金属板料的机械喷丸成形与激光喷丸成形技术

机械喷丸成形和激光喷丸成形是两种喷丸成形技术，用于成形外形变化平缓的蒙皮类镀金零件。论述了这两种喷丸成形技术的原理、特点和发展趋势，并对它们的工艺参数进行了分析和比较。     

基于CFD-DEM仿真的喷丸工艺参数优选

目的综合考虑喷丸过程的能量效率,以最少喷打时间和最小比能为目标进行喷丸工艺参数优选。方法通过分析弹丸群以单对称单元模型喷打的弹痕排布方式,以及满足一定覆盖率时平均每个弹丸形成的弹坑面积,得到随机喷打时的材料去除体积,进而得到能量利用效率。以喷丸入口压强、弹丸直径和弹丸流量三个工艺参数为变量,以一定覆盖率下的最小喷丸时间和最大能量利用率为目标,建立喷丸工艺参数优化模型。通过建立CFD-DEM气固两相耦合的喷丸仿真模型,进行仿真实验,得到出口弹丸速度与工艺参数的关系,进而得到每组实验的喷丸时间和能量利用率。结果通过16组仿真实验,得到第4组工艺参数为最优喷丸工艺参数组合,即入口压强为0.5 MPa,弹丸直径为1.0 mm,弹丸流量为0.6 kg/s。结论CFD-DEM仿真模型能够得到出口弹丸速度与其他工艺参数的关系,喷丸工艺参数优化模型能够兼顾效率和能量利用率,并筛选出最优工艺参数组合,为喷丸工艺参数决策提供指导。     

基于人工神经网络的板料激光成形工艺优化

采用BP算法的人工神经网络系统，以激光能量、光斑大小、扫描速度、矩形板料的厚度和宽度作为输入层节点，预测板料激光成形的温度峰值和弯曲角度，并将该系统用于08F薄钢板激光弯曲成形的工艺参数优化之中，可以快速获得最大成形角度所对应的最优工艺参数组合。     

预应力对喷丸成形的影响

对预应力喷丸成形进行了试验研究,指出预应力可以改变其对应的预变形与预应力喷丸变形之间的大小关系,在以改善喷丸型面纵向直线度为主要目的的预应力喷丸成形中,预应变取值051000～11000较为适宜。     

基于人工神经网络技术的注塑成型工艺参数优化

研究了人工神经网络技术在注塑成型工艺参数优化中的应用,通过建立基于神经网络的压力、温度模型以及优化工艺参数的目标函数,实现了基于人工神经网络技术的注射成型工艺参数优化;并将其应用于华中科技大学模具国家重点实验室开发的注塑成型CAE系统HsCAE 3DRF中,取得了良好的效果。     

弯扭复合变形整体壁板喷丸成形工艺研究

为了获得实用的机翼整体壁板喷丸成形工艺数据,建立了喷丸成形板件的弯曲半径、弦向型面波浪度和展向母线直线度与成形工艺参数之间的关系,分析了弹丸速度、喷丸条带间距、试件厚度、施加的预应力等主要工艺参数对具有弯扭复合变形的整体壁板零件喷丸成形的影响规律;针对喷丸成形的球面变形现象,介绍了几种克服这一问题的技术措施,如条带喷丸、预应力喷丸等.研究表明,改变喷丸条带的间距及毛坯板料的厚度对试件弦向型面波浪度及展向母线直线度的影响效果相反;提高弹丸速度将增加喷丸成形的曲率,但在较高转速下提高叶轮转速对增加试件的变形程度影响不大;预应力喷丸成形方式是增加壁板弦向弯曲曲率及改善展向母线直线度的有效措施.     

基于专家系统和人工神经网络的点焊工艺参数选择

提出了一处集成专家系统和休工神经网络和电阻点焊工艺参数选择人工智能系统。试运行结果表明,该系统充分发挥了专家系统和人工神经网络各自优点,具有使用简单,预测准确度高,速度快等优点,是实用,合理的,这就为点焊工艺参数优选和接头质量预测提供了一种有效的新方法。     

厚度对喷丸成形的影响

就厚度对喷丸成形的影响进行了试验研究,指出喷丸成形的大小基本地应厚度的平方成反比。     

基于激光喷丸的板料成形试验研究

利用不同能量的Nd∶Glass激光对不同厚度的LY12CZ航空铝合金进行了激光喷丸成形。激光脉冲参数为波长1.06μm,脉冲为23ns,光斑直径为7mm。试样尺寸为100mm×25mm。激光喷丸沿宽度方向进行,相邻光斑的距离为4mm。试样的表面涂有黑漆,流动的水帘作为约束层。结果表明,试样经多条激光喷丸后,试样变成了单曲率的圆筒形,试件表面都存在有益的残余压应力,曲率半径随激光脉冲能量加大而减小,随板料厚度的减小而加大,随喷丸条带间距的加大而加大。     

激光定向能量沉积与喷丸复合工艺成形性能研究

激光定向能量沉积与喷丸复合增材工艺,是以逐层喷丸的形式将喷丸表面强化原理与增材制造原理相结合,以达到降低工件缺陷和消除拉应力目的的一种复合工艺。比较该工艺机理与激光定向能量沉积工艺成形FeCrNiBSi合金试样的加工性能与质量,结果表明：复合工艺可将成形件表面的拉应力转变为压应力;与激光定向能量沉积工艺相比,复合工艺成形的试样密度提高了8.83%、表面粗糙度值降低了35.7%、拉伸强度与屈服强度分别提升了12.13%和53.24%。     

基于正交实验和数据驱动的喷丸表面完整性参数预测

目的 探究喷丸工艺参数对18CrNiMo7-6滚子表面完整性的影响规律,得到喷丸工艺参数与表面完整性的映射关系,提高喷丸工艺的质量与效率.方法 运用Python语言对Abaqus进行二次开发,建立喷丸仿真的随机多弹丸模型并进行了试验验证.设计正交实验研究喷射角度、喷射速度、弹丸直径、覆盖率及弹丸类型对残余应力与表面粗糙...     

运用神经网络预报烧结终点

针对现场烧结终点控制复杂与难度大的实际,开发了神经网路预报系统。预报系统采用4层前向神经网络,进行多因素输入建模,输出采用具有极值特性的二次曲线计算的烧结终点与实际最高废气温度,预报烧结终点与最高废气温度,为现场终点控制的最新可行方法。网络结构设计先进合理、精度高、泛化能力强,训练方差为0000 018 14,用训练样本集测试输出,烧结终点绝对平均误差为0.04,终点废气温度绝对平均误差为4.57 ℃。采用训练后网络预报,烧结终点（风箱号）绝对误差最大仅为0.09,终点废气温度绝对误差最大为3.57 ℃,命中率100％。用预报结果有针对性调节烧结参数可收到明显效果。     

基于神经网络的Al-Cu-Mg-Ag合金蠕变速率预测

基于BP型神经网络理论和算法,研究了Al-Cu-Mg-Ag合金在高温欠时效态的蠕变速率,建立了影响蠕变速率参数与蠕变速率预测的神经网络模型.结果表明,预测结果能很好地与实验结果相对应,采用BP型神经网络模型是可靠的,为解决预测合金材料蠕变速率问题提供了一种先进、合理的方法.     

基于人工神经网络的钛镍合金腐蚀性能预测

采用全浸腐蚀试验获取TiNi合金在6mol/L KOH溶液中的实际腐蚀深度测试数据,将其作为样本数据用于人工神经网络的训练和验证,建立了4×15×1拓扑结构的三层人工神经网络进行,并对网络模型的预测精度进行研究.结果表明,4×15×1拓扑结构的三层人工神经网络可用于TiNi合金在碱液中的耐腐蚀性的预测.     

基于神经网络固体渗硼的性能预报

将人工神经网络理论和算法应用于固体渗硼的研究,在对人工神经网络训练的基础上,建立了固体渗硼工艺与渗层性能预报的数学模型.试验结果验证了性能预报神经网络模型的可靠性,为解决固体渗硼性能预报问题提供了一条先进、合理的途径.     

喷丸条件对残余应力场的影响规律

采用试验方法研究了喷丸条件对残余挤压应力场的影响规律.试验对不同弹丸尺寸、不同覆盖率所形成的残余应力场采用X射线方法进行测量,结果表明,喷丸条件对残余应力场的深度和水平的影响存在如下规律:弹丸尺寸对残余应力场的深度影响明显,在相同的喷丸气压和喷丸强度下,大弹丸形成的残余应力场较深;弹丸覆盖率对残余应力水平影响明显,相同喷丸气压下,增加喷丸覆盖率则能提高残余应力水平;试件厚度对应力分布无明显影响.     

基于RBF神经网络的花岗岩加工铣削力预测研究

以花岗岩铣削加工中金刚石铣刀为研究对象,对直接导致刀具断裂影响加工效能的关键因素——铣削力进行了研究。针对花岗岩加工铣削力理论公式在实际应用中的局限性,提出了一种采用实验法和神经网络预测相结合的方法。利用实验获得神经网络铣削力预测的建模样本和验证样本以及刀具的断裂极限,利用RBF神经网络对花岗岩加工的铣削力进行了建模预测,通过实验数据验证了该模型的准确性,通过该模型预测获得优选的加工参数,并进行了应用。结果表明该方法有效地提高了刀具的加工效能。     

铅黄铜超塑性能的人工神经网络预测

利用人工神经网络对铅黄铜超塑性能进行了预测研究,通过对试样在不同超塑性拉伸条件下的性能进行学习,建立了拉伸条件与性能的BP网络预测模型.结果表明,所建模型可以较好地反映超塑性拉伸条件与性能问的内在规律,预测值和试验结果吻合良好,其最大误差不超过10%.人工神经网络用于铅黄铜超塑性能的预测具有可行性和有效性.     

基于MATLAB神经网络的切削力预测

借助MATLAB人工神经网络,对切削力预测进行了研究。通过比较快速BP算法和LM算法在网络训练时的收敛速度,确定了网络的结构和工具函数,并分析了影响切削力预测精度的因素,实现了切削力的精确预测。其研究结果为车削零件加工质量的物理仿真以及加工参数的优化选择提供了依据。