共查询到18条相似文献,搜索用时 62 毫秒
1.
张毅 《精密制造与自动化》2010,(2):13-15
介绍了采用超声振动铣削和普通铣削对硬质合金铣刀铣削碳纤维复合材料进行试验研究.试验结果表明,在两种加工方式下,刀具的磨损形式主要是后刀面磨损,前刀面磨损和刀刃的破损,其中后刀面的磨粒磨损最严重,前刀面的粘着磨损较弱,当进给量加大或者是主轴转速过高时,很容易发生崩刃.超声振动条件下,刀具的后刀面磨损和前刀面磨损均较弱,且呈现一定的规律性.刀具的耐用度高,相对于普通切削更适合于复合材料的加工. 相似文献
2.
采用未涂层和CVD金刚石薄膜涂层两种硬质合金铣刀,对碳纤维复合材料进行铣削试验,使用3D激光扫描镜对刀具磨损形貌和磨损量进行测量,分析了刀具的磨损机理和切削用量对刀具磨损的影响。试验结果表明:后刀面磨损是两种刀具的主要磨损形式,磨损机理为磨料磨损,未涂层硬质合金铣刀同时存在着刀具破损现象;切削速率和背吃刀量对刀具后刀面的磨损影响较为显著;未涂层与CVD金刚石薄膜涂层硬质合金铣刀相比较,后刀面的磨损量保持在2.3—3.8倍之间,从刀具的耐磨性考虑,CVD金刚石薄膜涂层硬质合金铣刀可以用于碳纤维复合材料的生产加工。 相似文献
3.
超声振动铣削碳纤维复合材料表面特征研究 总被引:3,自引:0,他引:3
采用超声振动铣削和普通铣削对碳纤维复合材料进行试验研究.试验结果表明,在两种加工方式下,工件表面都产生裂纹、纤维束撕裂、纤维拔出和分层等变形缺陷;在超声加工条件下增强体碳纤维束以直接被剪断为主,表面凹坑少,纤维束与碳基体交界处裂纹和分层不明显,碳基体表面有明显的沟槽产生,且沟槽浅而宽,成规律分布,平均宽度7-8μm;而在普通加工条件下,碳纤维束上的凹坑和空洞较多,碳纤维丝被拔出的几率很大,纤维束和基体交界处,存在很大的裂纹,分层也十分明显,碳基体表面也有明显沟槽m现,但是沟槽混乱,断续现象严重,工件表面呈现完全的脆性断裂,表面质量很差. 相似文献
4.
5.
0Cr15Ni7M02Al不锈钢铣削加工刀具磨损研究 总被引:1,自引:0,他引:1
对0Cr15Ni7M02Al不锈钢在铣削加工中切削速度与刀具耐用度和切削路程长度的关系及刀具磨损情况进行了研究.用小型工具显微镜观测了刀具磨损形态,并对刀具磨损机理进行分析.结果表明:铣削0Cr15Ni7M02Al不锈钢时,不宜采用较低切削速度和较高切削速度,最佳切削速度在38m/min左右,而崩刃和粘结磨损是铣削0Cr15Ni7M02Al不锈钢时刀具磨损的主要形态. 相似文献
6.
碳纤维复合材料传统钻孔时轴向力较大,容易产生毛刺、撕裂以及分层等加工缺陷。作为一种新型制孔工艺,螺旋铣孔能有效地减小轴向力,从而改善加工质量。在螺旋铣孔过程中,铣刀底刃和侧刃均参与材料的切除,因此,其磨损形式也与传统钻削时的钻头不尽相同。通过碳纤维复合材料螺旋铣孔试验,观察铣刀底刃、侧刃和刀尖的磨损情况,并分析它们对轴向力、孔径和出口质量的影响。结果表明,由于切削环境和材料切除量的差异,铣刀底刃和刀尖的磨损要比侧刃严重得多;螺旋铣孔下孔的直径主要与铣刀侧刃的磨损情况有关;铣刀底刃的磨损会直接导致轴向力的增大,从而间接影响孔的加工质量。 相似文献
7.
钛合金高速旋转超声椭圆振动侧铣削切屑特征和刀具磨损研究 总被引:1,自引:0,他引:1
难加工材料钛合金在采用传统铣削方式时,随着切削速度的增加,切削力和切削温度都迅速增加,使得切削条件恶化并加速刀具磨损,从而导致刀具过早失效。将超声椭圆振动加工技术引入到高速铣削中,进行了钛合金高速旋转超声椭圆振动侧铣削试验。从切屑特征以及刀具后刀面磨损两个方面研究了高速超声椭圆振动铣削参数匹配对钛合金加工的影响。首先基于高速超声椭圆振动铣削过程中刀具-工件的运动学特点推导出高速超声椭圆振动铣削加工参数与振动参数间的匹配关系,然后利用本实验室自行研制的超声椭圆振动铣削装置进行了不同参数匹配关系下的验证性切削试验。试验结果表明:合理的参数匹配使得超声椭圆振动铣削在高速条件下依然能够实现分离型断续切削加工。相比普通铣削加工,分离型的高速超声椭圆振动铣削能够获得更加微细的切屑,切削热能够被及时地带走;良好的切削条件使得刀具的后刀面磨损均匀而缓慢,从而延长刀具的使用寿命;高速超声椭圆振动铣削能够有效地提高生产效率。 相似文献
8.
9.
10.
随着对工程塑料工件的精度提高、表面粗糙度值要求降低,工程塑料的切削加工也必须进行更深入广泛的研究。本文主要通过对3240酚醛环氧玻璃工程塑料平面铣削的实验,探讨铣刀齿刃口的磨损过程和刀具材料的性质对刀齿磨损的影响。 相似文献
11.
12.
13.
铣刀健康状况直接影响实际生产加工过程,因此开展铣刀状态监测研究具有较大工程意义。以卷积神经网络为代表的深度学习模型已经逐渐用于监测加工过程中的刀具状态。但是这些模型的可解释性较差,预测结果的差异性也较大。作为一种新颖的卷积神经网络变种,主成分分析模型(Principal component analysis network, PCANet)的可解释性好,但是特征自监督学习能力有待提升,且相关应用案例较少。针对以上问题,拟对PCANet模型进行优化,进而提出了一种激活主成分分析-最大池化-支持向量回归(Activated PCANet with max pooling and support vector regression, APCANet-MP-SVR)模型,用于自适应提取敏感特征并准确预测刀具磨损情况。首先引入tanh激活函数,提高模型泛化能力;再采用最大池化层替代哈希编码和直方图用于特征选择,进一步降低冗余特征规模;最后建立支持向量回归模型实时预测刀具磨损值。应用案例充分证明了所提模型能够更好地用于加工现场刀具磨损值预测。 相似文献
14.
《机械制造与自动化》2019,(1)
使用PCD刀具进行微细铣削硬质合金的刀具磨损试验,研究了PCD微细铣刀的磨损形态和磨损机理。结果表明,PCD微细铣刀的磨损主要集中在刀尖和底刃上,造成刀具磨损的原因主要包括粘结磨损、磨料磨损以及微崩刃。刀具磨损导致硬质合金加工表面粗糙度逐渐增大。 相似文献
15.
16.
17.