高速深切磨削氮化硅陶瓷表面粗糙度的在线监测

从放在工件夹具上的声发射(AE)传感器测得的磨削加工中的AE信号中,提取有关磨削表面粗糙度的信息,用神经网络的方法对高速深切平面磨削工程陶瓷氮化硅工件表面粗糙度进行了在线连续监测.结果表明,该方法基本可行,通过进一步改进,可以用于磨削工程陶瓷工件表面粗糙度的在线监测,为磨削智能化打下基础.     

高速深切磨削陶瓷工件表面粗糙度的在线监测

直接从放在工件夹具上的声发射（AE）传感器测得的磨削加工中的AE信号中,提取有关磨削表面粗糙度的信息,用神经网络的方法对高速深切平面磨削工程陶瓷氧化铝的工件表面粗糙度进行了在线连续监测。结果表明,该新方法不仅简易直接,而且切实可行,通过进一步改进,可以用于高速深切磨削加工工程陶瓷工件表面粗糙度的在线监测。     

高速深切磨削曲轴材料QT700-2表面粗糙度的在线监测

从放在磨削工件夹具上的声发射（AE）传感器测得的磨削加工中的AE信号中提取有关磨削表面粗糙度的信息,用神经网络的方法对高速深切平面磨削汽车曲轴材料QT700-2工件表面粗糙度进行在线连续监测。结果表明,该方法基本可行,通过进一步改进,可以用于高速深切磨削汽车曲轴工件表面粗糙度的在线监测。     

基于BP神经网络的表面粗糙度声发射预测

介绍了BP神经网络的原理、算法和公式,在对Matlab及其神经网络工具箱介绍的基础上,采用声发射信号有效值、FFT峰值和标准差作为输入,工件表而粗糙度作为输出,用BP神经网络的方法对高效深磨加工工程陶瓷Al2O3的工件表面粗糙度进行了训练、预测和分析.创新的研究方法是直接从磨削声发射信号中提取磨削表面粗糙度信息.结果表明,该方法可以实现高效深磨加工工程陶瓷工件表面粗糙度的监测.     

基于贝叶斯网络的平面磨削状态智能监测技术研究

为解决平面磨削过程中工件表面粗糙度预测和砂轮钝化监测困难的问题,利用贝叶斯网络建立了平面磨削状态智能监测模型。该模型在获取系统磨削用量和工件材料的基础上,在线提取磨削声发射信号的峭度系数,可以有效预测工件粗糙度和识别砂轮钝化状态,为数控系统调节加工参数提供参考。该模型在平面磨床的磨削监测试验中取得了良好的效果。     

陶瓷结合剂CBN砂轮高速磨削凸轮轴的表面粗糙度研究

本文通过一系列的试验,分析了磨削工艺参数对工件表面粗糙度的影响,建立了磨削表面粗糙度的经验公式,研究了陶瓷结合剂CBN砂轮磨削表面粗糙度的变化规律及其特点,这些规律为凸轮轴的CBN高速磨削提供了一系列实用的工艺参数.     

声发射技术在修整工艺和磨削工艺参数选择上的应用

磨削过程中磨削力与AE声发射信号有较强的对应关系,对工件表面加工质量有很大影响。首先,以单因素实验法改变修整工艺的某个参数,得到了AE声发射信号与工件加工表面粗糙度之间的变化规律;随后通过正交实验法,修整工艺参数以"三因数三水平"得到了AE声发射信号与工件加工表面粗糙度之间的变化规律;之后探讨了利用AE声发射信号监测砂轮的磨损状态;最后通过正交实验法,磨削工艺参数以"三因素三水平"法得到了AE声发射信号与工件加工表面粗糙度之间的关系,为提高外圆磨床磨削质量和效率、选择最佳的工艺参数给出了指导。     

磨削表面粗糙度在线检测方法的实验研究

在理论分析和实验研究的基础上，提出了一种在线检测磨削表面粗糙度的新方法，该方法利用声发射(AE）传感器探头与磨削表面摩擦产生的AE信号在线检测磨削表面粗糙度。并通过实际跟踪到测试证明了该方法的可行性。     

工程陶瓷的高速深切磨削

本文论述工程陶瓷的高速深切磨削机理,介绍了工程陶瓷的高速深切磨削的工艺,提出了工程陶瓷的高速深切磨要解决的关键技术,展望了工程陶瓷的高速深切磨削的发展前景     

工程陶瓷超声磨削加工工艺研究

以工程陶瓷二氧化锆材料为加工对象,利用旋转超声加工的方法对工件表面进行磨削,对其磨削加工工艺进行了初步的试验研究,分析了材料去除的机理,通过试验探讨了工艺参数对工件表面粗糙度的影响,从而确定了一组最佳的磨削工艺参数.     

ZrO_2工程陶瓷砂带磨削实验及工艺研究

采用4种不同磨料的砂带对Zr O_2工程陶瓷进行对比磨削实验,并采用锆刚玉磨料的砂带进行正交试验,对材料去除量、工件表面粗糙度和砂带磨损量进行了测量,得出了Zr O_2工程陶瓷最佳磨削参数。文章分析了在对Zr O_2工程陶瓷进行砂带磨削加工过程中砂带粒度和磨削用量的不同对磨削加工效率、工件表面质量的影响。在磨粒切削加工模型的基础上,通过观察磨削前后陶瓷表面微观形貌分析了工程陶瓷的磨损机理。实验结果表明:随着磨削压力和砂带粒度的增大,工件表面粗糙度呈减小趋势;增加砂带线速度和磨削压力可在一定程度上提高材料去除率和磨削比,但超过临界值其表面易发生崩脆断裂;砂带线速度为19 m/s,磨削压力为15 N,砂带粒度为120#时,Zr O_2工程陶瓷综合磨削效果达到最好。     

碳化硅高速磨削表面完整性研究

针对碳化硅的应用日益扩大,但它质地硬脆,高效率高质量加工总遇到障碍的情况,采用高速磨削工艺,研究了砂轮速度对磨削力和材料去除率的演变规律,开展了磨屑形态、磨削表面和亚表面形貌观察,及表面粗糙度、残余应力等一系列试验。结果表明:高速磨削能降低磨削力和磨削热,减小磨削损伤层,成比例提高砂轮速度和工件速度能增进表面完整性和提升加工效率。基于磨削层表面粗糙度和深度残余应力的检测,表明:在碳化硅高速磨削中,存在脆-延性去除机理的转化过程;高速磨削有望成为高效率高质量磨削工程陶瓷碳化硅的一条有效途径。     

砂轮不平衡量对工件表面粗糙度影响的研究

通过实验,对砂轮平衡精度与磨削加工工件表面粗糙度之间关系作了深入的研究.实验设计的砂轮在线液体平衡系统结构简单、测量精度高,可减小磨削工件表面粗糙度值.     

工程陶瓷磨削温度研究的现状与进展

介绍了工程陶瓷磨削温度的研究现状,阐述了磨削温度对陶瓷材料的去除机制的重要影响和几种磨削温度理论的计算方法,分析了几种工程陶瓷磨削中工件热分配系数模型,讨论了几种温度测量技术和讨论了用磨削液等方法来抑制磨削热.总结了磨削参数与表面磨削温度的关系.最后展望了工程陶瓷高速高效磨削温度研究的发展趋势.     

石英陶瓷磨削表面粗糙度的计算机模拟

工程陶瓷通常采用的加工方法是磨削，磨削表面粗糙度对零件使用性能具有很大的影响。由于客观条件的限制，磨削时各参数如何选择能获得低的表面粗糙度仍然是现今许多学者研究的方向。本文根据单颗磨粒的轨迹模型，利用Matlab软件模拟出不同磨削参数下工件表面的粗糙度情况，为不同磨削参数下获得表面的粗糙度情况模拟提供了一种新方法。     

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.     

高效深切磨削

用高效深切磨削加工出的工件,其表面粗糙度可以与常规平面磨削技术相匹敌,而其金属磨除率却比常规磨削高100倍至1000倍。在许多情况下,这种磨削技术可以替代部分铣削或拉削加工技术。一、高效深切磨削的定义从技术观点看,按操作方法和可达到最大金属磨除率的不同,平面磨削可以分成三种:往复式磨削;缓进给磨削;高效深切磨削。     

ELID精密镜面外圆磨削技术的应用

在线电解修整(ELID)精密镜面磨削有效地实现了许多难加工材料的平面精密加工和高效加工.本文介绍了ELID磨削技术在精密镜面外圆磨削上的应用.通过采用金属基超硬磨料砂轮在线电解修整对硬质合金、碳化硅陶瓷进行精密镜面外圆磨削,得到了表面粗糙度Ra=0.025～0.028μm的加工表面.     

高速低粗糙度外圆切入磨削表面粗糙度的试验研究

本文通过试验考察了高速低粗糙度外圆切入磨削条件下工件加工表面粗糙度的变化规律。试验结果表明，对于高速低粗糙度外圆磨削，采用切入磨法可以获得接近于纵磨法的工件表面粗糙度。     

高速低粗糙度外圆切入磨肖表面粗糙度的试验研究

本文通过试验考察了高速低粗糙度外圆切入磨削条件下工件和加工表面粗糙度的变化规律。试验结果表明，对于高速低粗糙度外圆磨削，采用切入磨法可以获得接近于纵磨法的工件表面粗糙度。