40Cr调质钢外圆磨削淬硬试验研究

采用外圆磨削方式对40Cr调质钢进行磨削淬硬试验,通过测量试样的金相组织和显微硬度对外圆磨削淬硬的可行性、磨削参数对淬硬效果的影响规律等进行研究。结果表明:40Cr钢外圆磨削淬硬是可行的;试样的表层组织由完全淬硬层、过渡层和基体组成;表面硬度均在690 HV左右,淬硬层深度最高可达1.10 mm;磨削深度对表面硬度无显著影响,但对淬硬层深度具有显著影响,工件速度和砂轮型号对表面硬度及淬硬层深度均无显著影响。     

L-M神经网络的磨削淬硬参数预测

针对基于传统BP算法的神经网络训练中收敛速度较慢的缺点,提出一种基于L-M(Lev-enberg-Marquardt)算法的磨削淬硬层厚度预测,并开发了基于L-M算法的磨削淬硬神经网络预测系统.仿真结果表明:该系统模型显著缩短了训练时间,具有较高的准确性.通过网络训练和网络检验,得出该神经网络系统的预测值与实测值十分接近的结论,可充分证明L-M法BP神经网络对于磨削淬硬参教预测具有很好的效果.     

实现零件磨削淬硬的热源优化及淬硬层预测

磨削淬硬是利用磨削加工过程中产生的热、机械复合作用直接对钢质零件进行表面硬化的加工新技术。由于零件淬硬层深度对零件性能具有显著影响,因此对零件淬硬层深度进行预测具有工程实际意义。根据热源强度变化特点,将零件沿长度方向划分为切入区、中间区以及切出区并对热源强度模型进行优化。基于有限元方法,对磨削过程中的各区域温度场分布及瞬时温度变化进行仿真分析,并对零件的切入区、中间区及切出区的淬硬层深度进行预测。结果表明,由于加工过程中热源强度的变化,磨削加工后的零件两端均有未淬硬部分,中间区淬硬层深度最大且均匀。最后将零件淬硬层深度预测与实验结果进行对比,验证了热源优化模型的合理性和预测方法的有效性。     

非调质钢的磨削淬硬研究

磨削淬硬是利用磨削热对工件表面进行淬硬处理的新技术，可替代表面淬火等热处理工艺，特别适合于非调质钢，它有利于简化生产工艺，降低制造成本。     

40Cr磨削淬硬的研究方法

磨削淬硬是利用磨削热对工件表面进行淬硬处理的新技术,可替代表面淬火等热处理工艺,它有利于简化生产工艺,降低制造成本。     

40Cr钢磨削淬硬工艺的试验研究

以切入式平面磨削淬硬加工试验为基础,对40Cr钢磨削淬硬层的宏观组织、显微硬度和淬硬层深度进行了研究.结果表明,磨削淬硬层由完全淬硬区和过渡区组成,磨削条件对磨削淬硬层高硬度区的组织及其显微硬度无显著影响,显微硬度值均在630～680HV0.5之间.选用细颗粒、高硬度的陶瓷结合剂刚玉砂轮和低进给速度、大切深参数并结合顺磨方式可增大磨削淬硬层深度.     

磨削强化技术对中碳钢磨削淬硬效果的研究

磨削强化技术是利用磨削加工过程中产生的大量磨削热对工件材料进行表面热处理的新工艺技术。它利用磨削热使退火或回火钢零件材料表层产生马氏体相变,达到表面强化的目的,实现了表面淬火工艺与机械加工过程的集成。本文选取45钢和60钢为研究对象,进行磨削强化试验研究。研究结果表明:在磨削温度场作用下缓进给磨削表面硬化层在深度和宽度方向上具有不同的组织变化趋势和显微硬度分布特征;表面硬化层始终存在由过渡区与未淬硬区或高温回火区组成的软化带。     

磨削淬硬技术研究现状及其展望

磨削淬硬技术是一种绿色表面淬火技术,该技术视磨削热为积极因素,主动利用磨削热对工件表面进行热处理,使工件表层发生马氏体相变,达到与表面强化处理一样的性能.对磨削淬硬技术的研究现状进行总结,指出存在的问题.提出磨削淬硬技术的发展方向和展望.     

磨削淬硬技术的发展及展望

概述了磨削淬硬技术发展的几个阶段和磨削淬硬加工研究中尚存在的主要问题。针对目前的问题,指出了磨削淬硬的研究方向。     

磨削淬硬——磨削加工与表面淬火集成制造技术

磨削淬硬是利用磨削热对工件表面进行淬火处理的新技术 ,该技术在一定范围内可替代表面感应淬火、火焰淬火等表面热处理工艺 ,便于将表面淬火工艺与机械加工工艺集成化 ,有助于降低产品成本 ,缩短产品生产周期。     

磨削淬硬温度场的数值模拟

根据磨削比能、传热学等理论建立了磨削淬硬温度场的有限元模型,借助有限元软件Ansys对40Cr钢磨削温度场及工件的冷却速度进行了研究,得出了工件磨削温度场。最后通过不同工艺参数下的工艺试验与Ansys计算值进行了对比。结果表明,使用Ansys和试验值是吻合的,说明使用有限元方法模拟工件表面温度场是可靠和可行的。     

基于反向传播神经网络的数字化工厂数据预测

数字化工厂数据涉及产品全生命周期,研究将反向传播神经网络应用于数字化工厂数据的预测。介绍了数字化工厂数据的组成,建立了反向传播神经网络,并分析了梯度下降的应用。通过运行程序得到预测结果,确认预测准确率达到95%。基于反向传播神经网络,可以对最终产品合格率、机器设备投资回报率及人力资源投资回报率进行预测。     

气缸套激光表面硬化指标的神经网络预测

以某汽车发动机的HT150气缸套激光表面硬化正交实验得到的实验数据为基础,利用Mat-lab人工神经网络工具箱中的BP网络强大的数据预测功能,建立了该HT150气缸套激光表面硬化指标(表面硬度和硬化层深度)的神经网络预测模型,通过对网络隐含层神经元个数的调整,使收敛速度加快,提高了硬化指标的预测精度。     

基于BP神经网络混凝土泵车臂架故障预测研究

针对混凝土泵车臂架结构复杂,故障频繁发生的特点,提出了一种基于BP神经网络臂架故障预测方法。臂架在工作过程中,工况参数的不同直接影响到臂架关键点应变大小。基于此,引入BP神经网络,选取臂架倾角、臂架加速度作为输入量,臂架应变作为输出量,构建了3层BP神经网络模型。通过构造试验方案获取样本数据,随机选取训练集、测试集,利用MATLAB工具对BP神经网络进行训练和验证,并对臂架故障进行了预测。实例验证了BP神经网络对臂架故障预测方法的可行性,该方法的提出相对于传统的现场监控方法更简便,并为臂架工况参数的选择提供了基础支持。     

基于BP神经网络的齿轮故障诊断系统研究

对ＢＰ神经网络在齿轮故障诊断中的模式表达、网络拓扑及其相关参数等问题进行了探讨;并利用ＢＰ 网络对齿轮四种典型的故障模式进行训练学习和诊断,取得了满意的效果。结果表明：ＢＰ 神经网络是实时地解决齿轮故障中复杂的状态识别问题的一种有效工具     

基于BP网络的调距桨螺距发讯器故障诊断研究

以某型船凋距桨闭环控制系统模拟电路板为研究对象,采用BP神经网络算法完成了螺距发讯器电路板故障定位研究.仿真结果表明该方法故障覆盖率高、易于实现,对提高其技术保障维修能力具有重要的意义.     

BP神经网络的摩擦力补偿算法研究

针对伺服系统中非线性摩擦力的影响,提出了一种基于BP神经网络的摩擦力补偿.通过神经网络的学习,可以改变PID的参数,从而达到对摩擦力的补偿.并通过MATLAB对系统进行了仿真,证明了该方法的有效性.     

人工神经网络及其在机械加工中的应用实例

介绍了人工神经网络知识及其在磨削表面粗糙度研究中的应用和建模过程。试验表明神经网络能自适应各种加工条件,具有较高的柔性和智能,能更准确地反映加工因素之间的变化关系,并可推广到其他领域中处理模糊的、非线性的问题。     

BP神经网络在旋转机械故障诊断中的应用

神经网络由于其本身具有的优越性，已广泛应用于各个领域中的分类、联想问题。本文将ＢＰ神经网络理论应用于风机故障诊断中，取得了较好的结果。     

虚拟仪器设计中压力传感器的BP神经网络温度非线形校正

压力传感器的输入输出特性大部存在非线性，且易受工作环境温度的影响。利用LabVIEW图形化编程语言，辅以多参量数据采集卡，采用了基于BP神经网络压力传感器非线性校正的模型、算法和实现方法，探讨了虚拟仪器系统中对压力传感器特性进行温度非线性校正。通过计算机仿真与应用，显示了在虚拟仪器系统中使用这种方法不但使压力传感器的性能得到了改善，而且计算时间短，准确度高，有实际应用价值。