基于人工神经网络珩磨加工参数智能选择方法的研究

利用人工神经网络鲁棒性、容错性好的特点,通过对珩磨加工工艺参数的分析研究,首先构建了基于人工神经网络的珩磨加工参数智能选择模型;在理论模型研究的基础上,进行了实验研究,并通过实验数据对模型参数进行了优化。研究证明该方法用于珩磨加工工艺参数的选择具有较好的智能、可靠性高、选择操作简单、实用性强等优点。     

珩磨油石制备与选用研究进展

阐述了油石用磨料(金刚石、CBN、刚玉、碳化硅)的物理、化学和力学特性以及超硬磨料(金刚石、CBN)珩磨油石的制备和应用。论述了珩磨油石的性能(磨料种类、磨料粒度、油石硬度)与被加工零件材料之间的相关性。总体而言,超硬珩磨油石——金刚石和CBN油石的应用越来越广泛,也给珩磨加工带来了很大发展。可是,金刚石和CBN珩磨油石所用粘结剂配方很难标准化,加上被加工零件材质和精度要求的多样性,使制备的油石性能与被加工零件的匹配性难以把握,也给油石制备研究增加了复杂性。目前,油石性能与被加工零件材质之间的匹配性研究尚缺乏。     

PSO优化灰色神经网络的珩磨油石磨损预测

为了预测油石的切削寿命,保证珩磨加工质量,引入灰色神经网络,通过将珩磨工艺加工参数作为模型输入来预测油石的磨损量,最终建立了珩磨油石磨损量预报模型。在油石磨损量预测过程中,针对神经网络存在收敛速度慢、容易陷入局部最优等缺陷,利用粒子群算法对灰色神经网络的参数进行优化。试验结果表明,基于粒子群算法改进的灰色神经网络具有更好的逼近能力和预测精度,便于合理更换油石。     

珩磨加工中运动仿真分析与工艺实践

珩磨的运动参数一直依靠着加工经验进行选择,这种经验是通过长时间反复实践而得出的,其效率较低、自由度大,为了能够快速的分析和确定运动参数,提出一种将理论仿真与实验加工相结合的方法。首先,以珩磨头作为研究对象,分析轨迹的运动原理,利用MATLAB构建珩磨加工中的三维轨迹,分析珩磨加工中运动参数对于轨迹的影响。其次,以珩磨头上的油石作为研究对象,利用ABAQUS建立珩磨的有限元模型,根据运动参数制定不同的参数方案,将参数方案导入模型之中,仿真分析后计算出珩磨孔圆柱度并进行对比,选出最理想的运动参数方案,并通过实验验证方案的可行性。     

珩磨加工效率的影响因素研究

针对珩磨加工中效率最优化的要求,通过Matlab仿真和理论分析,重点论述了珩磨速度、换向加速度变化、油石对网纹质量、珩磨效率的影响,为以珩磨效率优化为目的珩磨加工中关键珩磨工艺参数的合理选择提供了一定的理论依据。     

陶瓷与金属材料的珩磨表面质量分析

本文分别用金刚石油石、碳化硅油石以及两者的组合方式对金属和氧化锆陶瓷材料进行珩磨加工，分析两种材料珩磨表面粗糙度和平顶特性，提供适宜的珩磨工艺。     

超声振动珩磨工艺参数优化的试验研究

利用自行研制的功率超声振动珩磨实验装置,对超声珩磨和普通珩磨的磨削效率进行了对比实验研究,并采用超声振动珩磨技术,对AZ91D镁合金材料进行了加工实验,以确定最佳油石参数及工艺参数。实验结果表明,超声珩磨在材料去除率和加工表面质量上均优于普通珩磨。实验获得的优化工艺参数可以满足对镁合金的实际加工需要。     

轴向功率超声振动珩磨的运动学分析

目前,功率超声振动辅助加工技术的研究多集中于试验性分析,尽管有部分理论分析,但只是简单的介绍,尚未形成系统的理论体系.功率超声振动珩磨是功率超声振动切削在珩磨中的应用,通过在普通珩磨的基础上使油石产生功率超声振动来进行珩磨.从运动学角度对油石沿轴向的功率超声振动珩磨加工技术进行较为系统的理论研究,归纳出轴向功率超声振动珩磨的四个运动特性:1)分离特性;2)冲击特性;3)变速特性;4)往复熨压特性.为进一步的动力学研究提供了必要的支撑条件.     

基于响应曲面法的珩磨油石寿命影响因素研究

在珩磨加工时,油石磨损对零件的加工精度有重要影响。基于响应曲面法建立珩磨油石二阶响应曲面模型,通过BBD实验对珩磨油石寿命模型进行拟合,分别验证模型的有效性和显著性,结果表明响应曲面模型能很好地拟合油石寿命。在分析了珩磨油石寿命关于影响因素的响应曲面后,得到了各因素对油石寿命的交叉影响程度。结果表明:各工艺参数对油石寿命具有复杂的交互作用,在油石粒度相同的情况下,珩磨压力较往复速度对油石磨损的影响更加显著;压力和粒度的交互作用对油石寿命影响最大,油石在磨削时,由于细小的磨屑容易进入油石气孔中,粒度越小,越易出现堵塞现象。     

珩磨在深孔加工中的应用分析

主要介绍了几种常规的深孔加工技术,并着重介绍了珩磨在深孔加工中的应用方式,珩磨时珩磨油、油石、珩磨工艺参数的选择对珩磨工件的表面质量、加工效率都有很大的影响,合理选择加工工艺对珩磨产品至关重要。