基于进化神经网络外圆纵向磨削表面粗糙度的在线预测

将人工神经网络引入磨削加工领域。针对BP算法存在收敛速度慢，容易陷入局部极小值以及全局搜索能力弱等缺陷，采用遗传算法训练BP神经网络，设计了基于进化神经网络的学习算法，建立了外圆纵向磨削表面粗糙度的进化神经网络预测模型。实验和仿真结果表明。基于进化计算的BP神经网络可以克服单纯使用BP神经网络易陷入局部极小值等问题，预测精度较高，对提高外圆纵向磨削加工的自动化程度具有重要的意义。通过在线监测磨削拳数。所提供的预测方法可以实现对工件表面粗糙度的在线预测。     

磨削参数对GH4169高温合金磨削表面特征影响研究

采用单因素试验法,使用不同特性的砂轮进行GH4169高温合金的外圆磨削试验,研究了单晶刚玉砂轮和CBN砂轮对GH4169高温合金磨削表面特征中表面粗糙度和表面形貌的影响,分析了各磨削工艺参数对表面粗糙度的影响规律,并分析了单晶刚玉砂轮和CBN砂轮切屑的形态,还检测了磨削加工的表面形貌。结果表明：采用粒度为80、中软级、陶瓷结合剂的单晶刚玉砂轮磨削GH4169高温合金时,其磨削表面粗糙度较小,表面特征较稳定;磨削进给运动轨迹构成了试件已加工表面形貌轮廓的主要特征。在工件速度为8~21.66m/min、砂轮速度为15~30m/s、径向进给量为0.005~0.02mm、纵向进给量为1.3~3.6mm/r范围内,可以保证表面粗糙度Ra在0.14μm以内。     

GCr15轴承钢磨削表面粗糙度的试验研究

磨削表面粗糙度是评定磨削质量的一个重要参数,对零件的使用性能、耐磨性、抗腐蚀性及疲劳强度等都有直接影响。本文在大量试验结果基础上,对外圆磨削GCr15轴承钢时诸多因素对磨削表面粗糙度的影响规律进行了分析研究。一、磨削参数对表面粗糙度的影响本试验对磨削过程影响较大的五个基本参数-工件速度(V_W)、砂轮速度(V)、工作台速度(V_T),磨削深度(a_P)及砂轮修整     

外圆磨削表面粗糙度的智能控制

针对外圆磨削表面粗糙度难以控制这一工艺难题,结合自适应模糊推理系统,提出了磨削过程的智能控制。在表面粗糙度预测模型基础上,以纵向进给速度为直接调整变量,以工件表面轮廓算术平均偏差为最终控制目标,通过智能化调整纵向进给速度实现对表面粗糙度的自适应模糊控制,建立了磨削加工粗糙度的模糊控制器。磨削实验结果表明,实测的粗糙度以较高精度在目标值周围变动,该模型能够满足对表面粗糙度控制的要求。     

基于CCD成像的外圆纵向磨削表面粗糙度在线测量

为了提高外圆磨削加工零件表面粗糙度的测量效率,可以采用在线测量的方法.基于CCD成像技术,利用激光图谱比较法以及图像傅立叶变换后的能量谱,对外圆纵向磨削后的零件表面粗糙度进行非接触式在线测量,并判定加工零件表面粗糙度的等级.使用的测量方法,可以实现在线检测表面粗糙度的目的,达到了预想的效果.     

超硬涂层磨削工艺实验研究

针对核主泵关键部件材料镍基碳化钨涂层,采用三种磨粒粒度金刚石砂轮进行平面磨削试验,研究工艺参数、磨粒粒度对涂层材料磨削力、表面粗糙度和表面残余应力的影响规律。实验结果表明:不同粒度砂轮磨削时,随着磨削深度和工件进给速度增加,法向磨削力和切向磨削力均逐渐增大,表面粗糙度值呈现先增大、后减小再增大的趋势,平行和垂直磨削方向的表面残余压应力逐渐增大,且垂直磨削方向应力值更大。综合考虑磨削力、表面粗糙度、磨削表面残余应力和磨削加工效率,600目砂轮具有较好的加工效果,其对应的优化磨削参数为:磨削深度为10μm,工件进给速度为8 m/min。     

磨削条件的优化及表面粗糙度的预测与控制

利用信噪比试验设计法和二次回归设计技术,对平面磨削中砂轮转速、工件速度、径向进给量及砂轮粒度等因素对表面粗糙度的影响规律进行了分析,各因素对表面粗糙度的影响由大到小依次为砂轮粒度、径向进给量、砂轮转速和工件速度。同时建立起表面粗糙度的回归预测模型,并以F检验法对其进行检验,回归预测模型的显著性水平为0.01,回归效果良好。     

砂轮新模型对平面磨削表面粗糙度产生机理

探讨了在研究磨削表面粗糙度的过程中,能否在传统的以磨粒切削刃为研究对象的研究方法之外,建立一种新的研究途径的可能性.提出了平面磨削加工中,从宏观角度研究表面粗糙度影响因素的磨削模型,认为砂轮可以等效成若干个宽度为f的连续的小砂轮组成的砂轮组.提出在一定的磨削条件下,存在磨削参数对表面粗糙度影响的临界值.指出材料弹性模量在磨削加工中对表面粗糙度具有非常重要的影响.同时结合传统理论,进行了一系列的试验验证,得到了很好的吻合.认为在目前加工参数范围内,对Ra影响显著的因素是砂轮线速度、轴向进给量和砂轮的磨损.     

基于最小二乘支持向量机的外圆磨削表面粗糙度预测系统

为解决磨削加工中影响因素多,难以实现自动化加工的困难,对磨削系统的表面粗糙度预测系统进行了研究。在分析目前常用预测方法的基础上,建立了基于最小二乘支持向量机的外圆纵向磨削表面粗糙度预测模型。该模型采用等式约束,把原来求解一个二次规划问题转化成求解一个线性方程组,方法简单且有效。比较实验显示,该方法响应时间快、测量精度高,测量精度误差比BP神经网络预测方法小4%,比进化神经网络(BP+GA)预测方法小1.3%,所提供的预测方法可以实现对工件表面粗糙度的在线预测。将其应用于外圆纵向磨削智能系统中,实时计算预测值与给定粗糙度的差值,引导磨削专家系统修正磨削参数,实现智能控制,取得了较好的效果。     

不锈钢超高速磨削试验研究

为避免不锈钢磨削中发生砂轮堵塞,减轻磨削烧伤的程度,提高加工效率,优化加工工艺,对不锈钢进行超高速磨削试验研究。在高速/超高速磨削条件下,研究了不同砂轮线速度、工件进给速度和进给量对不锈钢磨削的磨削力、表面粗糙度和表面形貌的影响作用,并检测了不同工况下的砂轮表面状态。研究结果表明,不锈钢在超高速磨削状态下,选择合理的工作台速度和磨削深度能有效提高加工效率,同时又能保证磨削质量。

     

外圆磨削表面粗糙度的BP网络建模与验证

基于零件加工表面粗糙度在线检测困难问题,应用BP网络建模对外圆磨削加工表面粗糙度值进行预测,并通过实验验证所建模型的正确性,同时也验证了实验数据的准确性。     

外圆磨削砂轮形貌仿真与工件表面粗糙度预测

对磨削砂轮形貌、外圆磨削过程及工件表面形貌进行了仿真,实现了对工件表面粗糙度的预测,并对仿真模型进行了验证。采用Johnson变换和Gabor小波变换,实现了高斯域和非高斯域的转化,在随机域内对磨削砂轮形貌进行了仿真。根据外圆磨削运动过程,通过对砂轮和工件相互作用过程的分析,建立了磨粒运动轨迹方程和工件形貌方程,在考虑磨粒切削、耕犁与摩擦作用的条件下,对外圆磨削过程进行了仿真。建立了外圆磨削模型,实现了对加工工件形貌的仿真和粗糙度预测。     

点磨削工件微观形貌仿真与试验研究

点磨削属于外圆磨削技术的一种,其砂轮与工件轴线之间存在变量夹角α,加工过程中磨粒的运动轨迹发生改变。为探索α对工件表面粗糙度的影响,利用砂轮与工件之间的运动关系及坐标转化,将磨粒运动函数等效为抛物线,得出点磨削的切削路径。基于砂轮表面磨粒分布状态,沿砂轮轴向扩展有效干涉痕迹,得到工件的三维几何仿真形貌。将45钢淬火后作为工件材料,选择典型磨削参数,利用试验对模型进行验证。结果表明:仿真与实际工件微观形貌呈现相似特征,两形貌表面高度概率密度分布十分吻合,在不同磨削速度下,两结果之间平均相差7.8%。当α在0°～4°变化时,Ra的浮动范围小于0.1μm,工件表面粗糙度不会发生明显改变,几何仿真模型为实际磨削工件形貌分析提供了一种辅助和验证方法。     

In-process measurement of surface roughness during cylindrical grinding process

An in-process surface roughness sensor developed by the author has been applied to cylindrical grinding operations. The sensor utilizes fibre optics to illuminate a workpiece surfacec and to detect the intensity of the reflected light. A change of surface roughness during one plunge grinding cycle is measured for various grinding conditions. It is confirmed by the measurements that the surface roughness is closely related to changes of the workpiece radius during a grinding cycle. The result is quite simple and it is useful in determining the cycle time of a grinding operation.     

磨削加工中磨削区流场的数值分析

基于动压润滑理论,建立了浇注法方式下磨削区流场的光滑数学模型并利用多重网格法计算出了磨削区流场的动压力和流体速度;在光滑模型的基础上建立了考虑砂轮和工件表面粗糙度的粗糙模型并利用多重网格法得到该模型下的解.结果表明:粗糙模型得到的磨削加工区流体的动压力及流速曲线是不光滑的,但光滑模型和粗糙模型的解吻合较好.     

基于BP神经网络的外圆磨削淬硬试验研究

磨削淬硬是一种将磨削加工与表面淬火相集成的绿色加工工艺,具有显著的经济和社会效益。在外圆磨床上对40Cr钢进行磨削淬硬试验,观测并分析其磨削温度、表面硬度以及淬硬层深度等,最后利用试验数据建立其BP神经网络模型对其淬硬效果进行预测,通过预测结果与试验结果的对比表明该模型是有效可行的。     

Mist-jetting electrical discharge dressing (MEDD) of nonmetal bond diamond grinding wheels using conductive coating

Diamond wheels are widely used in high-precision grinding of hard and brittle materials; unfortunately, they are difficult to true and dress. This paper addresses that problem in that it proposes an effective dressing technique—mist-jetting electrical discharge dressing (MEDD) of nonmetal bond diamond grinding wheels using conductive coating. A conductive phase is coated on the wheel surface to increase the conductivity of the nonmetal bond. Electrical discharge model was built to analyze feasibility and select optimized parameters of MEDD. Experiments were conducted to evaluate the dressing performance of MEDD in terms of surface morphology of the wheel surface, grinding force, and surface roughness of the workpiece. Experimental results show that abrasive grains on the wheel protrude are satisfied. The discharge parameters have an important influence on the dressing result. The grinding force and the surface roughness of the workpiece significantly reduced after dressing.     

Determining the optimum process parameter for grinding operations using robust process

We applied combined response surface methodology (RSM) and Taguchi methodology (TM) to determine optimum parameters for minimum surface roughness (Ra) and vibration (Vb) in external cylindrical grinding. First, an experiment was conducted in a CNC cylindrical grinding machine. The TM using L ₂₇ orthogonal array was applied to the design of the experiment. The three input parameters were workpiece revolution, feed rate and depth of cut; the outputs were vibrations and surface roughness. Second, to minimize wheel vibration and surface roughness, two optimized models were developed using computer-aided single-objective optimization. The experimental and statistical results revealed that the most significant grinding parameter for surface roughness and vibration is workpiece revolution followed by the depth of cut. The predicted values and measured values were fairly close, which indicates (R _Ra ² =94.99 and R _Vb ² =92.73) that the developed models can be effectively used to predict surface roughness and vibration in the grinding. The established model for determination of optimal operating conditions shows that a hybrid approach can lead to success of a robust process.