磁头/磁盘系统静态特性实验研究

通过实验来研究磁盘转速对磁头飞行姿态和磁头读写性能的关系.研究表明:磁头滑块飞行高度和俯仰角伴随着磁盘转速的增大而增大;磁盘转速增大,磁头飞行高度增加,降低了磁头读出信号的能力,与此同时,信噪比也大幅下降.实验研究结果为磁头/磁盘结构设计提供了依据.     

表面粗糙度对浮环轴承润滑静特性的影响

为研究粗糙度对浮环轴承静特性的影响,基于雷诺方程并结合随机粗糙模型建立粗糙形状的浮环轴承模型,采用有限差分法对模型进行求解,得到浮环轴承润滑过程中的油膜厚度和油膜压力分布。结果表明:油膜承载力随粗糙度的增大而增大,内层油膜承载力大于外层油膜承载力;端泄流量随粗糙度的增大而减小,内层油膜端泄流量大于外层油膜端泄流量;摩擦功耗随粗糙度的增大而增大,内层油膜摩擦功耗小于外层油膜摩擦功耗。     

磁头/磁盘超薄气膜润滑动特性计算与分析

给出了一种新的计算超薄磁头／磁盘气体润滑压力的差分算法和公式,指出了磁头偏离平衡位置的3种方式,并对超薄磁头／磁盘气体润滑问题中的动特性参数进行了计算。计算结果表明：磁头气体动压正翻刚度是影响磁头稳定的重要因素,它会使磁头越来越偏离平衡位置。     

磁头磁盘界面碰撞声发射信号特性研究

实验研究了不同磁头飞行状态下磁头磁盘界面声发射信号的特性,分析了各种情况下的声发射信号的频率特性,利用磁头悬臂振动时产生的声发射信号作为对比,验证了磁头悬臂振动产生的声发射信号与磁头磁盘碰撞接触紧密相关,是磁头磁盘碰撞声发射信号的重要来源,可以作为判断头盘界面接触和碰撞的依据,利用它可以提高声发射信号对磁头磁盘界面碰撞接触检测的灵敏度.     

磁头磁盘系统动特性参数及系统稳定性分析

对硬盘系统的动特性进行了数值仿真，其中磁头结构为IBM3370，润滑模型中引入了二阶泊松流因子，保证建模精度。利用摄动法建立了气体润滑的静态方程，并给出了数值解。讨论了最小膜厚度、磁盘转速和磁头倾角对空气膜刚度系数、阻尼系数以及对系统稳定性的影响。结果表明，通过最小膜厚度、磁盘转速和磁头倾角的优化可以改善硬盘的设计。其中磁头倾角的优化可以同时满足硬盘高刚度和高稳定性的要求。     

不同表面粗糙度下动压轴承静特性分析

当动压滑动轴承的工作表面粗糙度达到和油膜厚度同一量级（μm）时,表面粗糙度对轴承特性参数的影响不可忽略。为研究粗糙度对轴承静特性的影响,基于M2000摩擦磨损试验机搭建试验平台,对42CrMo钢的滑动摩擦副进行试验,并建立了考虑表面粗糙度的Reynolds数学模型进行求解,得到不同表面粗糙度下油膜承载力、摩擦阻力以及摩擦因数等特性参数。研究结果表明,随着载荷增大,摩擦阻力变大、摩擦因数变小;同等载荷下,随着润滑油温度升高,摩擦阻力变小、摩擦因数变小;粗糙度越大,摩擦阻力也越大、摩擦因数越大。     

表面粗糙度对矩形动密封特性的影响

基于耦合了密封圈的弹性变形、流体动力分析和过盈接触的密封性能数值计算流程,利用Matlab 软件编程实现矩形动密封特性的数值计算,得到矩形密封圈的油膜厚度、泄漏量及摩擦力等密封性能参数,分析表面粗糙度对矩形密封圈的润滑状态和泄漏量的影响。结果表明：往复运动速度一定时,随着密封圈粗糙度的增加,密封偶合面的润滑状态由流体润滑转变为润滑润滑状态,密封的泄漏量也呈几何式增加,说明粗糙度对密封圈的工作寿命和密封性能有较大的影响;往复运动速度也是影响矩形密封圈密封性能的关键工作参数之一,密封压力一定时,随着粗糙度的增加,不发生泄漏的临界速度降低。     

磁记录系统中磁头飞行状态的敏感性研究

以IBM3370磁头为物理模型，采用Fletcher开关优化算法求解磁头稳定飞行状态参数，研究了在保证磁头飞行状态稳定的条件下，不同悬浮预载力参数和磁头几何结构参数对磁头飞行状态影响的一系列变化规律。     

THE EFFECT OF THE CUTTING FLUID ON SURFACE ROUGHNESS IN BORING OF LOW CARBON STEEL-TECHNICAL COMMUNICATION

In spite of their environmental and human health problems, the cutting fluids still have been used widely in industry due to cutting fluid application can increase cutting performance in metal cutting. In this article, the effect of the cutting fluid on surface roughness in boring of AISI 1030 low carbon steel was investigated depending on BUE and chip formations and other cutting parameters, such as cutting speed, feed rate and tool nose radius. In most of boring experiments, the wet cutting did not show more preferable results than dry cutting. However, cutting fluid application with big nose radius and small feed rate improved the surface roughness up to 80%. This progress was attributed to a favorable chip formation as much as effective cooling.     

减小表面粗糙度测量高斯滤波幅度偏差

提出了一种减小表面粗糙度测量用的高斯滤波器幅度传输特性偏差的新方法。根据中心极限定理,可以构造出不同的高斯逼近滤波器。用多级一阶巴特沃思滤波器和多级移动平均滤波器分别去逼近高斯滤波器时,两者的幅度偏差方向相反、极值位置相近,所以这两种方法的线性组合可以大大减小偏差。用这两种不同逼近滤波器的并联方法构成的一个简单的线性组合滤波器,去逼近高斯滤波器的幅度传输特性,其幅度传输特性的最大偏差只有0．11％。这种新的逼近方法,算法简单、精度高,实现了表面测量高斯滤波处理的高精度和高效率的高度统一。     

表面粗糙度模糊神经网络在线辨识模型

为解决零件加工中表面粗糙度在线检测困难这一问题,提出一种基于模糊神经网络的零件表面粗糙度在线辨识方法,并以外圆纵向磨削为例,建立表面粗糙度模糊神经网络在线辨识模型.首先研究前人建立的外圆纵向磨削零件表面粗糙度理论公式及经验公式,得出加工中的工件速度、砂轮速度、磨削深度和纵向进给量对零件表面粗糙度有直接影响,并进一步提出以在线测得的加工中工件与砂轮的速度比、磨削深度和纵向进给量作为零件表面粗糙度辨识模型的输入.由于加工过程极其复杂,无法建立加工中零件表面粗糙度与加工参数之间的精确数学模型,故将模糊神经网络引入建模过程中.同时,由于加工中零件表面粗糙度的对数与加工参数的对数存在线性关系,故模型中采用了T-S型模糊推理.此模型应用于实际磨削加工中,建模型精度可达97%,这进一步证明此在线辨识方法的可行性.     

基于遗传算法的超精密切削表面粗糙度预测模型参数辨识及切削用量优化

建立易于分析各切削用量对粗糙度影响关系的表面粗糙度预测模型和最优的切削用量组合,是超精密切削加工技术的不断发展的需要。针对最小二乘法和传统优化方法的不足,提出了将遗传算法用于超精密切削表面粗糙度预测模型的参数辨识,并用于求解最优切削用量,给出了金刚石刀具超精密切削铝合金的表面粗糙度预测数学模型和切削用量优化结果,进行了遗传算法和常规优化算法的比较,结果表明遗传算法较最小二乘法和传统的优化方法更适合于粗糙度预测模型的参数辨识及保证切削用量的最优。     

带钢冷轧机工作辊表面粗糙度实测研究

通过大量跟踪实测工作辊和带钢表面粗糙度,深入分析了带钢表面粗糙度的影响因素和变化规律,运用逐步回归法建立了冷轧带钢表面粗糙度预测数学模型和转印率模型,进而建立了轧辊表面粗糙度衰减规律模型。这些模型可以用于生产中预测轧后带钢表面粗糙度、合理安排带钢轧制顺序、决定工作辊下机时间和修正轧制力计算模型。     

SURFACE ROUGHNESS PREDICTION USING HYBRID NEURAL NETWORKS

Surface roughness is an important outcome in the machining process and it forms a major part in the manufacturing system. Surface roughness depends on different machining parameters and its prediction and control is a challenge to the researchers. There is a need to predict surface roughness prior to machining to attain higher productivity levels. Owing to advances in computing power there is an increase in the demand for the use of intelligent techniques. Recent research is directed towards hybridization of intelligent techniques to make the best out of each technique. This article proposes the development of a novel hybrid Neural Network (NN) trained with Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) for the prediction of surface roughness. The proposed hybrid neural network is found to be competent in terms of computational speed and efficiency over the neural network model.     

SURFACE ROUGHNESS PREDICTION USING HYBRID NEURAL NETWORKS

Surface roughness is an important outcome in the machining process and it forms a major part in the manufacturing system. Surface roughness depends on different machining parameters and its prediction and control is a challenge to the researchers. There is a need to predict surface roughness prior to machining to attain higher productivity levels. Owing to advances in computing power there is an increase in the demand for the use of intelligent techniques. Recent research is directed towards hybridization of intelligent techniques to make the best out of each technique. This article proposes the development of a novel hybrid Neural Network (NN) trained with Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) for the prediction of surface roughness. The proposed hybrid neural network is found to be competent in terms of computational speed and efficiency over the neural network model.     

微晶玻璃低温抛光表面微观形貌的研究

揭示了微晶玻璃的内部微观结构、其组成成分的结晶相和玻璃相、晶粒尺寸的测定,重点分析了超精密低温抛光后微晶玻璃的表面形貌和表现出来的微观表面缺陷。     

轴向车铣加工的运动学建模与理论表面粗糙度分析

给出了轴向国铣运动的数学模型,并在此基础上对轴向车铣的运动规迹及共工件理论表面粗糙度进行了分析。     

正交车铣运动的矢量建模及表面粗糙度的理论分析

通过矢量分析,建立了正交车铣运动的矢量模型,并在此基础上给出了描述正交车铣运动的矢量表达式。建立了表面粗糙度的计算公式,并对它进行了简要的分析。