磨料水射流在大理石切割中的应用

使用石榴石磨料，在高压磨料水射流数控切割机床上，研究了切割参数（压力、靶距、切割速度）对大理石切割性能（切口宽度、切口锥角、余纹角度）的影响．结果表明：切割速度越大，余纹角度越大；压力越大余纹角度越小．靶距对余纹角度影响不大，余纹曲线相互之间大体平行，且不规则；锥角与喷嘴切割速度成正比，与系统压力和靶距成反比，即欲得到较小锥角需采用小的速度，大的系统压力，小靶矩；切割缝隙宽度与压力、速度成反比，与靶矩成正比．     

磨料水射流切割石材工艺参数的研究

依据实验结果,探讨磨料水射流技术切割石材的机理,分析切割工艺参数对切割深度的影响,并将切割工艺参数优化．     

磨料水射流切割煤岩体实验研究

为了精确估算深部煤岩体切割深度,提高射流的切割功效,利用自行设计的磨料射流切割系统,采用圆锥收敛型喷嘴以3种不同的冲蚀切割方式对重庆煤矿f值为3.14的底板泥质灰岩进行切割实验.结果表明:在系统泵压恒为30 MPa压力下,磨料质量分数控制在8％～10％之间,射流切割的终止深度受靶距影响较小,与喷嘴的移动速度密切相关,终止深度随喷嘴移动速度的增加呈对数关系减少,但固定冲蚀时并非最大,约为最大终止深度的90％;随着移动速度的增加,达到终止切割深度所用往复次数增加,单次切割深度减少;通过对移动速度与切割深度关系的分析,建立了基于煤岩体移动切割的深度模型,经F检验函数检验,模型可信度较高,具有很好的指导意义.     

磨料水射流在大理石切割中的应用

使用石榴石磨料,在高压磨料水射流数控切割机床上,研究了切割参数（压力、靶距、切割速度）对大理石切割性能（切口宽度、切口锥角、余纹角度）的影响. 结果表明：切割速度越大,余纹角度越大;压力越大余纹角度越小,靶距对余纹角度影响不大,余纹曲线相互之间大体平行,且不规则;锥角与喷嘴切割速度成正比,与系统压力和靶距成反比,即欲得到较小锥角需采用小的速度,大的系统压力,小靶矩;切割缝隙宽度与压力、速度成反比,与靶矩成正比.     

浆液磨料水射流切割能力试验及切割深度预测模型

为提高浆液磨料水射流切割能力,运用自研的浆液磨料和切割设备,进行混凝土和岩石切割试验,分析切割压力、喷嘴移动速度、材料单轴抗压强度对切割能力的影响。结果表明：相同工况下浆液磨料水射流切割能力远超纯水射流的,混凝土切割深度显著提高,并且材料强度越大,浆液磨料水射流切割能力优势越明显;浆液磨料水射流能够实现对中—硬砂岩的有效切割（0.5～1.0 h内能切割100 mm深,10 m长）,可以应用于煤矿切顶卸压、切顶留巷、工作面夹矸处理等现场工程;射流喷嘴在切割对象同一位置的冲击时间越长,“水垫”作用越明显,相同切割时间内,喷嘴多次快速移动的重复切割比单次慢速移动的切割效率高。通过分析切割实验结果,以切割压力、喷嘴移动速度、材料单轴抗压强度为变量构建切缝深度预测模型,并在此基础上得到重复切割时以切割次数为变量的切割深度预测模型。     

高压磨料水射流切割低碳合金钢的试验研究

低碳合金钢广泛应用于压力容器、车辆、桥梁等工业设计之中,通过研究高压磨料水射流对低碳合金钢切割的影响,分析水射流切割特性对切割效果的影响,对提高切割效率及降低切割成本具有一定的参考意义。应用五轴联动数控水刀切割机,对低碳合金钢Q345B进行切割试验,分析了切割压力、靶距和横移速度对切割深度及切割宽度的影响。结果表明,随着切割压力增加,切割深度和切割宽度均有所增加;随着靶距的增加,切割深度先增大后减小,存在最佳靶距,可使切割深度最大而切割宽度逐渐增大;随着切割速度增加,切割深度及切割宽度逐渐减小,但其对切割宽度的影响较小。     

新型混合磨料方式下磨料水射流切割中粒砂岩试验研究

为研究混合磨料方式下磨料水射流切割能力的影响因素和最佳切割参数,通过比较前/后混合方式下的磨料水射流切割优缺点,提出先混合磨料后加压的磨料水射流切割方式,并以中粒砂岩为切割对象,采用正交试验进行研究,结果表明:影响磨料水射流切割能力的主要因素有切割速度、切割压力和切割喷头直径,影响权重由大到小为切割速度、切割压力和切割喷头直径;提出切割速度1 mm/s、切割压力50 MPa、切割喷头直径1.5 mm、切割靶距30 mm、切割磨料河砂与水质量配比为1∶8时,切割能力最强。所得结论可为磨料水射流切割系统在煤矿行业中的应用提供理论支持和参数设置指导。     

基于人工神经网络的磨料水射流切削工艺建模

磨料水射流（AWJ）切割工艺已经被遍及世界的许多车间所采用,其优点广为人知。为了进行精密加工,如精密切割、铣削、钻孔和磨削等,必须精确预测AWJ的侵蚀深度。文章基于人工神经网络（ANN）对AWJ切割工艺进行建模。模型采用三层结构,输入变量有水射流压力、水喷嘴直径、磨料粒子粒度（直径）、磨料流量和切割头进给速度。输出量为AWJ的切割深度。样本数据在JJ-Ⅰ水射流切割机床上实验获取,A3钢样板作为切割试件。采用改进的BP算法和样本数据对建立的人工神经网络进行训练。训练好的网络以一定精度建立了AWJ切割工艺中各参数之间的映射关系。所建模型可以精确预测AWJ的切深。将该模型集成到AWJ切割机床的计算机数控器中,可以实现AWJ精密加工。     

基于人工神经网络的磨料水射流精密特种加工

磨料水射流是一种先进的绿色加工工具.为了获得较高的表面精度,必须精确控制水射流加工的各种工艺参数.一种可行的办法是建立水射流加工过程中的主要参数之间的非线性关系,通过加工速度的补偿来间接控制工件表面质量.本文基于人工神经网络理论,建立了水射流加工过程的神经网络模型.在获取大量样本数据的基础上,对网络模型进行训练.经过训练的水射流加工神经网络模型可以准确预测与给定压力、磨料流量、工件厚度、期望的表面粗糙度所对应的切割速度,实验验证获得满意结果.     

磨料水射流微细雕刻技术的研究

根据磨料水射流加工的特点,建立了磨料水射流加工的神经网络模型。用训练好的神经网络模型来预测给定加工条件下的进给速度,并根据加工路径和机床的特性对进给速度进行修正,并编写数控代码。通过控制水射流的进给速度来间接控制其刻蚀深度,同时获得加工轨迹的圆滑过渡,从而实现磨料水射流的雕刻工艺。本文以不锈钢为原材料,以JJ-I数控水射流机床为实验平台,根据机床的特性手工编程,成功雕刻出微型摩托车图形。     

微磨料水射流三维加工的实验研究

对微磨料水射流技术三维加工进行了实验研究。实验采用特殊设计的微磨料水射流切割头,水喷嘴内径为127μm,聚焦管内径为300μm,碳化硅固体磨料粒子平均直径25μm。微磨料水射流切割头利用螺杆泵送原理直接将微细磨料主动送入切割头混合腔,通过水射流对磨料粒子加速、混合并经聚焦管喷出形成微磨料水射流。螺杆由步进电机驱动,通过控制步进电机转速来精确控制磨料流量。将切割头置于高精度四轴联动数控平台的刀架上,实现对工件的加工。研究表明,通过改变磨料流量可较好地控制微磨料水射流的能量密度。对特定材料,首先设定走刀速度,改变磨料流量就能获得不同的切割深度,实现微磨料水射流车削、磨削、铣削、雕刻等三维加工。微磨料水射流在半导体材料加工、微型电子机械制造以及光学器件生产上具有广阔应用前景。     

用BP神经网络进行作物水分-产量预测研究

根据BP神经网络的基本原理,在平原地区冬小麦灌溉试验资料基础上,建立了冬小麦水分与产量关系的BP-ANN模型,确定了模型的参数.将模型用于描述水分对作物产量的影响,并对作物产量进行预测,预测结果与实际产量基本吻合说明,人工神经网络用于描述作物水分产量关系可以取得较好的效果,其预测的准确性基本能满足生产实践的需求.     

Numerical Simulation Research of Liquid-Solid Two-Phase Flow in Abrasive Water Jet Nozzle

According to the Lagrange discrete phase model of multiphase flow,mathematical model of the abrasive water-jet(AWJ)nozzle based on the multi-phase movement was introduced,then the boundary conditions was determined and the liquid-solid turbulence which is isothermal,can not be compressed and steady-state in the cone-cylinder nozzles of the export of the pre-mixed AWJ was simulated applying the software FLUENT.The results showed that:the axial velocity and dynamic pressure of the continuous phase in the nozz...     

基于BP算法的神经网络内模控制器

文章针对一类非线性系统,采用加入阻尼项的权值调整BP算法,设计了基于BP算法的神经网络内模控制器,并进行了仿真,结果显示该控制器对阶跃信号和扰动均无稳态误差,对非线性环节有较好的控制效果。     

摆振磨料水射流动力特性的分析研究

从建立喷枪振动系统的力学模型出发，结合对流体质点的运动及受力的分析，研究了摆振磨料水射流的动力特性．     

灰色神经网络最优权组合模型预测城市需水量

需水量预测是一个大量数据指标和影响因素共同作用的复杂系统。目前以单一的模型预测为主,而这种预测方法仅能体现该系统的局部。针对这一情况,利用灰色模型和改进BP神经网络,建立最优权组合模型预测城市需水量,使用Matlab进行实例计算,并与其他预测方法比较。结果表明,该模型有较高的预测精度,优于单个模型,预测效果更优于其他方法。     

基于等分法和迭代算法的磨料射流速度模型

针对前混合磨料射流磨料速度模型中存在的磨料受力考虑不全,无法体现磨料加速度、阻力系数以及雷诺数等关键参数的变化等问题,以固液两相流理论为基础,建立了磨料在高压管路、喷嘴内的速度模型,并基于等分法和迭代算法的数值求解方法,求解了磨料速度模型。计算结果与参考文献的平均百分比误差在5%之内,验证了该算法。同时利用该速度模型得到了磨料在高压管路和喷嘴内的速度、加速度、阻力系数以及雷诺数的变化规律：(1)高压管路内,磨料速度随磨料运动距离的增加逐渐增大,最后无限接近于水的速度;磨料加速度和雷诺数随磨料运动距离的增加逐渐减小,最后会趋于零;而阻力系数则随磨料运动距离的增加逐渐增大。(2)喷嘴收敛段内,磨料速度随磨料运动距离的增加逐渐增大;磨料加速度、阻力系数以及雷诺数随磨料运动距离的增加有一个先减小后增加的过程。(3)喷嘴直线段内,磨料速度随磨料运动距离的增加逐渐增大;磨料的加速度、雷诺数和阻力系数随着磨料运动距离的增加逐渐减小。