超声振动磨削放电复合加工SiCp／Al试验研究

针对SiCp／Al的加工,提出一种超声振动磨削放电复合加工的方法．从加工效率、加工稳定性及表面质量等方面与电火花加工进行了对比试验研究。分析了两种加工方法的脉冲宽度和峰值电流对加工速度和表面粗糙度的影响,结果表明：电火花加工的表面粗糙度平均值为尺04．5μm,超声振动磨削放电复合加工的表面粗糙度平均值为Ra2μm：超声振动磨削放电复合加工的稳定性比电火花加工好,但加工速度较低。通过扫描电镜对两种加工方法下零件表面形貌和重熔层进行了观测,对试件表面进行了X射线衍射分析,表明采用超声振动磨削放电复合加工SiCp／Al复合材料可获得较好的表面质量。     

超声振动辅助气体介质电火花加工放电通道的研究

综合考虑了超声振动和高压高速流动的气体介质对超声振动辅助气体介质电火花加工放电通道的影响，建立了超声振动辅助气体介质电火花放电通道位形平衡模型，并简要解释了放电通道特性对材料抛出过程的影响机理。     

超声振动辅助磨削-脉冲放电复合加工放电状态检测系统

在分析了超声振动辅助磨削-脉冲放电复合加工的放电状态基础上,利用电阻分压对间隙电压进行采样,并选用C8051F340芯片进行数据处理,应用芯片内部可编程电压比较器对间隙电压进行比较,然后将数据通过USB口传送给上位机.试验结果表明,检测系统工作正常,性能良好,能满足使用要求.     

超声振动-放电复合加工模糊控制系统研究

针对超声振动-放电复合加工的放电状态的检测参数,提出了输入参数模糊化的方法,并确定了输出量的解模糊方法.通过采用推理机,对MISO系统进行解耦,简化了模糊控制系统的计算,加快了系统的响应速度,使模糊控制系统具有更好的自适应性.     

超声振动辅助机械铣削复合电化学放电加工

传统机械加工易造成石英玻璃等绝缘硬脆材料表面微裂纹损伤和侧壁崩碎过切的现象.电化学放电加工可实现石英玻璃的无损伤加工且加工精度可达到微米级,但难以解决无损伤加工精度和加工效率之间的矛盾.以表面无损伤高效率加工石英玻璃为目标,提出了超声振动辅助机械铣削复合电化学放电加工的新方法,分析了该方法的作用机制;采用高速气动主轴实...     

超声振动辅助气中放电加工的研究

介绍了超声振动辅助气中放电加工技术，试验研究了电压、脉冲宽度、峰值电流、超声振幅及气体介质压力等参数对加工效率、工件表面粗糙度及电极损耗的影响，并对试验结果进行了分析。     

超精密磨削加工微小振动模拟系统研究

文章分析了加工过程中产生的振动现象以及砂轮振动对工件表面精度的影响,设计了超精密磨削加工砂轮微振动的模拟系统.该系统可模拟实际磨削过程中砂轮径向、横向的微小振动和摆动,为研究不同的磨削加工参数下砂轮的振动及其对工件表面精度的影响奠定了实验基础.     

超声振动辅助气中放电加工工艺规律的研究

简述了电火花加工、超声放电复合加工技术的原理及特点;重点对超声振动辅助气中放电加工的原理和工艺规律进行了深入的探讨,并从试验结果分析中得出了该技术特有的基本工艺规律.     

纵-扭超声磨削陶瓷表面粗糙度拟合与预测模型

为探究纵-扭超声振动对陶瓷磨削表面几何形貌的影响,以ZrO2陶瓷为研究对象,通过正交对比试验,以磨削表面粗糙度值为评价指标,采用多元线性回归分析法,建立普通磨削（OG）及纵-扭超声磨削（L-TUG）材料表面粗糙度拟合模型,研究工艺参数对表面粗糙度作用的主次顺序及影响程度;同时利用BP神经网络预测模型进行L-TUG表面粗糙度的优化求解。结果表明：在L-TUG中,主轴转速对粗糙度值影响最大,超声能量影响最小;在OG中,磨削深度对粗糙度值影响最大,主轴转速影响最小。BP神经网络模型预测误差在1.070%~9.396%内,且最优磨削参数组合获得的表面质量最好,可实现对L-TUG表面粗糙度值较高精度的智能预测。     

超声磨削加工工程陶瓷小孔的实验研究

简要介绍了工程陶瓷小孔超声磨削加工机理,分析并实验研究了各种加工参数对加工效率的影响,并对实验中发现的问题进行了探讨。     

内圆超声振动磨削装置的设计

本文主要介绍了一种内圆磨床上适用于加工硬脆材料的备件－超声振动磨削装置，并详细地介绍了该装置的设计过程，进一步指出了该装置在未来工的重要性。     

工程陶瓷小孔的超声磨削加工

介绍了超声磨削加工工程陶瓷小孔的基本原理、主要工艺装置和加工过程中的磨损,分析并实验研究了影响加工效率和加工质量的主要因素。     

用粒子群模糊神经网络预测绝缘工程陶瓷线电极放电磨削加工效果

在绝缘工程陶瓷线电极放电磨削加工过程中,加工技术指标与各工艺参数间联系密切。在实际加工中,操作者通常根据以往的加工经验设置工艺参数,并对加工结果进行一定的预判。若工艺参数设置不合理,将极大影响机床的加工效率、加工精度和加工能力。为此,以BP模糊神经网络为基础,提出了一种适用于绝缘工程陶瓷线电极放电磨削加工的技术指标效果预测模型,用粗糙集理论对训练样本集进行属性和规则约简,并用改进的粒子群算法优化模糊神经网络。根据优化前后的模型对碳化硼(B₄C)陶瓷加工进行仿真实验对比,发现优化后的模型对技术指标的预测速度快、误差小、精度高。      

超声振动辅助气中放电加工实验分析

超声振动辅助气中放电加工技术避免了常用的煤油等工作液作为介质带来的环境污染问题，具有工作环境清洁、适用范围广、加工效率高、工具电极简单等优点。实验研究了电压、脉冲宽度、峰值电流、超声振幅及气体介质压力等参数对加工效率、工件表面粗糙度及电极损耗的影响．并对试验结果进行了分析。     

超声磨削加工TiC-TB2陶瓷表面质量试验研究

对高强度共晶复合TiC-TiB2陶瓷进行了不同参数下的普通加工和超声旋转加工的对比试验,研究分析了超声旋转加工中不同加工工艺参数对加工工件表面质量的影响.实验结果表明:在同样的加工工艺参数下,超声旋转加工比普通加工的表面粗糙度值小,能获得更好的加工表面.在超声振动加工中由于砂轮做高频振动,不易堵塞,有利于使用细粒度砂轮.     

专家系统在超声-放电复合加工机床上的应用

利用专家系统解决超声-放电复合加工中选择参数的问题。介绍了超声-放电复合加工参数选择专家系统的结构及其在机床控制系统中的作用。     

基于RBF神经网络的磨削表面粗糙度预测模型

工件表面粗糙度是反映表面完整性指标中极为重要的一个参数,也是衡量磨削加工质量的重要因素之一,准确地预测磨削表面粗糙度对于快速合理地选择磨削加工工艺参数具有重要意义。通过开展实际磨削实验获得磨削加工数据,对获取的样本数据进行归一化处理以适应RBF神经网络的学习。同时采用循环算法比较得出隐层的最优神经元个数,最终建立了基于径向基函数神经网络的磨削表面粗糙度预测模型,并利用MATLAB进行仿真预测。仿真结果表明:该预测模型准确率很高,能为表面粗糙度预测研究提供可靠数据。     

小直径砂轮超声振动磨削SiC陶瓷的表面质量研究

用小直径砂轮超声振动磨削和普通磨削加工SiC陶瓷零件,对比研究砂轮线速度、工件进给速度、磨削深度和超声振幅对其磨削表面质量的影响。结果表明:与普通磨削相比,超声振动磨削的磨粒轨迹相互交叉叠加,工件表面形貌更均匀,表面质量更好。由于超声振动时的磨粒划痕交叉会使磨粒产生空切削,因而降低了其磨削力,使磨削过程更加稳定。超声振动磨削的表面粗糙度和磨削力随砂轮线速度和超声振幅的增加而降低,随工件进给速度和磨削深度的减小而降低。且砂轮线速度、工件进给速度较小时,超声振动磨削的效果更明显。      

基于支持向量机的端面磨削淬硬效果预测

提出了一种基于支持向量机(SVM)的磨削淬硬效果预测方法,利用试验测得的淬硬硬度和淬硬层深度数据建立SVM预测模型,并将预测结果和模糊神经网络法结果进行对比分析。结果表明,采用SVM方法进行磨削淬硬效果预测是可行的,与试验值相比,其预测误差均在5%以内,精度较高,且预测效果优于BP神经网络的预测效果。     

面向对象的超声振动内圆磨削柔性数控系统设计与研究

提出了一种面向加工对象的嵌入式超声振动内圆磨削柔性数控系统。采用ARM和DSP进行硬件系统开发,通过对加工工艺参数和超声振动参数的耦合封装,建立加工参数构件库,实现对不同加工对象的柔性参数匹配。该系统对机床控制和超声振动控制功能进行了集成,提高了控制稳定性,增强了系统的柔性。