3D打印镍基合金GH3536化学机械抛光机理研究

目的实现无瑕疵的3D打印镍基合金GH3536超光滑镜面,揭示镍基合金GH3536在不同成分溶液下的化学机械抛光(Chemical Mechanical Polishing,CMP)去除机理。方法采用单因素实验法通过CMP对镍基合金GH3536展开研究。采用电化学测试技术和X射线光电子能谱(X-rayPhotoelectron Spectroscopy,XPS)分析3D打印镍基合金GH3536在不同p H值、不同氧化剂浓度和不同抛光液类型下的溶解与钝化行为。结果当pH值为3~3.5、H_(2)O_(2)质量分数为10%时,可获得最优的材料去除率(MRR为20.24 nm/min)和表面粗糙度(Surface Roughness,其中Ra为0.684 nm,S_(a)为1.699 nm),CMP抛光面可达到超光滑低损伤的镜面效果。根据电化学和XPS测量结果,建立了化学反应方程,确定了去除机理,具体为:在化学机械抛光过程中,镍基合金GH3536表面首先被H_(2)O_(2)氧化成Ni、Fe等氧化物;其次,在酸性H^(+)作用下,氧化物转化为Ni^(2+)、Ni^(3+)和Fe^(3+)等多价离子;最后,多价离子会与柠檬酸发生络合反应生成较软的柠檬酸盐络合物,在CMP抛光中发生去除。结论与传统电化学加工相比,采用CMP加工的3D打印镍基合金GH3536的表面粗糙度更低,表面形貌更好,可用于对面型精度要求较高的镍基合金的超精密加工。基于电化学测试技术和XPS深度剖析的方法有效揭示了镍基合金GH3536的材料去除机理,获得了不同p H值、氧化剂浓度和不同抛光液种类对材料去除机理的影响规律。为获得新型高质量表面的3D打印合金材料提供指导意义。

基于BP神经网络与遗传算法的固结磨具制作工艺参数优化

目的利用BP神经网络技术与遗传算法寻找固结磨具制作最优工艺参数组合,实现固结磨具制作工艺参数的快速寻优。方法设计磨粒粒径、磨粒质量分数、成型压力、烧结温度的正交工艺参数表,按正交表工艺参数制作蓝宝石晶片加工用的Cr_(2)O_(3)固结磨具,并且设计不同固化温度下制作的固结磨具的硬度与抗压强度测试试验,验证自制的固结磨具加工的有效性以及固化温度选择的合理性。使用自制的Cr_(2)O_(3)固结磨具在抛光机上进行加工试验,测量蓝宝石晶片的去除率和Cr_(2)O_(3)丸片的磨削比。综合考虑丸片的磨削效率与使用经济性,将去除率与磨削比采用min-max方法归一化后,乘对应的权重值并相加,得到丸片综合评分Y,作为丸片的评价标准。以磨粒粒径、磨粒质量分数、成型压力、烧结温度为输入,综合评分Y为输出,建立基于神经网络的丸片制作工艺参数与丸片综合评分Y之间的BP神经网络预测模型,并使用决定系数R2评价BP神经网络的训练结果。最后,设计初始化种群个体N、交叉概率Pc、变异概率Pm的正交试验表,基于构建的神经网络,根据正交试验表,使用遗传算法进行制作工艺参数的全局寻优。依据寻优结果制作丸片并进行试验,计算综合评分Y,与预测评分对比。结果构建了4个输入层神经元、12个隐含层神经元、1个输出层神经元的三层BP神经网络。构建的BP神经网络的决定系数R2为0.9313,丸片综合评分Y的预测值与实际值的误差在4%以下,满足工程的实际应用。在给定的工艺参数范围内,在参数组合为初始化种群个体N为80、交叉概率Pc为0.6、变异概率Pm为0.06的条件下,使用遗传算法寻优得到的蓝宝石加工用Cr_(2)O_(3)固结磨具最优的制作工艺参数组合为:磨粒粒径10μm,磨粒质量分数88%,成型压力80 MPa,成型温度174℃。丸片综合评分Y的寻优值为94.09,试验得到的丸片平均综合评分Y为89.87,与寻优值的误差为5%。结论BP神经网络可以有效建立固结磨具制作工艺参数与丸片综合性能的预测模型。神经网络结合遗传算法寻优,可以为固结模具制作工艺参数组合的优化选择提供指导意义。

基于正交切削理论的高温粉末合金切削过程参数优化

高温粉末合金切削加工过程中涉及复杂的热-力动态耦合,常使刀具发生损坏,影响效率和加工成本。综合传统高温合金正交切削模型,基于Johnson-Cook材料本构方程和失效模型建立了考虑前后刀面摩擦的切削力计算模型。利用该双摩擦切削力模型计算GH4169高温合金切削过程中的切削力,并得到与文献试验值一致的结果。利用有限元仿真软件计算相同参数下的切削力,获得数据与试验值和计算值接近,表明该双摩擦切削力计算模型符合实际情况。通过调整不同的刀具前角参数,得到切削力和切削最高温度随刀具前刀面角度变化的趋势。