鈦合金高效深磨工藝研究及磨削質量預測論文(PDF 74頁)
鈦合金高效深磨工藝研究及磨削質量預測論文(PDF 74頁)內容簡介
3. 微觀表麵觀測儀
3.1 試驗材料及其性能
3.2 試驗設備及條件
3.2.1 超高速磨削實驗台
3.2.2 砂輪選用及其修整
3.2.3 試驗數據采集設備
3.3 磨削力信號的采集與處理
3.33,6.67,10,
3.4 工藝試驗方案
4.1 砂輪線速度的影響
4.16 中試驗2-4 的磨削力比曲線起伏波動幅度較大,而試驗3-4 則顯得比較平緩,
4.2 工作台速度的影響
4.3 切深的影響
4.4 比磨除率相同的情況下,改變切深和工作台速度的影響
4.5 0.4(固定值) 200
4.5 砂輪及工件表麵形貌觀測結果
4.5.1 砂輪表麵形貌觀測及砂輪選用
4.5.2 工件表麵形貌觀測結果及分析
5.1.1 磨削力的特征及其分析
5.1.1.1 單位麵積磨削力隨hmax 的變化情況及特征分析
5.1.1.2 單位麵積磨削力隨aeq 的變化情況及特征分析
5.1.1.3 磨削力比隨Z'w 及aeq 的變化情況
5.1.2 粘附條件下TC4 鈦合金高效深磨磨削力數學模型
5.2 高效深磨過程中的磨削能
5.2.1 比磨削能隨hmax 的變化情況及特征分析
5.2.2 比磨削能隨Z'w 的變化情況及特征分析
5.2.3 高效深磨過程消耗磨削功率分析
6 120 6 0.6 1.06 1.11 5 4.72 1 -6 -5.66
6 120 6 0.6 1.06 1.21 15 14.15 1.11 5 4.72
6.1 進化神經網絡預測模型的建立[42,43,54,55]
6.1.1 BP 神經網絡結構的建立
6.1.2 進化神經網絡學習算法
6.2 基於進化神經網絡的TC4 鈦合金高效深磨表麵粗糙度預測
6.2.1 預測過程的Matlab 實現
6.2.1.1 傳統BP 神經網絡預測的Matlab 實現
6.2.1.2 進化神經網絡預測的Matlab 實現
6.2.2 表麵粗糙度預測結果及其對比分析
圖2.1 鈦合金分類說明
圖2.2 研究技術路線流程圖
圖3.1 超高速平麵磨削實驗台
圖3.10 磨削過程中的磨削力示意圖
圖3.2 試驗用磨削力測力儀
圖3.3 磨削力測量係統示意圖
圖3.4 試驗用T8000 型粗糙度儀
圖3.5 用於表麵/亞表麵觀察的SEM
圖3.6 Z 向磨削力信號示意圖
圖3.6 所示:
圖3.7 X 向磨削力信號示意圖
圖3.8 磨削力的有效值
圖3.9 磨削液對測力儀衝擊力的信號圖
圖4.1 砂輪線速度對單位麵積法向磨削力的影響
圖4.10 切深對單位麵積切向磨削力的影響
圖4.11 切深對比磨削能的影響
圖4.11、4.12 分別反映了比磨削能及磨削力比隨切深ap 變化的情況,可以
圖4.12 切深對磨削力比的影響
圖4.13 相同比磨除率下單位麵積法向磨削力
圖4.13、4.14 反映了在保證比磨除率一定的前提下,改變切深ap 和工作台
圖4.14 相同比磨除率下單位麵積切向磨削力
圖4.15 相同比磨除率下的比磨削能
圖4.15、4.16 反映了在保證比磨除率一定的前提下,改變切深ap 和工作台
圖4.16 中TC4 鈦合金的磨削力比呈上升趨勢,而40Cr 鋼則呈下降趨勢,這從另
圖4.16 相同比磨除率下的磨削力比
圖4.17 金剛石砂輪磨削前後表麵形貌對比
圖4.18 CBN 砂輪磨削前後表麵形貌對比
圖4.19 40Cr 鋼試驗1 典型工況掃描電鏡照片
圖4.19、4.20、4.21 中(a)、(b)、(c)、(d)的工況分別為:(a) vs=60m/s,vw=2m/min,
圖4.1、4.2 顯示了隨砂輪線速度vs 的變化,單位麵積法向磨削力Fn'和單位
圖4.2 砂輪線速度對單位麵積切向磨削力的影響
圖4.20 TC4 鈦合金試驗2 典型工況掃描電鏡照片
圖4.21 TC4 鈦合金試驗3 典型工況掃描電鏡照片
圖4.3 砂輪線速度對比磨削能的影響
圖4.3 表示了比磨削能的大小隨砂輪線速度vs 變化的關係。比磨削能的大小
圖4.4 砂輪線速度對磨削力比的影響
圖4.4 表示的是磨削力比隨砂輪線速度vs 的變化情況。磨削力比的大小通過
圖4.5 工作台速度對單位麵積法向磨削力的影響
圖4.5、4.6 顯示的是隨工作台速度vw 的變化,單位麵積法向、切向磨削力
圖4.6 工作台速度對單位麵積切向磨削力的影響
圖4.7 反映了隨vw 的變化,比磨削能的變化情況。三組試驗中比磨削能都
圖4.7 工作台速度對比磨削能的影響
圖4.8 反映了磨削力比隨工作台速度vw 的變化情況。由上圖可以看出,試
圖4.8 工作台速度對磨削力比的影響
圖4.9 中Fn'變化曲線上表現得尤為明顯。這一現象的解釋可以考慮下麵三個因
圖4.9 切深對單位麵積法向磨削力的影響
圖4.9、4.10 顯示了切深ap 的變化對單位麵積法向、切向磨削力的影響。如
圖5.1 單位麵積法向磨削力隨最大未變形切屑厚度變化的情況
圖5.10 單位寬度磨削功率隨磨粒耕犁麵積變化的情況
圖5.2 單位麵積切向磨削力隨最大未變形切屑厚度變化的情況
圖5.3 單位麵積法向磨削力隨當量磨削層厚度變化的情況
圖5.4 單位麵積切向磨削力隨當量磨削層厚度變化的情況
圖5.5 磨削力比隨比磨除率變化的情況
圖5.6 磨削力比隨當量磨削層厚度變化的情況
圖5.7 比磨削能隨最大未變形切屑厚度變化的情況
圖5.8 比磨削能隨比磨除率變化的情況
圖5.9 磨粒的最大切削深度模型
圖6.1 BP 神經網絡拓撲結構圖
圖6.2 Network/Data Manager 窗口
圖6.3 Create New network 窗口
圖6.4 神經網絡訓練參數設置
圖6.5 進化神經網絡預測的編程流程圖
圖6.6 M 文件編輯器
..............................
3.1 試驗材料及其性能
3.2 試驗設備及條件
3.2.1 超高速磨削實驗台
3.2.2 砂輪選用及其修整
3.2.3 試驗數據采集設備
3.3 磨削力信號的采集與處理
3.33,6.67,10,
3.4 工藝試驗方案
4.1 砂輪線速度的影響
4.16 中試驗2-4 的磨削力比曲線起伏波動幅度較大,而試驗3-4 則顯得比較平緩,
4.2 工作台速度的影響
4.3 切深的影響
4.4 比磨除率相同的情況下,改變切深和工作台速度的影響
4.5 0.4(固定值) 200
4.5 砂輪及工件表麵形貌觀測結果
4.5.1 砂輪表麵形貌觀測及砂輪選用
4.5.2 工件表麵形貌觀測結果及分析
5.1.1 磨削力的特征及其分析
5.1.1.1 單位麵積磨削力隨hmax 的變化情況及特征分析
5.1.1.2 單位麵積磨削力隨aeq 的變化情況及特征分析
5.1.1.3 磨削力比隨Z'w 及aeq 的變化情況
5.1.2 粘附條件下TC4 鈦合金高效深磨磨削力數學模型
5.2 高效深磨過程中的磨削能
5.2.1 比磨削能隨hmax 的變化情況及特征分析
5.2.2 比磨削能隨Z'w 的變化情況及特征分析
5.2.3 高效深磨過程消耗磨削功率分析
6 120 6 0.6 1.06 1.11 5 4.72 1 -6 -5.66
6 120 6 0.6 1.06 1.21 15 14.15 1.11 5 4.72
6.1 進化神經網絡預測模型的建立[42,43,54,55]
6.1.1 BP 神經網絡結構的建立
6.1.2 進化神經網絡學習算法
6.2 基於進化神經網絡的TC4 鈦合金高效深磨表麵粗糙度預測
6.2.1 預測過程的Matlab 實現
6.2.1.1 傳統BP 神經網絡預測的Matlab 實現
6.2.1.2 進化神經網絡預測的Matlab 實現
6.2.2 表麵粗糙度預測結果及其對比分析
圖2.1 鈦合金分類說明
圖2.2 研究技術路線流程圖
圖3.1 超高速平麵磨削實驗台
圖3.10 磨削過程中的磨削力示意圖
圖3.2 試驗用磨削力測力儀
圖3.3 磨削力測量係統示意圖
圖3.4 試驗用T8000 型粗糙度儀
圖3.5 用於表麵/亞表麵觀察的SEM
圖3.6 Z 向磨削力信號示意圖
圖3.6 所示:
圖3.7 X 向磨削力信號示意圖
圖3.8 磨削力的有效值
圖3.9 磨削液對測力儀衝擊力的信號圖
圖4.1 砂輪線速度對單位麵積法向磨削力的影響
圖4.10 切深對單位麵積切向磨削力的影響
圖4.11 切深對比磨削能的影響
圖4.11、4.12 分別反映了比磨削能及磨削力比隨切深ap 變化的情況,可以
圖4.12 切深對磨削力比的影響
圖4.13 相同比磨除率下單位麵積法向磨削力
圖4.13、4.14 反映了在保證比磨除率一定的前提下,改變切深ap 和工作台
圖4.14 相同比磨除率下單位麵積切向磨削力
圖4.15 相同比磨除率下的比磨削能
圖4.15、4.16 反映了在保證比磨除率一定的前提下,改變切深ap 和工作台
圖4.16 中TC4 鈦合金的磨削力比呈上升趨勢,而40Cr 鋼則呈下降趨勢,這從另
圖4.16 相同比磨除率下的磨削力比
圖4.17 金剛石砂輪磨削前後表麵形貌對比
圖4.18 CBN 砂輪磨削前後表麵形貌對比
圖4.19 40Cr 鋼試驗1 典型工況掃描電鏡照片
圖4.19、4.20、4.21 中(a)、(b)、(c)、(d)的工況分別為:(a) vs=60m/s,vw=2m/min,
圖4.1、4.2 顯示了隨砂輪線速度vs 的變化,單位麵積法向磨削力Fn'和單位
圖4.2 砂輪線速度對單位麵積切向磨削力的影響
圖4.20 TC4 鈦合金試驗2 典型工況掃描電鏡照片
圖4.21 TC4 鈦合金試驗3 典型工況掃描電鏡照片
圖4.3 砂輪線速度對比磨削能的影響
圖4.3 表示了比磨削能的大小隨砂輪線速度vs 變化的關係。比磨削能的大小
圖4.4 砂輪線速度對磨削力比的影響
圖4.4 表示的是磨削力比隨砂輪線速度vs 的變化情況。磨削力比的大小通過
圖4.5 工作台速度對單位麵積法向磨削力的影響
圖4.5、4.6 顯示的是隨工作台速度vw 的變化,單位麵積法向、切向磨削力
圖4.6 工作台速度對單位麵積切向磨削力的影響
圖4.7 反映了隨vw 的變化,比磨削能的變化情況。三組試驗中比磨削能都
圖4.7 工作台速度對比磨削能的影響
圖4.8 反映了磨削力比隨工作台速度vw 的變化情況。由上圖可以看出,試
圖4.8 工作台速度對磨削力比的影響
圖4.9 中Fn'變化曲線上表現得尤為明顯。這一現象的解釋可以考慮下麵三個因
圖4.9 切深對單位麵積法向磨削力的影響
圖4.9、4.10 顯示了切深ap 的變化對單位麵積法向、切向磨削力的影響。如
圖5.1 單位麵積法向磨削力隨最大未變形切屑厚度變化的情況
圖5.10 單位寬度磨削功率隨磨粒耕犁麵積變化的情況
圖5.2 單位麵積切向磨削力隨最大未變形切屑厚度變化的情況
圖5.3 單位麵積法向磨削力隨當量磨削層厚度變化的情況
圖5.4 單位麵積切向磨削力隨當量磨削層厚度變化的情況
圖5.5 磨削力比隨比磨除率變化的情況
圖5.6 磨削力比隨當量磨削層厚度變化的情況
圖5.7 比磨削能隨最大未變形切屑厚度變化的情況
圖5.8 比磨削能隨比磨除率變化的情況
圖5.9 磨粒的最大切削深度模型
圖6.1 BP 神經網絡拓撲結構圖
圖6.2 Network/Data Manager 窗口
圖6.3 Create New network 窗口
圖6.4 神經網絡訓練參數設置
圖6.5 進化神經網絡預測的編程流程圖
圖6.6 M 文件編輯器
..............................
用戶登陸
工藝技術熱門資料
工藝技術相關下載