模具钢Cr12MoV精密硬态切削过程刀具磨损

模具钢Cr12Mo V硬态切削过程中,工件材料的高硬度导致了刀具在切削过程中受到剧烈的热力耦合作用,刀具的磨损机制也明显不同于常规的切削过程.本研究以PCBN刀具精密硬态切削模具钢Cr12Mo V过程为对象,分析了刀具前刀面和后刀面的磨损规律,通过元素变化分析得到刀具不同位置的磨损机制;通过揭示不同切削速度和进给量下的刀具磨损规律为合理选择切削参数提供理论依据;研究揭示了切削合力和切削三分力受刀具磨损量的影响机制;通过建立磨损刀具的几何模型,采用有限元仿真软件Deform对不同刀具磨损量下的切削过程进行了仿真分析,得到了刀具磨损对切削温度场的影响机制.     

面向铣削力控制的凸曲面拼接模具硬态铣削工艺优化

机械加工对于模具结构的要求日益复杂,导致在模具自由型面上存在大量沟槽、凸凹等结构,容易出现磨损严重、拉毛拉裂等问题。对于模具不同位置所需要的应力特征不同,多采用镶块式模件拼接后整体铣削加工。而拼接处存在铣削力的突变导致刀具磨损过快和型面精度不高问题。本文通过阐述球头刀铣削凸曲面拼接模具表面形成机理,分析了铣削过程中不同位置的刀具-工件的接触关系;并且以球头铣刀加工不同硬度的淬硬钢Cr12MoV凸曲面拼接模具试验为对象,揭示切削深度、切削速度、每齿进给量及刀具铣削方向对拼接处铣削力突变的影响规律;以铣削力突变最小为目标进行正交试验研究,得到考察指标的主次影响规律和最优参数组合。     

永磁电机转子护套用高温合金Inconel625切削性能仿真与试验研究

本文针对高速永磁电机转子保护材料镍基高温合金Inconel625的切削性能展开研究。采用仿真软件DEFORM-3D建立了该材料的三维有限元仿真模型,仿真模型采用了Johnson-Cook模型、Usui刀具磨损模型等关键技术。通过仿真得到了切削过程中切削力的变化趋势、温度场的分布特性、刀具磨损、切屑形状等。在结合试验分析的基础上,得到了切削参数对切削力、切削温度、刀具磨损的影响规律。研究结果对Inconel625合金车削过程切削条件的合理选择和刀具使用寿命的提高提供了理论依据,为深入研究Inconel625合金切削机理提供了理论依据。     

高强度钢已加工表面完整性的研究进展

已加工表面完整性在很大程度上决定工件的表面性能,它也是选择工艺条件的重要参考依据.本文首先介绍了高强度钢已加工表面完整性的重要性及研究的必要性,然后论述了国内外学者在已加工表面完整性几何特征和物理特征研究取得的最新成果,接着介绍了在高强度钢已加工表面完整性建模方面所取的进展.为了给实际加工工艺提供理论依据,文章还分析了...     

淬硬钢模具曲面铣削有限元仿真及试验研究

针对在高硬度曲面模具铣削过程当中,工件与刀具接触特性的不断变化导致了铣削系统动态特性的变化,进而对刀具寿命和加工质量产生不良影响。依据典型的摩擦模型、本构模型以及切屑分离准则等有限元仿真关键技术,利用有限元仿真软件Deform-3D建立了曲面铣削的三维仿真模型。仿真模型通过建立刀具位置坐标和时间的表达式实现了刀具运动轨迹准确的控制。结合实验研究结果,分析了曲面铣削力的变化特性以及在不同铣削条件下的铣削力的变化规律。研究结果表明仿真模型的有效性。     

冲击式水轮机转轮水斗整体数控加工工艺及编程技术的研究

本文以某电站节圆直径为1.74m,最大外径2.048m的21个斗的原型机水斗转轮为依托,对材质为0Cr13Ni4Mo的实际转轮开展示范验证,提出了一整套冲击式水轮机整体转轮加工工艺方案,开发了专用工装,优化了加工工艺参数。应用振动学及金属切削原理结合CAD/CAM/CAE技术,解决了超长刀柄切削的振动抑制,刀位规划时的约束及轨迹干涉问题。     

硬态切削与磨削工艺的表面完整性

硬态切削具有良好的加工柔性、经济性和环保性,在对工件性能起关键作用的精加工中,已成为磨削加工的有力挑战者。表面完整性是评价加工质量和工件机械性能的重要指标。本文介绍了硬态切削和磨削工艺的加工表面完整性(包括白层、表面形貌、表面粗糙度、表面残余应力、表面硬化层等),并对二者进行了比较。此外,还分析了硬态切削与磨削工艺相互结合的应用前景。     

汽车覆盖件用淬硬钢模具铣削加工的研究进展

作为汽车产销量第一大国,我国的汽车模具加工能力远远不能适应汽车更新换型的需要,中高档轿车关键覆盖件模具铣削加工质量还达不到设计要求。通过汽车大型覆盖件淬硬钢模具的铣削加工特征和难点的分析可知,铣削过程建模与仿真分析、加工工艺系统动力学特性和铣削稳定性分析、汽车覆盖件淬硬钢模具铣削加工用刀具研制、自由曲面数控编程技术及工艺规划是汽车模具高精度铣削加工的研究重点,总结归纳这几个方面的研究现状,同时探讨汽车覆盖件淬硬钢模具铣削加工仍有待于进一步解决的问题,为其后续研究方向提出一些建议。     

深度学习与多信号融合在铣刀磨损状态识别中的研究

为精确地识别刀具磨损状态,提出了一种深度学习与多信号融合相结合的识别方法.以自编码网络为基础,构建了堆叠稀疏自编码网络.采集铣刀不同磨损状态下的力信号、振动信号及声发射信号,并对上述信号进行小波包分解以便获取能够表征铣刀磨损的时频域特征.利用无监督学习和有监督学习对堆叠稀疏自编码网络进行训练,建立了深度学习的铣刀磨损状态识别模型.研究结果表明,多信号融合的深度学习模型对铣刀磨损状态识别准确率达到94.44％.