铌酸锂晶体的研磨亚表面损伤深度

针对光学材料研磨过程引入的亚表面损伤层（SSD）深度对工件的抛光工序效率和表面质量的影响,探索了光学材料在研磨过程中的亚表面损伤规律。采用角度抛光的方法测量了软脆材料铌酸锂（LN）晶体的损伤层深度,分析了研磨方式、磨粒粒径和研磨压力对工件亚表面损伤层的影响规律。结果表明：研磨方式对损伤缺陷的影响最为显著,相同研磨条件下游离磨料研磨后的损伤层深度约为固结磨料研磨的3~4倍,游离磨料研磨后工件亚表面存在多处圆弧形裂纹,固结磨料研磨后主要显现细小裂纹和＂人＂字型裂纹;当磨粒粒径从W28下降到W14后,游离研磨的亚表面损伤层深度下降至原来的45%,而固结研磨的损伤层深度下降至30%;另外,研磨压力的降低有利于减小工件的亚表面损伤。该研究对LN晶体研磨方式及研磨工艺的选择具有指导意义。

游离碳化硅磨粒辅助的蓝宝石固结磨料研磨研究

采用两种铜粉添加量的FAP,探索游离碳化硅磨料含量对蓝宝石研磨材料去除率和工件表面粗糙度的影响。结果表明:使用相同的研磨液时,铜粉含量高的FAP材料去除率大,表面粗糙度Ra差别不明显;使用相同的研磨垫时,材料去除率随研磨液中碳化硅浓度的增加而增加,FAP的自修正特性随碳化硅浓度的提高而改善。

固结磨料研磨蓝宝石晶片的工艺优化

为了满足蓝宝石晶片高效低损伤的加工要求,采用亲水性固结磨料研磨垫研磨蓝宝石晶片的工艺,研究基体中碳化硅粒度尺寸、基体类型、金刚石粒度尺寸及研磨液中磨料4个因素对材料去除率和表面粗糙度的影响,并综合优化获得高加工效率和优表面质量的工艺参数。实验结果表明：基体中碳化硅粒度尺寸为10μm、基体类型为Ⅱ、研磨垫采用F公司粒度尺寸为35~45μm的金刚石、研磨液中磨料的粒度尺寸为5μm的碳化硅为最优工艺组合,亲水性固结磨料研磨蓝宝石的材料去除率为431.2nm/min,表面粗糙度值为Ra0.140 2μm。

基于遗传算法和神经网络的软脆工件研磨加工工艺智能决策系统

目的解决研磨抛光工艺决策中工艺试验耗时耗力的问题,实现在研磨抛光加工中根据加工工艺参数对加工质量进行预估。方法采用遗传算法优化的BP神经网络为主要算法,构建智能预测模型,建立研磨加工中输入参数和输出参数之间的映射关系。然后收集有效的输入参数和输出参数作为网络训练和测试的样本数据集,通过遗传算法对神经网络的初始化权值和偏置进行优化,用样本数据集训练神经网络。同时,在决策系统的理论基础上,将神经网络与决策系统进行结合,利用神经网络的学习能力建立智能决策的数据库和规则库,最终建立智能决策系统。结果与无改进的BP神经网络的决策方法相比,无论是在预测精度,还是学习速度上,遗传算法优化的神经网络性能更加优异,决策系统的决策效果更好。结论研磨加工工艺智能决策系统是可行的,为研磨加工的工艺决策提供了一种新的思路。

基于精细积分全离散法的变齿距铣削稳定性研究

变齿距铣刀铣削作为一种有效的颤振抑制方法,受到了国内外学术界和工业界的广泛关注。针对变齿距引发的系统多时滞问题,提出了一种适用于变齿距铣削稳定性高效预测的精细积分全离散法。基于再生颤振原理,构建了考虑螺旋角的变齿距铣削动力学时滞微分方程。对时滞微分方程中的状态项与时滞项进行线性插值,构建状态传递矩阵,然后基于Floquet理论,获得系统的稳定性叶瓣图。在稳定性预测过程中,运用精细积分算法,避免了求解矩阵指数时的求逆运算,有效提升了计算效率。改进半离散法的对比及时域仿真试验表明,该方法具有更高的预测精度和计算效率。