|
|
300M钢高速铣削表面粗糙度的影响特性研究 |
邵坤,王文理,何建勋,王明 |
中航工业北京航空制造研究所
数字化制造技术航空科技重点实验室 |
|
|
摘要 通过正交实验设计方法,开展了300M钢的铣削加工研究,对各种工况下加工表面的粗糙度进行了测量。运用极差分析方法,阐明了主轴转速、每齿进给量、轴向切深及径向切宽对表面粗糙度的影响程度和影响规律,并采用BP神经网络建立了表面粗糙度的指数预测模型。实验及分析结果显示,每齿进给量是影响300M钢逆铣表面粗糙度的主要因素,顺铣时主要影响因素则为轴向切深。同时,通过对比预测值和实验值,验证了表面粗糙度预测模型构建的合理性和有效性。
|
|
关键词 :
300M钢,
高速铣削,
表面粗糙度,
极差分析,
BP神经网络模型
|
|
[1] 唐雪明. 300M 钢激光相变硬化温度场的数值模拟 [D]. 西安: 西北工业大学,2006.
[2] 赵振业,赵英涛. 先进飞机结构材料的发展. 材料工程,1995 (1): 4-8.
[3] 李铭. 大型飞机起落架制造技术. 航空制造技术,2008(21): 68-71.
[4] 刘战强,黄传真,万熠,等. 切削数据库的研究现状与发展. 计算机集成制造系统,2004,9(11): 937-943.
[5] 闫雪,陶华,高晓兵,等. 300M 超高强度钢高速铣削切削力建模研究. 机械强度,2008,30(5): 860-863.
[6] 王崇勋. 300M 超高强度钢铣削过程仿真及实验研究[D]. 哈尔滨:哈尔滨理工大学,2013.
[7] 张保国,陈志同,熊曦耀,等. 涂层刀具铣削加工 300M 钢的刀具磨损试验研究. 航空精密制造技术,2008 (2): 41-44.
[8] 张德丰. MATLAB神经网络应用设计. 北京:机械工业出版社,2009.
[9] 丁怡,何卫平,张维,等. 基于BP神经网络的刀具寿命预测模型. 航空制造技术,2010(8):93-96. |
[1] |
范文涛,陈燕,陈逸佳,谢松峰,季珺杰,纪道航. CFRP 铣削加工三维形貌研究[J]. 航空制造技术, 2021, 64(9): 62-67. |
[2] |
马泳涛,翟林邦,朱泽华,张永宾,刘兰荣,马胜钢. 水射流表层改性技术研究进展[J]. 航空制造技术, 2021, 64(7): 28-35. |
[3] |
王亚霁,孙玉利,墨洪磊,袁航,朱力敏,陆波,郭凌曦. 单晶硅透镜铣磨工艺参数优化研究[J]. 航空制造技术, 2021, 64(7): 90-94. |
[4] |
王科昌,易鹏,朱烨均,丁文锋. 镍基高温合金K4125磨削性能与参数优化研究[J]. 航空制造技术, 2021, 64(7): 81-87. |
[5] |
李蕊芝,周香林,孙澄川,谢晨,温薇 . 微粒子喷丸技术研究进展[J]. 航空制造技术, 2021, 64(6): 82-87/95. |
[6] |
刘晓彤,王丙阳,戴宁,武立铭,王敬钊,胡全栋,李怀学. 激光选区熔化制备钛合金点阵材料无损表征[J]. 航空制造技术, 2021, 64(5): 24-29. |
[7] |
李本凯,丁文锋,马艳艳,肖红,黄庆飞,司文元,杨嘉 . 新型刚玉砂轮磨削GH4169镍基高温合金的性能评价研究[J]. 航空制造技术, 2021, 64(4): 14-19. |
[8] |
宋伟伟,黄云,肖贵坚,宋沙雨,张友栋. TC17 钛合金砂带磨削表面形貌形成及其预测研究[J]. 航空制造技术, 2021, 64(14): 56-62. |
[9] |
吴帮福,丁文锋,曹洋. 颗粒增强钛基复材轴向超声振动辅助磨削试验研究[J]. 航空制造技术, 2021, 64(11): 96-102. |
[10] |
李东升,游佳琪,王明明. 蜂窝夹层结构高精度面板的三维铣削研究[J]. 航空制造技术, 2020, 63(9): 74-82. |
[11] |
刘壮,邱一,郭超,高长水. 磨料电化学射流加工SiCp/Al 复合材料仿真和试验[J]. 航空制造技术, 2020, 63(8): 38-45. |
[12] |
李文琴,许金凯,于化东,张向辉,刘启蒙,于占江. 基于多目标优化的微铣削表面粗糙度检测指标研究[J]. 航空制造技术, 2020, 63(19): 66-72. |
[13] |
王成,周泽琛,杨继冲. 喷丸强化纯铝表面完整性的数值研究[J]. 航空制造技术, 2020, 63(12): 60-66. |
[14] |
高航,彭灿,王宣平. 航空增材制造复杂结构件表面光整加工技术研究及进展[J]. 航空制造技术, 2019, 62(9): 14-22. |
[15] |
裴宏杰,陈钰荧,李公安,刘成石,王贵成. 基于Copula函数的铣削力、振动与表面粗糙度的相关性分析[J]. 航空制造技术, 2019, 62(9): 59-67. |
|
|
|
|