基于BP神经网络的确定性剪切增稠抛光材料去除率模型

目的 通过训练不同实验参数条件下的确定性剪切增稠抛光的实验数据,建立基于BP神经网络的确定性剪切增稠抛光材料去除率模型,为实现抛光点材料的确定去除控制提供基础。方法 以BK7平面玻璃为抛光对象展开确定性剪切增稠抛光正交实验,根据正交实验分析结果,比较抛光头转速、抛光头与工件之间的间隙以及抛光液浓度三个因素,对抛光点材料去除率影响的权重,确定BP神经网络的输入参量。根据经验公式初步确定网络隐含层节点个数,并综合比较不同隐含层节点数目下的模型性能来确定整体网络结构,使用训练集实验数据训练网络模型,建立抛光点的材料去除率模型。结果 模型预测结果与实验结果对比表明,所建立的峰值去除率BP神经网络预测模型输出结果与实验结果之间的相对误差在6.8%以内,验证了所建立材料去除率模型的准确性。结论 传统理论模型难以精确描述确定性剪切增稠抛光的工艺参数与抛光区域材料峰值去除率之间复杂的非线性映射关系,而BP神经网络的自学习自适应能力能够克服这种问题,为确定性剪切增稠抛光去除率模型的建立提供新的思路。     

铁电效应对钽酸锂固结磨盘加工的影响研究

目的 研究铁电效应对钽酸锂加工的潜在影响。方法 选用3000#的金刚石粉料制作的金刚石丸片,将其固结在设计的夹具中制成一种新型固结磨盘,并与游离磨料研磨加工结果进行比较,然后采用恒温水浴装置将冷却液温度控制在低温状态,并添加电解质溶液,以材料去除率、表面形貌及粗糙度作为指标,进一步分析铁电效应对固结磨盘加工钽酸锂的结果影响。结果 游离磨料加工10 min后,钽酸锂晶片表面粗糙度Sa从初始的419.112 nm降至232.319 nm,材料去除率MRR为36.78 μm/h,晶片表层存在磨粒嵌入、大量凹坑及深划痕等缺陷,且研磨过程中易破损。同样的加工条件下,固结磨盘研磨钽酸锂晶片的表面粗糙度Sa从419.112 nm降到97.004 nm,材料去除率MRR为57.19 μm/h,相对于游离磨料加工结果,晶片表面磨粒嵌入情况极少,划痕深度变浅、凹坑数量减小,表面更光滑。在冷却液温度为5 ℃并添加0.5%（体积分数）的电解质溶液时,使用固结磨盘研磨10 min后,表面粗糙度Sa进一步下降到37.943 nm,材料去除率为58.75 μm/h。材料表面无磨粒嵌入,无较深沟槽和凹坑,仅存在少许浅划痕。结论 相同加工条件下,固结磨料比传统游离磨料研磨后的表面粗糙度值更低,表面质量更好,去除率更高,加工效率和成品率更优。低温状态和加入电解质溶液能够有效抑制钽酸锂的内应力,防止裂纹产生及扩展,改善晶片的表面损伤,进一步提高了晶片表面质量。