共查询到10条相似文献,搜索用时 31 毫秒
1.
《组合机床与自动化加工技术》2017,(12)
以二硅酸锂玻璃陶瓷为加工对象,使用五种不同材质的刀具进行单因素车削实验。研究了不同材质对刀具体积磨损量及加工表面粗糙度的影响,并分析了刀具磨损形貌。实验结果表明,YG6刀具体积磨损量最大,PCD刀具硬度最大因此体积磨损量最小。YG6、YW1、YT14刀具的主要磨损形式是脆性剥落。刀具磨损改变了刀尖处的应力分布,玻璃陶瓷萌生更多裂纹。刀具磨损量越大,加工表面凹坑数目越多,粗糙度越大,表面质量越低。PCD刀具最适合车削玻璃陶瓷材料。 相似文献
2.
目的 通过车削加工TB9钛合金试验,定量研究不同位置的振动特性对表面粗糙度的影响规律,并建立基于振动参数的表面粗糙度预测模型。方法 选用涂层硬质合金刀具对TB9钛合金线材进行车削加工。通过8704B25和3333A2加速度传感器对试验过程中不同位置的切削振动进行检测。运用Matlab对振动加速度信号进行处理和分析。采用TR2000高精度表面粗糙度仪测量工件表面粗糙度。结果 车削系统不同位置的振动特性均与表面粗糙度存在线性关系。车削系统中刀具振动加速度均方根值、主轴振动加速度均方根值以及后导向振动加速度均方根值与表面粗糙度的Pearson相关系数分别为0.379 93、0.331 90、0.181 95。表面粗糙度预测模型的预测平均百分比误差小于3%。结论 车削加工时刀具、主轴以及后导向的车削振动均对表面粗糙度有一定影响。车削系统不同位置的振动特性对表面粗糙度的影响次序为刀具>主轴>后导向,可见距离切削位置越近的振动对车削加工表面粗糙度的影响越大。基于振动参数的表面粗糙度预测模型的准确度较高,可作为表面粗糙度的预测模型。 相似文献
3.
径向进给射流电解车削加工是针对难加工材料回转体零件表面特征,利用电解液从阴极刀具内部喷向工件,刀具沿径向逐渐向工件进给进行电化学溶解的加工方法。通过流场仿真,优选出阴极刀具结构,利用10%的NaNO3溶液对316L不锈钢材料圆柱表面进行试验研究,分析平衡间隙、加工电压、工件转速、电解液压力对材料去除率和工件表面粗糙度的影响。结果表明:利用优选的刀具,对直径20 mm、高度10 mm的316L不锈钢圆柱表面径向单边车削0.5 mm,材料去除率可达0.391 g/min,表面粗糙度Ra<0.2μm。 相似文献
4.
基于模糊神经网络的表面粗糙度建模研究 总被引:1,自引:0,他引:1
根据零件表面粗糙度形成的复杂性,提出了一种基于模糊神经网络的表面粗糙度预测建模方法,并以外圆车削加工为例,建立了车削加工参数与工件表面粗糙度的预测模型。试验表明,所提出的模糊神经网络建模方法可对零件表面粗糙度进行有效预测。 相似文献
5.
杜国臣 《组合机床与自动化加工技术》2013,(5)
文章采用单因素试验法,用未涂层硬质合金刀具和TiAlN涂层硬质合金刀具对Ti6Al4V钛合金进行了车削试验,通过对切削过程中刀具寿命、切削力、切削温度以及加工表面粗糙度的分析,得出了两种刀具车削钛合金的切削性能,为钛合金车削试验提供了依据. 相似文献
6.
7.
《组合机床与自动化加工技术》2021,(10)
为探究和改善蠕墨铸铁RuT450切削加工性能,基于正交试验,采用涂层/无涂层Al_2O_3-TiC复合陶瓷刀具对RuT450进行车削加工,探究涂层和切削参数对工件表面质量的影响及机理,为复合陶瓷刀具切削RuT450提供理论依据。结果表明:涂层复合陶瓷刀具切削一致性更好,更适合加工RuT450;对RuT450表面粗糙度影响最显著的因素是进给速度,其次是切削速度,背吃刀量对表面粗糙度的影响程度相对较小;切削速度(Vc=400 m/min)、进给速度(f=0.05 mm/r)、背吃刀量(a_p=1 mm)时能获得最好的表面粗糙度;表面硬度随着切削速度的增大而增大,而随着进给速度、背吃刀量的增大基本不会出现明显的变化。 相似文献
8.
9.
针对虚拟车削加工中振动问题的处理,对外圆车削加工的理论粗糙度模型进行了修正.通过预测工件与刀具的相对位移,实现了对加工工件的表面形貌的估算.通过对表面形貌的仿真,提高了虚拟车削软件的应用性. 相似文献