高速走丝电火花线切割加工工艺建模方法研究

为了实现对高速走丝电火花线切割加工工艺效果的预测,以脉冲宽度、脉冲间隔、峰值电流及工件厚度为输入参数,以切割速度和表面粗糙度为输出参数,分别用非线性回归分析法和BP神经网络技术建立了工艺模型,并对两种模型的预测结果进行了比较。结果表明,两种模型均能反映线切割机床的加工工艺特性,可用于对给定切割条件下切割速度和表面粗糙度的预测,但神经网络模型具有更高的预测精度。     

快走丝电火花线切割加工工艺参数的优化选取

基于快走丝电火花丝切割加工机床性能的发挥在很大程度上依赖于操作人员的技术水平,用神经网络技术建立快走丝线切割加工工艺模型,与实验数据的比较表明,模型能精确地预测出给定条件下的切割速度和表面粗糙度,反映了该机床的加工工艺规律,在此基础上根据工件的实际厚度和表面粗糙度要求得到最优的加工参数组合,克服了工艺参数的局限性。     

LD钢电火花线切割加工工艺规律试验研究

研究ＬＤ钢电火花线切割加工的基本工艺规律，及其工艺参数与工艺指标之间的关系，得出生产率指标和表面粗糙度指标的预报模型，为优选ＬＤ钢的电火花线切割加工参数提供依据．     

铝材电火花线切割加工工艺的改进

为了解决铝材电火花线切割加工中馈电块磨损严重、铝屑粘丝、断丝及工件表面质量差等问题,以铸造铝合金ZL102为样品,通过与碳素工具钢T8的对比实验,对铝合金线切割工艺技术参数进行了优化.研究表明,适当加大脉冲宽度、增加脉冲间隙、提高皂化油乳化液浓度以及设置合理的进给速度,能够很好地解决铝材线切割中存在的问题.     

电火花加工工艺效果建模

研究了电火花加工（ＥＤＭ）技术的加工机理。以峰值电流、脉冲宽度、脉冲间隔、抬刀时间和加工时间为输入参数,并以加工速度和表面粗糙度为输出参数,分别用神经网络技术与非线性回归技术建立了ＥＤＭ工艺模型。经过实验数据的比较,认为这两种模型均能较精确地预测出给定条件下的加工速度和表面粗糙度,反映了该机床的加工工艺规律。其中,利用神经网络建立的模型具有更高的预测精度。     

电火花线切割加工YG8的工艺研究

在电火花线切割加工过程中,影响切割速度和材料表面粗糙度的主要电参数有脉冲电压、脉冲宽度、脉冲频率及脉冲宽度比等。讨论了脉冲电压及脉冲宽度对切割速度和表面粗糙度的影响,选取不同脉冲电压、脉冲宽度对线切割硬质合金的表面粗糙度和切割速度进行分析,得出电火花电参数对硬质合金加工表面粗糙度及切割速度的影响规律,取得最佳的电加工工艺参数,为其后续工艺提供可靠的依据。     

电火花线切割加工工艺试验研究

利用正交试验设计方法，对电火花线切割加工工艺因素与工艺指标的关系进行了试验研究，得出了对生产实际有指导意义的几点结论；并借助逐步回归分析方法，建立了反映两者定量关系的经验公式．     

电火花线切割加工参数对加工效率的影响

为了科学、合理地设定电火花线切割加工参数,采用正交设计实验分析法,研究了电火花线切割电加工参数与加工效率的关系,确定了合理的加工参数范围.结果表明:功率管数Ip对加工效率的影响程度最大,占空比q的影响次之,脉冲宽度ti的影响最小;功率管数Ip在3～5,占空比q在1/3～1/4,脉冲宽度ti在18～30μs时,能够获得较好的加工质量.该研究为实际生产中加工参数的快速选取提供了参考.     

基于GRNN的电力系统短期负荷预测

提出了基于广义回归神经网络(GRNN)模型的电力系统短期负荷预测的方法,根据电力系统短期负荷变化的特性建立了反映电力系统负荷连续性、周期性及其负荷的变化趋势的模型,以此作为对GRNN进行训练的向量样本集.通过实例表明GRNN应用于电力系统短期负荷预测是可行并且有效的,其预报结果比多层前馈神经网络误差反向传播(BP)负荷预测方法更准确.     

数控电火花线切割加工的工艺分析及处理

通过对数控电火花线切割加工的工艺分析,提出一些相应的工艺处理措施,从而在实际生产过程中可使生产效率和零件表面加工质量得到较大幅度的提高。     

基于小波神经网络的双电极同步伺服放电加工工艺效果预测

针对非导电工程陶瓷双电极同步伺服放电加工工艺参数与加工效果问的高度非线性,提出了一种既能充分利用神经网络的自学习能力,又能利用小波良好的时频局部化特性的非导电工程陶瓷双电极同步伺服放电加工效果预测的小波神经网络方法,并建立了预测模型,同时将预测结果与传统神经网络模型的预测结果进行了比较。结果表明,小波网络模型的收敛速度和预测精度均优于传统神经网络模型。     

基于线电极电火花展成加工的放电特征研究

针对基于线电极展成加工的放电间隙进行了理论分析,提出了一些新的研究观点。研究分析表明,其放电间隙对制定伺服控制进给策略至关重要。     

Single-step fabrication of bionic-superhydrophobic surface using reciprocating-type high-speed wire cut electrical discharge machining

In this work, bionic-superhydrophobic surfaces on aluminum alloy 5083 are fabricated by reciprocatingtype high-speed wire cut electrical discharge machining based on the hydrophobic property of the rice leaf. Submillimeter-scale rectangular grooves are processed on the surfaces. The superhydrophobic surface has shown a static contact angle of 158°, which is similar to the rice leaf. The morphological features are characterized by scanning electron microscopy, showing that the craters and bumps are uniformly distributed on the surfaces of the rectangular grooves with porous nanostructures. The method proposed in this work has the advantages of using only one step,requiring no further procedure to lower the surface energy and processing a large-area surface efficiently.     

正交磁场对电火花单脉冲放电中电蚀凹坑的影响规律

电火花放电通道在正交磁场的作用下向洛伦兹力方向偏转、延伸,进而导致电蚀凹坑形貌发生变化,研究磁场辅助电火花加工(MF-EDM)过程中电蚀凹坑的形貌变化规律及特点,对进一步明晰电火花加工机理具有重要意义.基于MF-EDM气中单脉冲放电试验,使用表面轮廓仪观测电蚀凹坑延伸长度、深度、宽度及放电起始点偏移量,并得出磁场及放电参数对电蚀凹坑的影响规律.结果表明:电蚀凹坑长度随着磁感应强度、开路电压的增大而增大;电极外伸长度的影响结果相反;电蚀凹坑深度随着磁感应强度、开路电压、电极外伸长度的增加没有明显的变化规律;电容与磁感应强度存在最优参数组合以使凹坑长度最大;随着磁感应强度及放电能量的增加放电起始点的偏移量增加.     

柱腔上微孔电火花加工技术

本文利用线电极火花磨削（WEDG)技术加工微细电极,通过电火花加工技术在微靶柱腔上加工直径小于等于20um的诊断孔。对影响诊断孔质量的加工参数进行了优化,并探索了不同加工参数所产生的电极损耗以及直径12μm的电极制备。     

快走丝电火花线切割加工试验研究

结合青海大学基础工业训练中心的DK7740型电火花线切割机床,研究了脉冲宽度和峰值电流对线切割加工效率和表面质量的影响,为正确选择电参数提供了参考。     

磨粒辅助电火花加工金属基复合材料实验研究

针对金属基复合材料的加工难题,提出了采用磨粒辅助电火花法加工该类材料。利用电火花加工和磨粒辅助电火花加工2种方法,对比研究了金属基复合材料加工时的材料去除率和表面粗糙度。利用正交试验法研究金属基复合材料中增强相的不同体积分数对加工效率的影响,得到了磨粒辅助电火花加工的最佳工艺参数。实验结果表明,磨粒辅助电火花加工法在材料去除率和表面粗糙度方面均优于电火花加工法,各加工参数对加工效率的影响从大到小依次为占空比、平均电流、脉冲宽度,复合材料的增强相的比例是影响加工效率的主要因素之一。     

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。     

公路运输能力的神经网络预测

公路运输能力受多种因素影响,各因素的作用机制通常不能准确地用数学语言进行描述.采用广义回归神经网络(GRNN)对公路运输能力进行分析及预测.通过对2000～2008年全国公路运输能力的历史数据进行分析和处理,对网络进行训练和拟合,用2007～2008年的实际数据进行模型检验,结果表明:当光滑因子为0.1时,逼近误差为0.3%,GRNN用于公路运输能力的预测具有较好效果.