基于灰色神经网络模型的强力旋压连杆衬套屈服强度预测

强力旋压连杆衬套的力学性能与旋压参数之间的关系复杂,难以用较为系统的数学公式进行表达。为科学准确预测连杆衬套的屈服强度,采用灰色系统理论,选取旋压工艺参数作为系统相关因素,建立预测连杆衬套屈服强度的GM（0,3）模型,经过后验差检验,模型精度二级,平均相对误差为3.25%。为提高模型精度,利用RBF神经网络对预测残差进行修正后,将模型精度提高为一级。在将外来数据回代检验时,GM（0,3）＋RBF模型预测结果相对误差在1%左右。研究结果表明：利用灰色理论建立的GM（0,3）＋RBF模型能够较精确的预测连杆衬套屈服强度,且预测能力较强,建模简单快速。

锥形壳体小端大螺纹返修技术

大螺纹结构作为锥形壳体小端装配联接的关键部位,加工难度大,精度要求高,加工过程中测量困难,试装失败制品返修的情况频繁发生。针对大螺纹返修过程的4个关键技术难题:刀具选用、装夹找正、试切对刀和测量方法进行研究,为锥形壳体小端大螺纹返修提供一套可靠的技术方案。

航天机械加工产品试验工艺文件编制规则研究

本文以航天产品机械加工工艺文件编制规则为研究内容,从内容、文件形式等方面,对我国航天产品机械加工工艺文件编制规则进行介绍,希望通过本文研究,为相关行业提供借鉴。

利用RBF神经网络预测反挤压连杆衬套过程中的挤压力

采用单因素试验法,利用模拟软件Simufact进行了锡青铜连杆衬套反挤压试验,试验选取了挤压温度、凹模圆角半径和挤压比为试验因素,挤压力为评价指标。基于MATLAB软件,建立了挤压因素与挤压力之间的RBF神经网络模型,得到挤压温度、凹模圆角半径、挤压比和挤压力之间的非线性关系。通过试验数据进行RBF神经网络模型训练,然后再用训练好的RBF神经网络模型预测挤压力,并将预测的挤压力值与模拟的挤压力值做对比。结果表明:该神经网络模型能高精度地预测反挤压连杆衬套过程中的挤压力。

QSn7-0.2锡青铜连杆衬套车削加工参数优化

以强力旋压加工后的锡青铜连杆衬套为研究对象,采取田口试验优化算法研究了切削速度、进给量和背吃刀量对连杆衬套表面粗糙度的影响。通过设计正交试验表对精车后衬套表面粗糙度进行测量并且对比精车后轮廓算术平均偏差Ra和微观不平度10点高度偏差Rz的信噪比极差值,然后分析这3个加工参数对于刀具寿命的影响,最后得到了3种参数对于表面粗糙度的影响程度为:进给量>切削速度>背吃刀量,以及传统经验取值范围内的最优参数组合:车削速度为190mm/min;进给量为0.04mm/r;背吃刀量为0.2mm。

基于Simufact筒形件强力旋压与变薄拉深应力应变分析

以锡青铜材料作为研究对象,在Simufact有限元仿真软件中,对相同毛坯分别进行强力旋压与变薄拉深的有限元数值模拟。以连杆衬套成形件的等效塑性应变和等效应力作为性能评价指标,比较2种成形工艺对连杆衬套性能的影响。结果发现,锡青铜连杆衬套三旋轮错距强力旋压衬套具有更高的强度,三次连续变薄拉深连杆衬套具有较好的塑性。最后采用拉伸试验验证了仿真结果的准确性。

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Simufact的QSn7-0.2衬套强力旋压与变薄拉深的成形精度

利用有限元仿真软件Simufact中强力旋压和变薄拉深模块分别对相同的连杆衬套毛坯进行了三旋轮错距强力旋压和3次变薄拉深两种工艺的数值模拟。以连杆衬套的实际外径、内圆度误差和壁厚偏差作为成形精度的评价指标,从而探究三旋轮错距强力旋压和3次变薄拉深两种工艺成形后的成形精度。结果表明,采用3次变薄拉深工艺加工成形后的连杆衬套成形精度略优于三旋轮错距强力旋压,但其强度低于强力旋压后工件的强度[1]。