7050-T7451铝合金铣削参数多指标优化研究

通过Spike切削力测量设备及在线监控系统,采用单因素试验,研究硬质合金刀具铣削7050-T7451铝合金时,主轴转速、铣削宽度、铣削深度、进给速度以及顺、逆铣加工方式分别对刀具所受弯矩、表面粗糙度及功率的影响。运用正交试验法,通过S/N比分析和方差分析,获得7050-T7451铝合金的最优铣削参数。研究表明：顺铣更适用于7050-T7451铝合金的铣削加工;刀具所受弯矩随着主轴转速的增加而逐渐减小,最终趋于平稳,并随着铣削宽度、铣削深度及进给速度的增加而增加;表面粗糙度随主轴转速的增加呈先减小后增加;各铣削参数与加工功率均呈正相关关系;为获得较低加工弯矩和功率、较好表面质量,应取较高的主轴转速、较低的进给速度和铣削宽度,7050-T7451铝合金的最优铣削参数水平为A₃B₁C₂D₁,即n=6000r/min,a_e=3.0mm,a_p=1.6mm,v_f=1500mm/min。     

生成对抗网络驱动的图像隐写与水印模型

目的 图像信息隐藏包括图像隐写术和图像水印技术两个分支。隐写术是一种将秘密信息隐藏在载体中的技术,目的是为了实现隐秘通信,其主要评价指标是抵御隐写分析的能力。水印技术与隐写术原理类似,但其是通过把水印信息嵌入到载体中以达到保护知识产权的作用,追求的是防止水印被破坏而尽可能地提高水印信息的鲁棒性。研究者们试图利用生成对抗网络（generative adversarial networks,GANs）进行自动化的隐写算法以及鲁棒水印算法的设计,但所设计的算法在信息提取准确率、嵌入容量和隐写安全性或水印鲁棒性、水印图像质量等方面存在不足。方法 本文提出了基于生成对抗网络的新型端到端隐写模型（image information hiding-GAN,IIH-GAN）和鲁棒盲水印模型（image robust blind watermark-GAN,IRBW-GAN）,分别用于图像隐写术和图像鲁棒盲水印。网络模型中使用了更有效的编码器和解码器结构SE-ResNet（squeeze and excitation ResNet）,该模块根据通道之间的相互依赖性来自适应地重新校准通道方式的特征响应。结果 实验结果表明隐写模型IIH-GAN相对其他方法在性能方面具有较大改善,当已知训练好的隐写分析模型的内部参数时,将对抗样本加入到IIH-GAN的训练过程,最终可以使隐写分析模型的检测准确率从97.43%降低至49.29%。该隐写模型还可以在256×256像素的图像上做到高达1 bit/像素（bits-per-pixel）的相对嵌入容量;IRBW-GAN水印模型在提升水印嵌入容量的同时显著提升了水印图像质量以及水印提取正确率,在JEPG压缩的攻击下较对比方法提取准确率提高了约20%。结论 本文所提IIH-GAN和IRBW-GAN模型在图像隐写和图像水印领域分别实现了领先于对比模型的性能。     

AlCrN涂层刀具对Ti6Al4V的干铣削与磨损性能研究

在JTVC650B立式加工中心上分别使用未涂层刀具和AlCrN涂层刀具对45钢进行单因素干铣削试验,探究两种刀具对铣削弯矩性能的影响;采用AlCrN涂层刀具对Ti6Al4V进行干铣削试验,运用单因素试验法研究铣削方式和铣削要素对铣削弯矩的影响,并利用正交试验法结合方差分析和信噪比分析,研究AlCrN涂层刀具干铣削Ti6Al4V的最优铣削参数组合,并对AlCrN涂层刀具磨损区域进行SEM和EDS分析。研究表明：相对于未涂层刀具,采用AlCrN涂层刀具能够有效降低铣削过程中产生的弯矩;铣削Ti6Al4V时,AlCrN涂层刀具采用顺铣的方法比逆铣更优;铣削弯矩随着主轴转速的增加而逐渐减小趋于平稳,随着进给量和铣削深度的增加而增大,最优铣削参数为A3B1C1;AlCrN涂层刀具磨损区域存在磨料磨损、黏结磨损和扩散磨损。