冷滚打花键表层性能熵权-灰色理论优化研究

为提高花键冷滚打成形表面性能,研究冷滚打加工参数对表层性能的影响程度,筛选影响冷滚打花键表层性能最优的冷滚打工艺参数,以渐开线花键为研究对象,以冷滚打转速和进给速度为主要工艺参数,将熵权理论与灰色理论相互结合,对花键齿面分度圆处的表面粗糙度、残余应力和硬化程度进行关联分析研究。结果表明:花键表面粗糙度和硬化程度随进给速度的增加而增大,随冷滚打转速的增加而减小;花键残余应力随进给速度的增加而减小,随冷滚打转速的增加而增大;进给速度对冷滚打花键表层性能影响较大;冷滚打花键表层性能最优的冷滚打工艺参数为冷滚打转速1428 r·min~(-1)和进给速度42 mm·min~(-1)。     

冷滚打花键表面粗糙度加工参数敏感性研究

为获得给定范围的冷滚打花键表面粗糙度加工参数的最优区间,以渐开线花键为研究对象,开展冷滚打花键表面粗糙度试验。构建冷滚打花键表面粗糙度指数函数经验模型,分析冷滚打花键表面粗糙度对加工参数的灵敏度,确定冷滚打花键加工参数的稳定和非稳定域,研究冷滚打花键表面粗糙度试验结果,对确定的稳定与非稳定域进行优选。研究结果表明:表面粗糙度对滚打轮转速的变化最敏感,对工件进给量的变化敏感较弱;滚打轮转速的优选范围为2032～2258 r·min~(-1),工件进给速率的优选范围为21～35 mm·min~(-1)。研究成果为控制冷滚打花键表面粗糙度提供了理论基础和试验依据。     

20钢花键冷滚打成形表层物理力学性能优化

为了实现对20钢花键冷滚打成形表层物理力学性能的合理控制,以冷滚打转速、进给量和滚打轮圆角半径为试验参数,进行了冷滚打成形正交试验,分别测量花键分度圆处的表层加工硬化程度和残余应力,采用田口理论信噪比权衡各加工参数对花键表层物理力学性能的影响程度;运用熵权理论与田口过程能力指数设置各评价指标的权重,建立花键表层物理力学性能的改进田口过程能力指数优化模型,使用广义简约梯度法对模型进行优化,将得到的最优加工工艺参数组合通过冷滚打成形试验进行验证,并对其表层微观组织形貌进行观察和分析。结果表明:进给量对冷滚打花键表层物理力学性能影响程度最大,滚打轮圆角半径次之,冷滚打转速最小;花键表层物理力学性能最优加工参数组合为冷滚打转速1581 r·mm-1,进给量42 mm·min-1,滚打轮圆角半径2 mm;所对应的花键表层物理力学性能最优值为:表层加工硬化程度148. 92%,表层残余应力-85. 83 MPa。     

冷滚打花键表层加工硬化双响应曲面-满意度函数的优化分析

为提高花键冷滚打成形表面层物理力学性能,筛选了影响冷滚打花键表面层性能最优的冷滚打工艺参数。以渐开线花键为研究对象,以冷滚打转速和进给速度为主要加工工艺参数,以冷滚打花键分度圆处表层加工硬化程度为优化目标,引入熵权理论和满意度函数法进行传统响应曲面函数的改进,构建改进双响应曲面-满意度函数模型。运用广义降阶梯度法对建立的模型进行优化,并对改进双响应曲面-满意度函数法和传统响应曲面法优化结果分别进行冷滚打花键试验验证和花键表层金相组织对比分析。结果表明:改进双响应曲面-满意度函数模型的综合满意度为0.87384,表明所建立模型稳健性合理可靠;优化的加工工艺参数为冷滚打转速1428 r·mm~(-1),进给速度为42 mm·min~(-1),对应的加工硬化程度为148.71%;改进双响应曲面-满意度函数模型的优化参数比传统响应曲面的优化参数所加工的花键表层加工硬化程度高,表明改进双响应曲面-满意度函数模型优化结果较精确。     

冷滚打花键表面粗糙度神经网络预测模型建立

为降低冷滚打花键表面粗糙度,获得冷滚打加工最优参数组合,以滚打轮公转转速和工件进给量两个影响表面粗糙度的主要因素作为变量,设计了冷滚打花键及测量实验方案,采用白光共聚干涉显微镜测量冷滚打花键分度圆处表面粗糙度,依据实验数据通过试凑法建立了冷滚打花键表面粗糙度BP神经网络预测模型,最终确定的神经网络结构为2-6-2-1,对预测值与训练样本值及测试样本值进行了对比分析,结果表明:预测值与训练样本最大误差6.5%,与测试样本最大误差7.9%,预测值与训练样本之间的相关系数为0.996,与测试样本之间的相关系数为0.973,进一步说明了神经网络预测模型的有效性和精确性。     

冷滚打花键表层加工硬化模型建立

基于20钢材料的冷滚打花键样本进行了显微硬度试验,研究了冷滚打工艺参数与冷滚打花键表层硬度、硬化层深度、加工硬化程度的关系,建立了冷滚打花键表层加工硬化的回归模型并验证了该模型的可靠性。研究结果表明冷滚打花键表层硬度、硬化层深度、加工硬化程度皆随冷滚打转速的增加而降低,随进给量的增加而增加,且进给量对3个指标的影响大于转速对其的影响;所建立的冷滚打花键硬度峰值与加工硬化程度双因素回归模型的最大相对误差分别为1.20%和4.03%,冷滚打花键表层硬度3因素回归模型的最大相对误差为6.13%,所建立模型可以进行不同工艺参数的冷滚打花键加工硬化指标的预测及优化。该模型的建立旨在优化冷滚打工艺参数,控制冷滚打花键表层硬度,提高花键表层性能。     

高速冷滚打成形硬化程度预测模型建立

为提高冷滚打成形工件的表面质量,改进冷滚打成形工艺,以渐开线花键为研究对象,进行了高速冷滚打成形工件的显微硬度试验,并对实验得到的数据进行了数理统计分析,根据冷滚打加工参数对工件齿廓不同位置表面硬化程度的影响关系,采用曲面响应法建立了成形花键齿廓不同位置表面硬化程度随滚打轮转速和工件进给量变化的多元回归模型,并对模型进行了显著性检验及方差分析,通过试验数据与预测模型的对比分析,证明了该模型在滚打条件相近的情况下,能够对齿廓不用位置的表面硬化程度起到精确的经验预测作用。     

花键冷滚打表面粗糙度灰色预测模型

为了改善花键冷滚打表面粗糙度,提高花键冷滚打表面质量。根据花键冷滚打成形原理,以花键冷滚打表面粗糙度作为主要影响因素,滚打轮转速和工件进给量作为变量,进行花键冷滚打试验,利用花键冷滚打试验结果构建花键冷滚打表面粗糙灰色预测模型,对比分析表面粗糙度试验值与预测值,运用后验差比值和小误差概率验证构建的花键冷滚打表面粗糙度预测模型。研究表明:计算得到后验差比值为0.367,小误差概率大于0.95。将计算得到的后验差比值和小误差概率与灰色预测模型精度表进行对照,验证了所构建预测模型的正确性与可行性。     

高速冷滚打成形花键表面加工硬化试验

以渐开线花键为研究对象,进行了高速冷滚打成形工件的显微硬度和扫描电镜试验,分析了同一工艺参数下花键不同位置表层硬度随深度的变化趋势,花键的表面硬化程度和微观组织随不同工艺参数的变化规律。试验结果表明:同一工艺参数下,齿顶、分度圆和齿根的表层硬度均随着与齿面距离的增大总体趋于减小,基体硬度为238.5 HV,花键表面形成明显的加工硬化层,齿顶处表面硬度值最小,且硬化层最浅;齿根部分表面硬度略低于分度圆处的表面硬度,硬化层达到1.5 mm;成形花键的表面加工硬化程度,在同一转速下,随着进给量的增大而上升,在同一进给量下,随着转速的增大而下降。     

冷滚打成形对花键组织与性能的影响

通过显微观察等测试手段,对花键在冷滚打加工时形成的纤维组织、齿形表层硬度分布等进行了研究;分析了冷滚打成形过程中,等轴晶被拉伸形成金属纤维的过程以及齿形表层硬化的原因.试验表明:花键冷滚打加工使工件内部晶粒破碎、细化并拉伸形成了与花键齿形一致的金属纤维组织,冷滚打的冷作硬化使花键齿表层硬度及抗冲击能力有较大提高;高应力在改善花键齿形表面质量的同时,也可能导致高变形抗力,使滚打轮过早失效.