基于迁移学习的NiCo-FGM机器人砂带磨削工艺

摘要

为提高镍钴功能梯度材料（nickel-cobalt-functional gradient materials, NiCo-FGM）去除深度的一致性，采用自适应磨削力控制系统对5种不同质量分数IN718的NiCo-FGM进行恒力分区磨削实验，探究工艺参数对材料去除深度及表面粗糙度的影响趋势及程度.然后对迁移学习进行可行性分析并对比迁移学习与经验公式的去除深度建模精度.最后对比恒力与变力磨削的去除深度预测结果 .结果表明：法向力对材料去除深度与表面粗糙度的影响最显著.迁移学习预测的平均误差降低了4.07%，且效率更高.恒力磨削下其余含量的IN718与50%IN718去除深度最大差值为8.955μm,100%IN718与0%IN718去除深度最大差值为15.619μm，而通过变力磨削可以提高去除深度一致性.

关键词

镍钴功能梯度材料 / 迁移学习 / 去除深度一致性 / 机器人砂带磨削 / 自适应磨削力控制系统