摘要： 针对微细电火花孔加工时因微细电极形状损耗难以控制导致的微孔加工精度不高问题,提出利用峰值电流和脉冲宽度两个重要加工参数控制微细电极形状损耗的方法,并运用差分进化（Differental Evolution, DE）算法优化的支持向量机（Support Vector Machine, SVM）（DE-SVM）方法建立了微细电极形状损耗的分类预测模型。研究表明:该方法是可行的,对于给定的试验数据,相比常用的粒子群（Particle Swarm Optimization, PSO）算法优化的SVM（PSO-SVM）方法和遗传算法（Genetic Algorithm, GA）优化的SVM（GA-SVM）方法,DE-SVM方法能够获得分类准确率高且拟合度合理的分类预测模型;不同微细电极形状损耗形式具有紧密的相关性,在较小的峰值电流（4～20 A）和较大的脉冲宽度（>5μs）条件下易获得底部规整的微孔。研究成果从微细电极形状损耗控制角度出发,为提高微细电火花孔的加工精度提供了一种思路。

关键词: 微细电火花孔加工;形状损耗;差分进化算法;支持向量机;分类预测模型

中图分类号: 

• TG661

• TG52