基于BP神经网络的连杆衬套强力旋压轴线直线度预测

强力旋压成形工艺的轴线直线度误差对采用该工艺生产的连杆衬套的产品使用可靠性有很大影响。采用单因素试验设计方法,利用数值模拟技术手段,获得了以减薄率、进给比、首轮压下比、主轴转速为试验因素,内、外轴线直线度误差为评价指标的试验数据。基于试验因素和评价指标应用BP神经网络技术建立了4-10-2的三层神经网络结构模型,得到了减薄率、进给比、首轮压下比、主轴转速和轴线直线度误差之间的非线性关系。用试验所得到的数据对模型进行了训练和预测,并将预测值与仿真值相比较。结果表明:该模型可以有效预测连杆衬套强力旋压轴线直线度误差。     

基于二次回归正交试验的连杆衬套成形质量分析

为了揭示强力旋压工艺参数对连杆衬套成形质量的影响,采用二次回归正交试验方法,对连杆衬套经强力旋压后的成形质量进行研究。获得了强力旋压时进给比、首轮压下比和轴向错距对连杆衬套成形质量的径向力均方差、圆度误差、直线度误差的影响规律,得出了优化的工艺参数组合,并运用SPSS软件进行数据分析得到了径向力均方差、圆度误差和直线度误差的回归方程。结果表明,连杆衬套强力旋压过程中,影响径向力均方差的主次顺序为:首轮压下比进给比轴向错距;影响圆度误差的主次顺序为:进给比轴向错距首轮压下比;影响直线度误差的主次顺序为:轴向错距首轮压下比进给比。     

基于灰色关联度的筒形件二道次强力旋压工艺参数优化

为使锡青铜筒形件具有更高的尺寸精度,对二道次强力旋压加工工艺参数进行优化。减薄率、道次分配比、第1道次进给比和第2道次进给比为主要影响筒形件成形质量的工艺参数,以筒形件的内径扩径量和壁厚偏差为优化目标。采用正交试验和灰色关联度分析法对Simufact仿真模拟软件得到的二道次仿真结果进行工艺参数优化,结果表明:各工艺参数对筒形件成形质量的影响程度依次为:减薄率>道次分配比>第1道次进给比>第2道次进给比。优化后的工艺参数组合为:减薄率为40%、道次分配比为5∶5、第1道次进给比为0.6 mm·r^-1、第2道次进给比为0.6 mm·r^-1,所获的筒形件尺寸精度最优。     

基于响应面法的多道次单点渐进成形径向尺寸的控制

为了控制多道次单点渐进成形中零件的径向尺寸误差,利用响应面法研究了主要成形工艺参数对零件的径向尺寸误差的影响规律,分析了各个参数及其交互作用对目标影响的显著性,并进一步对试验数据的适应度进行了分析,进而建立了多道次单点渐进成形径向尺寸误差的预测模型。同时利用最小化算法,结合此类工艺的加工效率,得到较优的工艺参数组合,从而实现多道次单点渐进成形径向尺寸的精确控制。结果表明:成形工具的二次项对径向尺寸误差的影响非常显著,下压量、进给速率及其与成形工具的交互作用对径向尺寸误差的影响较为显著,此外,利用最小化算法得到了4组较优的工艺参数组合。多道次单点渐进成形中,应选择下压量为0. 32 mm、工具直径为Φ12 mm及进给速率为1188 mm·min-1的配置作为较优的工艺参数组合来改善零件的径向尺寸误差。     

Taguchi方法在强力旋压参数优化中的应用

选择芯模与旋轮间距、热处理温度、进给比3个参数设计正交试验,以布氏硬度、屈服强度、抗拉强度作为旋压成形的连杆衬套筒形件的力学性能评价指标,利用Taguchi方法,通过分析其信噪比获得较优的参数组合以及各参数对于连杆衬套力学性能影响程度的顺序。将优化后的参数组合与优化前的参数组合进行对比试验。结果表明,利用Taguchi方法可以有效地对强力旋压参数进行优化,以使旋压成形的连杆衬套筒形件具有更好的力学性能。     

基于Simufact变薄拉深滑动轴承的尺寸精度研究

为得到较高尺寸精度的滑动轴承,利用有限元数值模拟方法,对滑动轴承的2种变薄拉深成形工艺进行分析,使用锡青铜为加工材料,在Simufact有限元仿真软件中,当减薄率相同时,对同一毛坯的1次变薄拉深成形与3次连续变薄拉深成形分别进行数值模拟。以变薄拉深后滑动轴承成形件的尺寸精度(扩径量、圆度误差、直线度误差)与材料利用率(喇叭口长度)为评价指标,选取最佳成形工艺,并对仿真可靠性进行试验验证。结果表明,锡青铜材料1次成形的内径扩径量、外圆度误差与内轴线误差较大,外轴线直线度误差较小,且材料利用率高,为实际生产的工艺选取提供理论依据。     

基于RBF神经网络的连杆衬套强力旋压轴线直线度预测

为了实现对连杆衬套强力旋压轴线直线度误差的预测,从而改善连杆衬套的性能,基于MATLAB平台,建立了减薄率、进给比、首轮压下比与轴线直线度误差之间的RBF神经网络模型。用仿真数据对其进行训练,然后预测内、外轴线的直线度误差。并将预测值与仿真值比较,得出RBF神经网络预测误差百分比,与实测值进行比较,验证RBF神经网络在实际生产中的预测性能。再与同样条件下所建立的BP神经网络预测误差百分比对比。发现RBF神经网络可以用来预测连杆衬套强力旋压轴线的直线度误差,并且比BP神经网络收敛速度及学习速率更高,训练过程更稳定,预测精度更高。     

基于灰色关联度筒形件强力旋压工艺参数优化

错距旋压成形过程中,工艺参数的选取对其尺寸精度的好坏至关重要。采用正交试验法,选取减薄率、错距、旋轮圆角半径、进给比为试验因素,以工件圆度、直线度和内径扩径量为尺寸精度评价指标,获得9组试验数据。采用灰色关联度法对所得的正交试验数据进行分析处理,将多目标优化问题转化为单目标优化问题,并得出了优化的连杆衬套工艺参数组合方案。试验结果表明,采用优化的工艺参数对连杆衬套进行旋压,可有效地减小圆度误差、直线度误差和内径扩径量,提高旋压件的尺寸精度。     

激光准直气动液压缸直线度误差检测装置设计

针对液压缸零件直线度误差检测困难的现状,提出一种通过测量液压缸截面弦长确定截面圆心评估液压缸轴线直线度的方法,以激光作为直线度误差评定的参照直线,设计了一种基于气动检测与激光准直的直线度检测装置;分析了喷嘴曲面挡板模型下的气动检测方案,分析了PSD位置敏感传感器的空间位置,并提出了利用PSD位置敏感传感器分离误差的方法;利用该装置进行了直线度误差检测,检测过程稳定,能够满足要求。     

非轴对称管件缩径旋压的数值模拟与参数优化的研究

针对具有两个回转轴线的三维非轴对称薄壁空心管件,通过数值模拟与正交试验相结合的方法,研究主要成形工艺参数(偏移量、倾斜角、名义压下量、进给比、旋轮圆角半径、旋轮直径)对成形尺寸精度(壁厚偏差、椭圆度和直线度)的影响显著性的主次顺序;根据影响规律给出了几组较好的工艺参数组合,然后利用灰色决策理论进行了效果测度,分别得到了偏心类和倾斜类管件缩径旋压成形的最优工艺参数组合。     

筒形件错距旋压成形工艺参数优化

错距旋压成形过程高度非线性,特别是对于多目标优化问题,其工艺参数与目标函数之间的关系一般很难用精确的数学函数表达。该文基于正交试验,以旋压件椭圆度、直线度、壁厚偏差为评价指标,选择旋压进给比、总减薄率、轴向错距为试验因素,获得16组正交试验数据。采用灰色关联度方法对所构造的正交试验数据进行分析处理,将多目标优化问题转化为单目标优化问题;应用支持向量机网络回归模型,并结合遗传算法对错距旋压过程进行寻优,获得了优化的20钢筒形件错距旋压成形工艺参数。试验结果表明,所获得的优化工艺参数可有效提高旋压制件的成形质量。     

模糊田口法在重切削制程中切削参数最佳化设计

为了快速有效获得重切削时良好的切削性能参数,以田口法与模糊逻辑相结合,对侧面铣削SUS304不锈钢重切削制程时的切削参数进行最佳化设计。由于评估重切削制程的刀具寿命与金属移除率两项主要切削性能,受到主轴转速、每刃进给、轴向切深与径向切深的影响,由此将4个切削参数设置为可控制因子。经过田口法将各品质特性转化为S/N比,通过模糊逻辑运算,采用多重品质特性指标(MPCI)求得切削参数最佳水准组合。试验结果表明:以模糊田口法获得的切削参数最佳水准组合,能够有效改善侧面重切削制程时的切削性能,为刀具制造厂或刀具使用者寻求最佳切削条件提供参考。     

SVR-PSO算法在慢走丝线切割参数优化中的应用

针对慢走丝线切割加工中难以同时获得较快加工速度和较优表面质量的问题,从其加工参数与加工指标之间的高非线性关系入手,选取水压、脉冲时间、脉冲宽度、峰值电流和进给速率作为优化参数,以表面粗糙度(Ra)、材料去除率(MRR)作为优化指标,设计正交实验;创新运用支持向量机(SVR)结合粒子群算法(PSO)建立其多目标预测优化模型,得到最优加工参数。结果表明:所建立的多目标预测优化模型优化效果十分显著,相同Ra下MRR平均提高32%;相同MRR下Ra同比下降25%。     

基于PSO-ELM的316L不锈钢细长管磁粒研磨内表面粗糙度预测模型

针对316L不锈钢细长管磁粒研磨加工过程中,最佳工艺参数难以选择,以及加工后对工件内表面粗糙度（Ra）的预测问题,将影响磁粒研磨316L不锈钢细长管内表面粗糙度的四个工艺参数作为输入值,内表面粗糙度作为输出值,构建粒子群（PSO）优化极限学习机（ELM）模型来预测316L不锈钢细长管内表面粗糙度,利用PSO对工艺参数进行全局寻优,获得最佳工艺参数组合,最后通过试验与预测结果进行对比。构建的PSO-ELM表面粗糙度预测模型拟合优度R2为0.984 8,绝对误差（MAE）为0.013 4,均方根误差（RMSE）为0.021 4。得到的最佳工艺参数组合为：主轴转速2 389.011r/min,进给速度3.167 mm/s,磨料粒径216.185μm,加工时间35.856 min,预测Ra为0.178μm。对工艺参数进行调整,试验得到的Ra为0.182μm,与预测值相比误差为2.24%。基于PSO-ELM方法构建316L不锈钢细长管内表面粗糙度预测模型,实现对工件内表面粗糙度的精确预测,应用粒子群方法得到最佳工艺参数组合,提高了磁粒研磨316L不锈钢细长管的加工效率。     

Multiperformance Optimization in Turning of Free-Machining Steel Using Taguchi Method and Utility Concept

This article presents the application of Taguchi method and the utility concept for optimizing the machining parameters in turning of free-machining steel using a cemented carbide tool. A set of optimal process parameters, such as feed rate, cutting speed, and depth of cut on two multiple performance characteristics, namely, surface roughness and metal removal rate (MRR) is developed. The experiments were planned as per L ₉ orthogonal array. The optimal level of the process parameters was determined through the analysis of means (ANOM). The relative importance among the process parameters was identified through the analysis of variance (ANOVA). The ANOVA results indicated that the most significant process parameter is cutting speed followed by depth of cut that affect the optimization of multiple performance characteristics. The confirmation tests with optimal levels of machining parameters were carried out to illustrate the effectiveness of Taguchi optimization method. The optimization results revealed that a combination of higher levels of cutting speed and depth of cut along with feed rate in the medium level is essential in order to simultaneously minimize the surface roughness and to maximize the MRR.     

氮化硅陶瓷轴承外圈磨削的双目标工艺优化

陶瓷轴承套圈的加工质量对轴承的回转精度和服役性能具有重要影响.首先,基于大量外圆磨削试验,通过最小二乘法分别建立陶瓷表面粗糙度和沟道圆度在不同工艺参数下的一元模型;其次,在一元模型基础上,通过粒子群优化算法(PSO算法)分别建立其表面粗糙度和沟道圆度在不同工艺参数下的多元模型;最后,通过PSO算法对表面粗糙度和沟道圆度...     

锥形管无模拉拔成形极限及工艺优化

锥形管无模拉拔时,由于变形区金属没有模具的约束,产品形状及尺寸精度完全取决于工艺参数,采用理论和实验相结合的方法,研究工艺参数对锥形管尺寸稳定性、母线直线度以及极限断面缩减率的影响,对优化无模拉拔工艺具有重要的意义。研究结果表明,锥形管无模拉拔变形时,升高感应加热温度、增大冷热源距离、减小进料速度,可以增大极限断面缩减率;而较低的感应加热温度、较短的冷热源距离,则有利于提高锥形管的母线直线度。对于管坯尺寸为6mm×1mm的304不锈钢锥形管无模拉拔加工,在感应加热温度900℃~1100℃、冷热源距离15mm~40mm、进料速度20mm/min~40mm/min的工艺参数范围内,单道次拉拔极限断面缩减率最大可达57%,尺寸误差可控制在5%以下,母线线性相关系数达0.976以上,是合理的工艺参数范围。     

Optimization of machining parameters in turning GFRP composites using a carbide (K10) tool based on the taguchi method with fuzzy logics

Glass fiber reinforced polymer (GFRP) composite materials are finding increased applications in a variety of engineering fields. Subsequently, the need for accurate, machining of composites has increased enormously. This paper discusses the application of the Taguchi method with fuzzy logic to optimize the machining parameters for machining of GFRP composites with multiple characteristics. A multi-response performance index (MRPI) was used for optimization. The machining parameters viz., work piece (fiber orientation), cutting speed, feed rate, depth of cut and machining time were optimized with consideration of multiple performance characteristics viz., metal removal rate, tool wear, and surface roughness. The results from confirmation runs indicated that the determined optimal combination of machining parameters improved the performance of the machining process.