max
Значения
Wf1max
B0
1,868355
1,474883
74244,375
52415,416667
B1
-0,010889
-0,012839
-8355,55555
14077,222222
B2
0,00305
4,444444 е-04
369,444444
-757,777778
B3
-0,005278
-0,004761
490
1331,666667
B4
5,722222 е-04
-0,001761
-347,777778
786,666667
B5
0,003219
7,375 е-04
336,875
-895
B6
0,003744
0,00165
-554,375
890
B7
0,001106
-6,5 е-04
-399,375
875
B8
0,001394
-7,875 е-04
-341,875
898,75
B9
4,3125 е-04
-7,375 е-04
-376,875
881,25
B10
-3,6875 е-04
6,5 е-04
394,375
-853,75
B11
0,011715
8,666667 е-04
3110,625
-780,416667
B12
-1,354167 е-04
-0,002783
115,625
-285,416667
B13
0,002515
-7,333333 е-04
-89,375
-480,416667
B14
-0,001135
0,006867
0,625
-355,416667
Адекватностьрегрессионноймодели
Статистическиехарактеристики |
Численныезначениядля Kd1 |
Численныезначениядля Kd2 |
Численныезначениядля Pf1max |
Численныезначениядля Wf1max |
Среднее значениеопытов |
1,878554 |
1,478046 |
76597,5 |
50989,166667 |
Дисперсиямоделисреднего |
1,82586 е-04 |
1,68873 е-04 |
5,823548е+07 |
1,640738е+08 |
Остаточнаядисперсия |
2,613118е-05 |
2,315225 е-07 |
1,540462e+06 |
7,48741e+06 |
Числостепенейсвободы |
|
|
|
|
k1= N– 1 |
23 |
23 |
23 |
23 |
k2= N-NB |
9 |
9 |
9 |
9 |
Уровеньзначимости |
0,05 |
0,05 |
0,05 |
0,05 |
F –КритерийФишера: |
|
|
|
|
расчетный |
6,987287 |
7,294021 |
37,803911 |
21,913281 |
табличный |
2,940904 |
2,940904 |
2,940904 |
2,940904 |
Коэффициентдетерминации |
0,943998 |
0,946353 |
0,989649 |
0,982143 |
Регрессионнаямодельадекватнаиработоспособна.
Для проверки работоспособности модели используют коэффициентдетерминацииR2.Модель считаетсяработоспособной, если:
R2 ≥ 0.75
Регрессионные модели являются работоспособными, т.к. для нихвыполняетсяусловие.