浅谈薄壁螺纹零件的滚压加工工艺

薄壁螺纹零件由于工件壁较薄,在夹紧力的作用下容易产生变形,在切削力的作用下,也容易产生振动和变形,影响工件的尺寸精度、表面粗糙度、形状精度和位置精度,利用常规的车削加工非常困难。本文主要讲述了薄壁螺纹零件的滚压加工的原理,通过案例具体阐述加工工艺和方法,提出相关建议,对薄壁螺纹零件的滚压加工具有指导意义。     

N-3M立式炮塔铣床盘铣刀的改进

该文介绍N-3M立式炮塔铣床在加工平面时,使用盘铣刀加工平面零件时机床、刀具产生较大振动,工件表面粗糙度差,吃刀量较浅的问题,经过改进后得出的直柄小型盘铣刀适合N-3M立式炮塔铣机床的使用,可以解决加工平面零件时出现的刀具与主轴的振动和背吃刀量的问题,提高了零件表面粗糙度,满足加工平面零件的需求,提高生产效率和加工质量。     

基于模糊神经网络与主成分分析的磨削表面粗糙度在线预测

基于声发射和振动信号提出了一种模糊神经网络和主成分分析的表面粗糙度预测方法,以提高磨削过程中工件表面粗糙度识别的准确性。首先,采集磨削程中声发射与振动信号,提取相关时域特征、频域特征和小波包特征参数,利用主成分分析对特征量进行降维优化;然后,构建表面粗糙度模糊神经网络预测模型,将信号特征量与表面粗糙度作为模糊神经网络的输入和输出;最后,对模型进行训练,并对表面粗糙度预测精度进行验证。实验结果表明:通过主成分分析(PCA)方法对声发射和振动信号特征量进行降维得到5个主成分,以此建立的模糊神经网络表面粗糙度预测模型的效果精度可达到91%以上,与局部线性嵌入和多维标度法降维方法相比,PCA方法降维后的特征所含信息更优,预测准确度更高。     

工件车削尺寸变化在线检测的研究

报道了一个工件车削尺寸在线控制的实验系统。它用一个激光三角法检测装置测量工件车削尺寸的变化量,然后将此尺寸变化量作为反馈信号,由微机控制刀具进行加工尺寸的适时补偿。着重介绍了车削加工尺寸变化量在线检测实验装置的研究情况。系统配置了一个低通滤波器,可以有效地消除切削振动及工件表面刀痕对测量的影响。     

新型滚光刀在数控车床上的推广应用

表面粗糙度是机械加工企业加工零件质量好坏的一个重要指标。尤其是表面粗糙度要求特别高的零件,必须在磨床上加工才能保证质量。这样不但增加生产成本,而且降低加工效率,直接影响到产品的进度,这是很多制造企业的一大心病。我们通过对问题的分析,采用普通车刀和滚光刀分别进行车削加工,检测零件的表面粗糙度,发现用滚光刀加工在零件表面粗糙度相对较高的情况下可以实现"以车代磨"的效果,提高了加工效率,挖掘滚光刀的优点并加以推广。     

电火花加工工件表面粗糙度的评定与测试

电火花加工的加工表面与切削加工表面有很大的区别。但是,目前电火花加工工件的表面粗糙度仍然沿用切削加工表面粗糙度的评定方法和测试手段,这样不能准确地反映火花加工后工件表面的真实形貌。本文根据电火花加工的特点,提出电火花加工工件表面粗糙度的评定参数和测试方法。     

结合ELID磨削与磁流变光整加工的单晶硅反射镜超精密制造技术

分析了在线电解修整（ELID）磨削和磁流变光整加工（MRF）的加工原理与特点，充分结合这2种技术的优点对单晶硅反射镜进行纳米级精度的组合加工．首先进行ELID高效率磨削，在线检测工件表面误差后进行补偿磨削，使反射镜面加工成形，并获得较好的形状精度和表面质量．然后，利用磁流变技术进行确定性的光整加工，以减少反射镜的亚表面损伤，使加工表面的形状精度与表面粗糙度得到很大提高与改善．利用该组合工艺，对硅反射镜进行了系列的加工实验，高效率地得到了低于1nmRMS的表面粗糙度和69nmp-V形状精度的工件表面．     

真空吸附铣削夹具的设计及加工

真空夹具研究中心的主要任务是对工作薄进行仿真和优化。目前,壁零件的加工也成为机械制造领域的一项重要任务,薄壁零件的零件细腻、刚度差,并且其加工过程难以控制。由此产生的变形会造成加工误差,因此薄壁所需的尺寸和定位精度往往非常高。影响板材零件加工精度的主要原因是加工零件的变形。采用高速铣削可以减少加工工件因切削力、切削温度、切削振动等影响而产生的变形,明显减少了由于加工工件变形引起压缩的情况,提高了工件加工精度,降低了表面粗糙度。该文在介绍吸气装置真空结构和工作原理的基础上,重点介绍了真空泵设备在高速磨削细部的结构元件和应用。     

精密加工表面粗糙度测量数据分析评价方法的研究

随着零件制造工艺水平和对零件表面加工质量要求的提高,精密、超精密加工技术被广泛用于制造过程。这种超精密加工或微细加工使零件的加工精度达到了0.3μm以下,表面粗糙度Ra值<0.03μm,从而使以传统目测方法对这样的表面进行检验和评价已无法实现,取而代之的是一种全新的测量方法和分析处理手段。围绕这一课题,研究开发出零件表面检测系统,旨在对超精密加工零件的表面质量进行检测、分析与评价。     

机器人磨抛工艺参数优化方法研究

为了确保加工质量和加工效率的最优参数组合,进行了机器人砂带磨抛去除参数的优化方法研究.在分析砂带磨抛过程后建立了表面粗糙度和磨抛去除率模型.运用deform软件对工件磨抛过程进行模拟仿真,建立了磨抛去除率和粗糙度回归方程.以加工表面粗糙度和材料磨抛去除率作为目标函数进行双目标优化,并运用NSGA-Ⅱ算法确定了最优参数组合.以仿真数据为基础进行正交试验,对理论和仿真的结果进行了验证.结果表明,采用所确定的最优参数组合进行磨抛加工试验,能够达到预期的磨抛去除率和表面粗糙度要求,表面加工质量良好,所用工艺参数优化方法可行.     

基于神经网络混合建模的结构振动滑模控制

将神经网络和标称系统混合建模方法引入到离散滑模控制当中,得到神经网络滑模控制,然后对结构振动进行控制,振动结构为具有不确定性参数的柔性附件,并受到随机外扰作用。离散滑模控制的滑模面是以标称系统为基础,由最优二次型价值函数求解黎卡提方程确定。利用标称模型和神经网络混合建模方法来减小系统的不确定性,达到提高滑模控制在实际控制系统中的控制效果。其中利用前馈神经网络来对不确定部分进行建模。最后通过对滑模控制和神经网络滑模控制进行仿真,结果表明,本文所提出的神经网络滑模控制对具有不确定性参数和随机外扰的柔性结构系统振动的控制效果要优于滑模控制。     

基于神经网络的耳片疲劳损伤状态分析系统

分析了影响耳片结构疲劳状态的主要因素,把这些因素归纳为静强度,抗疲劳设计与制造以及使用过程中的疲劳积累三大类。采用多层B－P人工神经网络结构,构造了能映射各因素与总体效果影响的人工神经网络系统,该系统采用了一个主网络和两个子网络的结构,降低了状态空间的维数,提高了运算速度,较好地反映了实际结构的疲劳失效机理,为耳片结构的疲劳评估提供了一种较客观的方法。     

表面滚压强化工艺对FV520B钢表面完整性的影响及预测模型建立

目的 基于多元回归法和BP神经网络建立预测模型,实现对滚压后试件表面完整性指标的精准控制,从而指导实际加工生产。方法 以FV520B钢为研究对象,以滚压工艺参数（压强、进给量、滚压速度）为影响因素,以材料表面完整性指标（表面粗糙度、表面硬度、塑性变形层深度）为评价指标,设计了正交试验。通过对正交试验数据进行方差分析和信噪比分析,探究了滚压工艺参数对FV520B钢表面完整性的影响。基于正交试验数据构建了多元回归预测模型和BP神经网络预测模型,并对2种模型的有效性和精准度进行了分析和比较。结果 进给量对表面粗糙度有显著影响,随着进给量的增大,表面粗糙度也显著增大。压强和进给量对塑性变形层深度均有显著影响,且塑性变形层深度随着压强的增大而增大,随着进给量的增大而减小。多元回归法建立的预测模型的拟合度较差,而BP神经网络预测模型的实验值和预测值的相对误差均在10%以下,预测效果较好。结论 相比于多元回归预测模型,BP神经网络预测模型具有误差小、泛化性能好等优点,能够实现对滚压后试件表面完整性指标的精准控制,为实际的加工生产提供一定的指导。     

模糊神经网络在电磁铸造液柱成形控制中的应用

电磁铸造的液柱成形性控制是工艺成败及获得合理的形状铸锭的关键，稳定、合适的液柱高反映了各种工艺参数的良好配合，采用基于模糊理神经网络预测方法，通过对铸造系统电信电信号的踊跃，进行模糊模式识别，预测液高度，结果表明，基于模糊神经网络的控制系统使得过程中液柱高度更加稳定，有利于电磁铸工艺过程的顺利进行，使铸锭的表面质量得到的改善。     

Theoretical and empirical coupled modeling on the surface roughness in diamond turning

In this work, a theoretical and empirical coupled method is proposed to predict the surface roughness achieved by single point diamond turning, in which the surface roughness is considered to be composed of the certain and uncertain parts. The certain components are directly formulated in theory, such as the effects of the kinematics and minimum undeformed chip thickness. The uncertain components in relation to the material spring back, plastic side flow, micro defects on the cutting edge of diamond tool, and others, are empirically predicted by a RBF (radial basis function) neural network, which is established by referring to the experimental data. Finally, the particle swarm optimization algorithm is employed to find the optimal cutting parameters for the best surface roughness. The validation experiments show that the optimization is satisfied, and the prediction accuracy is high enough, i.e. that the prediction error is only 0.59–10.11%, which indicates that the novel surface roughness prediction method proposed in this work is effective.     

基于遗传神经网络的履带行驶系统载荷识别方法

针对煤矿掘进机器人履带行驶系统工作环境恶劣,载荷无法直接有效获取这一工程实际问题,提出了基于遗传神经网络的振动信号载荷识别方法。构建了遗传算法(GA)优化BP(back propagation)神经网络载荷识别模型,采用路试法试验采集了履带小车的5组振动加速度数据和单组应力载荷数据,探讨路面不平度频率和驱动轮啮频等对履带车振动和应力载荷的影响规律;借助快速傅里叶变换(FFT)对原始应力载荷数据进行去噪处理,依据履带小车行驶平顺性指标,利用sym8小波函数对振动加速度信号进行5层特征提取以提高载荷识别的精度,然后将5组小波变换分解的加速度数据和滤波后的应力载荷数据分别作为GA-BP神经网络的输入和输出进行训练及验证,揭示了履带行驶系统运动过程中振动与应力载荷之间的关系。研究结果表明,路面不平度频率、驱动轮啮频及转频为小车振动的主要频率成分,路面不平度引起的振动频率为13.765 Hz,驱动轮啮频为68.25 Hz,转频为3.25 Hz。多组试验得到的BP神经网络最佳隐含层神经元数为63,GA-BP神经网络识别的应力载荷与期望应力载荷具有较高吻合度,相对误差为4.5%,验证了该方法的有效性...     

Automatic defect inspection system of colour filters using Taguchi-based neural network

A coloured filter is a critical part of an LCD panel, especially to present a high quality colour display. At present, the defect detection of colour filters is conducted by manual inspection in the final product stage. However, poor detection efficiency and subjective judgment of manual inspection undermine accuracy. Therefore, this study applied image processing technology and the neural network to detect surface defects of colour filters in order to prevent losses arising from incorrect detection, lower production costs, and effectively improve yield. A back-propagation neural network (BPNN) classifier was selected to train the features. The results showed that the proposed method can be successfully applied in defect detection of colour filters to reduce artificial detection errors. In addition, the Taguchi method was used with BPNN to save time searching optimal learning parameters by the trial and error method, which achieves faster convergence, smaller convergent errors and better recognition rate. The results proved that the root-mean-square error (RMSE) of the Taguchi-based BPNN at final convergence is 0.000254, and recognition rate reaches 94%. Therefore, the proposed method has good effects in detecting the micro defects of a colour filter panel.     

Novel interpretable mechanism of neural networks based on network decoupling method

The lack of interpretability of the neural network algorithm has become the bottleneck of its wide application. We propose a general mathematical framework, which couples the complex structure of the system with the nonlinear activation function to explore the decoupled dimension reduction method of high-dimensional system and reveal the calculation mechanism of the neural network. We apply our framework to some network models and a real system of the whole neuron map of Caenorhabditis elegans. Result shows that a simple linear mapping relationship exists between network structure and network behavior in the neural network with high-dimensional and nonlinear characteristics. Our simulation and theoretical results fully demonstrate this interesting phenomenon. Our new interpretation mechanism provides not only the potential mathematical calculation principle of neural network but also an effective way to accurately match and predict human brain or animal activities, which can further expand and enrich the interpretable mechanism of artificial neural network in the future.     

喷墨打印纸印刷适性预测模型

目的研究广义回归神经网络对喷墨打印质量进行预测的可能性。方法测试不同喷墨打印纸的定量、平滑度、白度、光泽度、粗糙度等印刷适性,在相同条件下打印后测量印刷品色度,利用广义回归神经网络结合印刷品色度指标与喷墨打印纸印刷适性指标,并建立预测模型。结果基于广义回归神经网络的预测模型预测得到印刷品最小色差达到4.7215,最大色差达到4.8638。结论该模型可以定量描述喷墨打印纸印刷适性对印刷品色差的影响,为选纸提供试验及理论依据。