高速深切磨削氧化锆陶瓷表面粗糙度的在线监测

从放在工件夹具上的声发射(AE)传感器测得的磨削加工中的AE信号中,提取有关磨削表面粗糙度的信息,用神经网络的方法对高速深切平面磨削工程陶瓷部分稳定氧化锆的工件表面粗糙度进行了在线连续监测.结果表明,该方法基本可行,通过进一步改进,可以用于高速深切平面磨削工程陶瓷工件表面粗糙度的在线监测.     

工程陶瓷高效深磨工件表面粗糙度研究

介绍了工程陶瓷高效深磨的研究现状,阐述了高效深磨的实验方案.阐述了三种实验工程陶瓷材料的性能.对工程陶瓷高效深磨工件磨削表面粗糙度进行了实验研究.     

工程陶瓷高速深磨中声发射的实验研究

建立了工程陶瓷高速深磨中声发射的实验系统,自主开发了其中的声发射信号虚拟仪器采集系统.对部分稳定氧化锆(PSZ)和氧化铝进行了高速深磨声发射的实验研究,分析了磨削参数和工程陶瓷材料对声发射信号的影响.研究了砂轮修整前后声发射信号的变化.结果表明,即使在砂轮超高速和大切深下,声发射增加仍较小.选择砂轮超高速、大切深和小的工作台速度对高效低成本磨削工程陶瓷是有利的.运用声发射还可对砂轮磨损状态进行在线监测.     

工程陶瓷高效深切磨削加工中声发射的实验研究

通过对部分稳定氧化锆(PSZ)和Al2O3两种工程陶瓷材料进行高效深切磨削加工中声发射的实验研究,分析了这两种材料在高效深磨过程中,在不同的砂轮线速度、工作台速度和磨削深度的条件下声发射信号变化的规律;同时也分析了在同一磨削参数下这两种材料对声发射信号的影响. 还分析了砂轮修整前后声发射信号的变化. 进一步在时域分析的基础上,对声发射信号进行了频谱分析. 分析了高效深磨过程中声发射信号的频谱分布范围. 实验研究结果表明,声发射信号与磨削过程有着良好的对应关系,可以利用磨削过程中声发射信号的变化规律实现对工程陶瓷材料高效深磨削过程的监测和控制.     

基于L-M算法的BP神经网络预测短电弧加工表面质量模型

短电弧铣削加工技术属于特种加工行业中电加工的技术范畴,尤其适用于特硬、超强、高韧性等难加工材料的高效加工。但工件加工表面的技术特性(表面变质层、硬度、残余应力、表面层缺陷等)还有待于深入研究。为获得短电弧铣削加工良好的工艺效果,引入传统BP算法和Levenberg-Marquardt(简称L-M)算法,构建短电弧铣削加工表面质量模型。通过分析表面质量的影响因素,选取放电电压、频率、气压、脉冲时间为模型的输入,表面粗糙度、变质层厚度、工件材料去除率为输出,比较两种模型的预测精度。结果表明,基于L-M算法的BP神经网络对表面粗糙度、变质层厚度、材料去除率的平均预测误差分别为2.9%、9.4%、4.6%,低于传统的BP神经网络。相比传统的BP神经网络,改进的LM-BP神经网络模型提高了预测精度,实际工程中可用于优化工艺参数。     

三维超声振动辅助铣磨氧化锆陶瓷的试验研究

分析了三维超声振动辅助铣磨（Ultrasonic Vibration Assisted Grinding, UAG）中单颗磨粒的运动学,采用自主搭建的三维超声振动辅助铣磨加工系统,对氧化锆陶瓷进行超声振动辅助铣磨加工试验.在不同超声辅助条件下,对比铣磨氧化锆陶瓷的法向铣磨力、表面粗糙度和工件表面形貌,研究不同加工参数对三维UAG加工过程的影响规律以及三维超声对铣磨过程的影响.研究结果表明,铣磨氧化锆陶瓷时,法向铣磨力随超声辅助加工维度的增加而减小,三维UAG加工可有效降低其铣磨负荷,且加工参数对法向铣磨力降低幅度的影响最小;法向铣磨力降低幅度随进给速度与切削深度的增大而减小,随主轴转速的增大而增大.氧化锆陶瓷工件的表面粗糙度随超声辅助加工维度的增加而降低,表面形貌逐渐呈现更多的塑性划痕,加工参数对三维UAG加工表面粗糙度的影响最小.由此可见,三维UAG加工中,单颗磨粒切削轨迹长度的增大有利于其切削厚度减小,从而降低铣磨力并改善加工表面质量.     

工程陶瓷高效深磨磨削力和损伤的研究

采用树脂结合剂金刚石砂轮,对氧化铝和氧化锆等2种工程陶瓷进行高效深磨磨削加工.测量了磨削力,并对磨削表面形貌和亚表面损伤进行了观测.揭示了这2种工程陶瓷的高效深磨材料去除机理,氧化铝陶瓷主要为脆性去除,而氧化锆则是局部的横向裂纹和塑性去除.提出了磨粒的平均磨削力公式,讨论了磨粒的平均法向磨削力对陶瓷材料去除机理和磨削损伤的影响.     

干湿磨条件下氧化锆陶瓷表面粗糙度实验

目的研究干磨和湿磨两种工作条件下,金刚石砂轮磨削氧化锆陶瓷时,各磨削参数对其表面粗糙度的影响.方法通过在干/湿磨条件下对氧化锆陶瓷以不同的砂轮线速度、磨削深度、工件进给速度进行平面磨削,并观察磨削后工件表面粗糙度数值的变化,再利用电子扫描显微镜对磨削后的表面形貌进行分析.结果在湿磨过程中,当砂轮线速度为50 m/s、磨削深度为0.010 mm、工件进给速度为500 mm/min时,氧化锆陶瓷件表面粗糙度为0.191 8μm,表面质量最好;在干磨过程中,当砂轮的线速度为50 m/s、磨削深度为0.010 mm、工件进给速度为500 mm/min时,氧化锆陶瓷件表面粗糙度为0.189 5μm,表面质量最好.结论干湿磨条件下各磨削参数对氧化锆陶瓷表面粗糙度影响主次顺序分别为砂轮线速度、磨削深度、工件进给速度.同时在小磨削量的精密磨削中,干磨的表面粗糙度要优于湿磨的表面粗糙度.     

超高速磨削技术在机械制造领域中的应用

概述了超高速磨削加工的起源、发展历程和现状·总结了超高速磨削的优越性和若干特点·介绍了高效深磨、超高速精密磨削、难磨材料的超高速磨削在机械制造领域的应用和超高速磨削的绿色加工特性·高速和超高速磨削是提高磨削效率、降低工件表面粗糙度和提高零件加工质量的先进加工技术·超高速磨削能越过磨削"热沟",减少传入工件的磨削热,从而避免或减少工件表面磨削"烧伤",产生残余压应力的加工表面·超高速磨削可以对硬脆材料实现延性域磨削加工,对高塑性、高强度等难加工材料也有良好的磨削性能·     

新型点磨削砂轮磨削参数对表面质量的影响

提出一种带有粗磨区倾角θ的陶瓷结合剂CBN点磨削砂轮,研究了新型砂轮设计与制备的原理;这种新型砂轮具有磨除率大、加工精度好等优点.分别用不同θ角的砂轮在一系列磨削参数条件下磨削QT700材料的阶梯轴,用超景深显微系统和三维轮廓仪观测工件的表面质量,测量出表面粗糙度,得出偏转角α、磨削深度ap、工件轴向进给速度vf和砂轮速度vs等不同磨削参数对表面粗糙度的影响规律,并且比较了在同一组磨削参数下,3种不同θ角砂轮对表面粗糙度的影响情况.     

6H-SiC晶片集群磁流变研磨工艺优化

为了研究不同种类磨粒与羰基铁粉的粒径匹配性对加工效果的影响规律,并优化磁感应强度、研磨压力、研磨盘转速和工件转速等工艺参数,采用集群磁流变研磨方法对6H-SiC晶片进行了研磨试验。结果表明:当磨粒与羰基铁粉的粒径比约为1.5时加工效果较好;各工艺参数对6H-SiC加工的材料去除率的影响由大到小依次为磁感应强度、研磨盘转速、研磨压力、工件转速,对表面粗糙度的影响由大到小依次为磁感应强度、研磨压力、工件转速、研磨盘转速;磁感应强度可以改变羰基铁粉的吸附力,从而改变对磨粒的把持程度,成为影响加工效果最显著的因素。优化后的工艺参数组合为:工件转速60r·min-1;研磨盘逆向转速90r·min-1;研磨压力70kPa;磁感应强度0.012T。在此优化条件下能获得最大的材料去除率(0.498μm·min-1)和较低的表面粗糙度(86.3nm)。     

磨削加工表面粗糙度理论模型修正方法

大多数计算磨削表面粗糙度的理论公式都是基于砂轮表面磨粒与工件表面的几何创成机理建立的.理论公式虽然计算精度较高,但由于对一些磨削条件的简化,特别是假定工件表面全部由切削过程完成而忽略了材料的塑性隆起变形对表面粗糙度的影响,使其计算结果往往小于实际表面粗糙度数值.分析了磨削加工表面塑性隆起对轮廓最大谷底高度的影响,提出了计算磨削表面粗糙度数值的塑性影响系数及其理论修正公式,并给出了理论计算与实验结果.     

高电阻电极对微细电火花放电加工影响的研究

微细电火花放电加工过程中,由于单位脉冲放电的材料去除率(放电凹坑直径)决定了最小加工尺寸以及微细电火花加工的加工表面粗糙度,所以减少单位脉冲放电的材料去除率具有重要作用。为达到此目的,采用具有高电阻材料如单晶硅作为工具电极。分析结果显示,随着工具电极电阻提高,放电电流峰值逐渐降低,脉冲放电时间增加,放电能量减小。另外,研究并测试了硅电极加工不锈钢工件时电阻值对工件表面放电凹坑直径的影响。实验结果表明当硅工具电极电阻值提高时,放电凹坑直径逐渐降低;并达到最小值0.5μm;同时降低了工件表面粗糙度值0.03μm;提高了表面加工质量。     

论积屑瘤对加工精度的影响

在精切削加工时,为什么采用极低或高速切削时工件表面粗糙度低？为什么采用润滑性能好的切削液、刀具前角大、进给量和刀具主偏角小工件表面粗糙度低？为什么工件材料硬度高、脆性大的材料,在切削时粗糙度低？等等。怎么保证加工质量,值得深思。本文论述了在切削塑性材料过程中一种常见的物理、力学作用下,积屑瘤的生长条件,消失、防止措施,及对精加工表面粗糙度产生的影响。     

基于AE信号的新型砂轮点磨削状态监测方法

提出了一种基于声发射(AE)信号对新型点磨削砂轮磨削状态进行实时监测方法.建立了表面粗糙度与AE信号的对应关系,为监测磨削加工表面粗糙度提供了条件.采用单因素实验研究了各参数对AE信号RMS值的影响规律,结果进一步证明了AE信号与表面粗糙度的对应关系.对比分析了砂轮不同磨损状况下的AE信号,依据此信号可对磨削状态进行实时监测.为了区分声发射源性质的异同,对磨削过程中的AE信号进行了频谱分析,砂轮发生磨损时,AE信号在45~65kHz,80~90kHz,100~110kHz频段的能量升高显著,并且在15kHz附近出现了很高的尖峰,为监测磨削状态提供了一种可行且有效的方法.     

精密切削加工中表面粗糙度的在线检测

本文研制了一种光纤表面粗糙度在线测量系统,通过涡流测微仪和步进马达控制系统,可以补偿由于工件尺寸变化、机床导轨几何误差和主轴部件的振动造成的光纤探头和被测工件表面之间的距离变化,使光纤测量仪的输出只反映已加工表面粗糙度的变化。该测量系统能识别出金刚石刀具切削铝合金时,影响加工表面粗糙度的主要因素是积屑瘤和振动。同时还可以用在线监测加工表面粗糙度的方法来监测刀具的磨损。     

砂轮平衡精度对工件表面粗糙度影响的研究

对砂轮平衡精度与磨削加工工件表面粗糙度之间关系作了研究 ,通过理论与实验 ,给出了砂轮不平衡量与工件表面粗糙度关系式。为砂轮在线液体平衡的方法减小砂轮表面粗糙值提供了理论与实践依据     

外圆磨削表面粗糙度的在线监测方法研究

通过理论分析和试验研究，找到了与磨削表面粗糙度有关的摩擦AE信号特征，在此基础上提出了基于神经网络的外圆磨削表面粗糙度监测方法，利用神经网络建立声发射信号特征信息与磨削表面粗糙度之间的非线性映射关系，仿真结果表明利用该方法可以实现磨削表面粗糙度的在线评估。     

40Cr超高速磨削工艺实验研究

采用CBN砂轮,在砂轮线速度为90~210 m/s的磨削条件下,对40Cr进行了超高速磨削工艺实验.分析了在超高速磨削过程中砂轮周围气障对磨削过程的影响,讨论了砂轮线速度、切削深度、工件速度等工艺参数对磨削力、工件表面粗糙度、比磨削能的影响.实验表明,在高速超高速磨削过程中,砂轮速度提高使得磨削力大大减小,工件表面粗糙度值下降,工件表面质量得到提高;加大切削深度而工件表面粗糙度值增加不大,大大提高了磨削效率,同时也保证了工件表面质量.