29、电化学加工中阳极形状预测与控制及组播QoS路由的智能算法研究

电化学加工中阳极形状预测与控制及组播QoS路由的智能算法研究

电化学加工中阳极形状预测与控制

在电化学加工（ECM）领域，由于其具有诸多优势，已广泛应用于众多金属零件的加工。在一般的ECM过程中，阴极向阳极移动，经过一段时间加工后可获得电极间隙的平衡状态，阳极的最终形状由阴极形状叠加电极间隙确定，此时可采用一些数值或经验方法来预测和控制阳极形状。然而，有时需要使用静态阴极对阳极进行成型，这种情况下加工过程中不存在平衡的电极间隙，阳极形状完全依赖于其表面金属去除率的差异。因此，在电极间隙不均匀的条件下，有两个问题亟待研究。
- 预测问题 ：需要预测与特定阴极形状相对应的阳极形状，也称为直接问题。
- 控制问题 ：需要确定阴极形状，以获得预期的阳极形状，也称为反向问题。

现有的ECM理论难以解决上述问题，尤其是控制问题。因此，引入新方法势在必行。人工神经网络（NN）对复杂环境具有良好的适应性，并且能够以任意精度逼近任意非线性函数，所以本文尝试使用NN来预测和控制电极间隙不均匀的ECM中的阳极形状。

阳极形状的预测与控制原理

在二维情况下，电极间隙不均匀的加工过程中，设阴极形状为(z = h(x))，阳极形状为(z = g(x, t))，(t_0)为加工初始时间，(t_i)为任意加工时间，(t_n)为加工结束时间。假设电场分布函数为(u = u(z, x))，则在时间(t)时阳极曲线法向的电流密度分布函数为：
[
i = \lambda\left(\frac{\partial u}{\partial x}\cdot\frac{\partial g(