基于MEA-BP神经网络的超声挤压加工表面粗糙度预测

为了有效预测超声挤压加工工件的表面粗糙度,建立以转速,进给速度,振幅,挤压力,挤压次数为输入参数,表面粗糙度为输出结果的预测模型。该模型利用思维进化算法(mind evolutionary algorithm,MEA)的全局搜索能力对BP神经网络的权值和阈值进行优化。为了验证该模型的有效性,对45号钢进行超声挤压加工后,使用BP神经网络进行预测,通过引入思维进化算法(MEA)和遗传算法(GA)优化BP神经网络的权值和阈值,并对3种模型的预测精度进行对比分析。结果表明:在相同的实验条件下,MEA-BP模型的预测结果最精准,与BP神经网络相比,该模型精度高,运行速度快。

超声波振动挤压加工表面粗糙度试验研究

对超声波振动挤压加工中工件表面粗糙度的形成机理及规律进行了试验研究及分析 ,并对其主要工艺参数进行优选。

嵌入式超声振动挤压加工装备数控系统的研究与开发

在深入研究嵌入式系统技术和超声振动挤压加工特点的基础上,提出了一种基于ARM和μC/OS–Ⅱ的嵌入式超声振动挤压加工数控系统的设计方案,该方案的硬件结构以高性能低功耗的32位ARM嵌入式处理器LPC2220为核心,配以系统所需的外围模块和各种接口电路;其软件系统以源码公开的μC/OS-Ⅱ实时嵌入式操作系统为核心,开发系统所需的应用软件,将μC/OS-Ⅱ实时嵌入式操作系统扩展为一个完整、实用的嵌入式超声振动挤压加工数控系统。

小孔超声振动挤压加工用变幅杆的优化设计

为了设计小孔超声振动挤压加工用变幅杆,提出了一种复合型变幅杆的优化设计方法。采用多项式响应面法、克里金法和支持向量回归法构建了根据变幅杆的结构参数预测其性能参数的代理模型,评价了代理模型的精度。结合精度较高的代理模型,基于遗传算法对该复合型变幅杆进行了优化设计。经仿真实验验证了该优化方法的有效性。加工试验结果表明:所设计的变幅杆满足使用要求,加工效果理想。

挤压温度和超声振动频率对汽车控制臂性能的影响

采用不同的挤压温度和超声振动频率进行了AZ80镁合金汽车控制臂成形,并进行了零件力学性能的测试与分析。结果表明：随挤压温度从250℃提高至450℃,超声振动频率从15 Hz提高至65 Hz,零件的强度先提高后下降。AZ80镁合金零件的挤压温度和超声振动频率分别优选为350℃和45 Hz。

基于NSDBO算法的超声振动挤压工艺参数优化

为获得表面硬度和残余应力的最优组合,采用超声振动挤压工艺对304不锈钢工件进行正交实验,获取了加工数据;利用PSO-SVR算法和线性回归方法分别建立了表面硬度和残余应力的预测模型;采用NSDBO算法对加工参数(主轴转速、进给速度、超声功率及静挤压量)进行了多目标优化设计;最后,对求解获得的工艺参数组合进行实验并验证了其有效性。结果表明,主轴转速为115~347 r·min^(-1)、进给速度为0.056~0.130 mm·r^(-1)、静挤压量为49.8~71.7μm、超声功率为20.155~32.206 W时,可获得表面硬度和残余应力之间的最佳平衡,此时残余应力为-373.175~-487.436 MPa、表面硬度为10.837~15.689 HRS。上述方法不仅可获得最优加工参数组合、提升表面性能和寿命,同时可以缩短实验周期、降低成本,提高加工效率,也为超声振动挤压加工技术在航空航天及其他工业领域中的应用提供了理论基础和实验支持。

齿轮齿面强化方法概述

齿轮传动以其优良、可靠的传动性能,广泛应用于各工业领域。齿轮在啮合过程中的表面损伤以及由于过载作用而导致的齿轮轮齿折断是齿轮传动过程中的主要失效形式。因此,研究齿轮的齿面强化方法具有极高的社会和经济价值。根据近几年国内外在材料强化方面的研究进展及在齿轮上的应用,总结和讨论了齿轮的齿面强化方法:表面渗氮和渗碳技术、热喷涂技术、激光淬火技术、喷丸强化技术,以及超声挤压加工技术。并详细介绍和探讨了超声挤压加工技术的原理、强化效果和今后的发展。

降低高压射线管金属零件表面粗糙度的研究

对射线管用不锈钢阳极筒在超声波振动挤压加工前期处理、过程中的夹具结构、工件装卸方法步骤、振动挤压工具头对工件的振动挤压工艺参数的调试、加工前后阳极筒机械性能参数的对比、表面粗糙度Ra2.0从微米级提升至Ra0.039纳米级变化的过程都进行了较为详尽的阐述。对装管后击穿电压的测试数据进行了对比,击穿电压从60kV提高到100kV。该技术应用于射线管管内高压零件表面去除毛刺、降低表面Ra值、提升装管后击穿电压参数是比较成功的试验。