学位论文 > 优秀研究生学位论文题录展示

高温合金热喷涂层切削性能及切削力预报研究

作　者: 李祥
导　师: 王殿龙
学　校: 大连理工大学
专　业: 机械电子工程
关键词: 热喷涂高温合金切削力预报神经网络
分类号: TG501
类　型: 硕士论文
年　份: 2006年
下　载: 232次
引　用: 1次
阅　读: 论文下载

内容摘要

热喷涂技术是近年来在机械制造和设备维修中广泛应用的一项表面工程技术，被广泛应用于金属的表面强化和防护处理。通过在零部件的表面喷涂强化层、保护层或装饰层等各种功能涂层，使其具有耐磨损、防腐蚀、抗高温、耐氧化、隔热绝缘和防微波辐射等一系列功能，可以在满足设计要求的同时延长零件的使用寿命。但是由于热喷涂技术本身的特点和技术的不完善，热喷涂后零部件很难满足尺寸精度和表面质量的要求，特别是在航空、航天和精密加工等领域，这就要求对热喷涂层材料进行机械加工。传统的磨削方法加工效率低、发热量大，容易烧伤表面。本文采用车削的方法来加工高温合金涂层材料，对其加工性能进行系统研究。切削力是切削过程中的重要因素。论文构建了由Kistler压电测力仪、电荷放大器、PCL818HD数据采集卡及PC等组成的硬件系统，在此系统上，进行了高温合金热喷涂层材料FZNCr-60A和BKHA的车削加工试验研究。通过对三种刀片切削力大小的比较和分析，得出选择大前角(18°)刀片来切削此类涂层材料的效果比较好，切削力比较小，涂层不易脱落。通过采用正交试验方法对这两种高温合金涂层材料进行车削试验，测量不同切削参数下的切削力，分析其变化规律并得出经验公式。对其它切削参数的影响进行了分析，为生产中采用车削的方法加工此类高温合金热喷涂层材料提供了理论参考。论文中分别采用经验公式法和神经网络法对高温合金涂层材料的切削力进行预报，并对切削力预报的精度进行对比分析，采用神经网络方法计算切削力的精度更高。通过对全局寻优自适应快速BP算法(GCAQBP)进行理论推导，并根据梯度算法中网络权值的演化规律，利用终端吸引子的特性，使网络的学习率增益入作自适应调整，神经网络的学习过程将在有限时间内产生收敛，从而在很大程度地提高了训练速度。神经网络的切削力预报过程更加方便快捷，而且随着大量试验数据的积累，不断完善网络的行为，最终可以达到在实际应用中指导生产的目的。

全文目录

独创性说明  3-4
摘要  4-5
Abstract  5-10
1 绪论  10-21
  1.1 概述  10-11
  1.2 技术背景  11-19
    1.2.1 热喷涂技术  12-14
    1.2.2 热喷涂层加工技术  14-18
    1.2.3 人工神经网络  18-19
  1.3 课题的提出  19
  1.4 论文的主要内容  19-20
  1.5 小结  20-21
2 高温合金热喷涂层切削试验  21-33
  2.1 概述  21
  2.2 高温合金涂层  21-24
    2.2.1 等离子粉末喷涂  21-22
    2.2.2 自熔合金粉末  22-24
  2.3 车削试验测试系统  24-27
    2.3.1 测试系统概述  24-25
    2.3.2 测试系统硬件  25-27
    2.3.3 测试系统软件  27
  2.4 车削试验  27-32
    2.4.1 概述  27-28
    2.4.2 试验设备  28
    2.4.3 试验试件及刀具  28-30
    2.4.4 试验方案  30-31
    2.4.5 试验过程  31-32
  2.5 小结  32-33
3 试验结果及分析  33-46
  3.1 概述  33
  3.2 切削力分析  33-41
    3.2.1 BKHA涂层的试验结果及分析  33-36
    3.2.2 FZNCr-60A涂层的试验结果以分析  36-41
    3.2.3 综合分析  41
  3.3 其他切削因素分析  41-44
    3.3.1 切削力与车削参数的关系  41-42
    3.3.2 表面粗糙度分析  42-43
    3.3.3 刀具磨损  43
    3.3.4 切削液的影响  43-44
    3.3.5 陶瓷刀具切削研究  44
  3.4 涂层失效分析  44-45
  3.5 小结  45-46
4 切削力预报研究  46-59
  4.1 概述  46
  4.2 人工神经网络  46-50
    4.2.1 人工神经元  47-48
    4.2.2 人工神经网络的类型  48-49
    4.2.3 人工神经网络的学习规则  49
    4.2.4 多层前馈人工神经网络的逼近能力  49-50
  4.3 BP神经网络  50-55
    4.3.1 BP算法的学习规则  50-53
    4.3.2 GCAQBP算法  53-55
  4.4 GCAQBP算法模型的建立  55-58
    4.4.1 模型结构设计  55-56
    4.4.2 算法的实现  56-57
    4.4.3 计算速度  57-58
  4.5 小结  58-59
5 切削力预报结果的比较  59-64
  5.1 概述  59
  5.2 BKHA车削试验数据  59-61
  5.3 FZNCr-60A车削试验数据  61-62
  5.4 神经网络预报的优点  62-63
  5.5 神经网络预报的不足  63
  5.6 小结  63-64
结论  64-66
参考文献  66-68
攻读硕士学位期间发表学术论文情况  68-69
致谢  69-70
大连理工大学学位论文版权使用授权书  70

高温合金热喷涂层切削性能及切削力预报研究

内容摘要

全文目录

相似论文