KDP晶体单点金刚石切削表面粗糙度预测及实验研究

采用单点金刚石切削的方法加工了KDP晶体,利用回归分析的方法建立了表面粗糙度预测模型,达到了在加工前设计、预测和控制表面粗糙度的目的。利用预测模型分析了进给量、切削速度、背吃刀量对表面粗糙度的影响。通过优化设计获得了KDP晶体在该条件下的最佳切削参数,得到的表面粗糙度的最佳估计值为6.3389nm。利用最佳的切削工艺参数,加工出了表面粗糙度值为6.895nm的超光滑表面。     

基于激光散斑成像的零件表面粗糙度建模

表面粗糙度是衡量机械表面加工水平的重要参数. 通过构建一套激光散斑成像采集系统, 获取了不同表面加工类型和不同粗糙度值的零件表面激光散斑图像. 应用Tamura纹理特征理论提取图像的纹理粗糙度、对比度、方向度特征, 并分析了这三个特征与表面粗糙度的关系. 发现了纹理粗糙度特征与表面粗糙度的单调关系, 推导出平磨、外磨、研磨三种表面加工工艺的粗糙度值与图像纹理粗糙度特征的数学函数关系, 实现了表面粗糙度的测量. 同时, 利用Tamura纹理特征与加工工艺的依赖关系, 建立了基于贝叶斯网络的工艺识别推理模型, 推理出了零件表面加工工艺. 通过为多种加工类型表面建立粗糙度测量模型, 为粗糙度测量提供了新思路. 实验证明所提的粗糙度测量模型能以较高的准确率识别出零件表面加工类型并测量出其表面粗糙度值.     

脉冲激光与电化学复合的应力刻蚀加工质量研究

脉冲激光电化学复合加工可以有效去除激光辐照区域内的电解产物, 提高加工效率, 改善加工质量. 针对高性能金属材料的微细加工要求, 采用脉冲激光电化学复合的应力刻蚀加工方法对铝合金的刻蚀特性进行理论和试验研究. 通过比较激光直接刻蚀加工和激光电化学复合加工的特点, 应用扫描电子显微镜、光学轮廓仪等检测技术分析了刻蚀区域的形貌特征. 根据力学电化学原理, 探讨了金属材料微结构加工的应力去除机理. 通过加工试验, 研究了工艺参数和加工方式对加工质量的影响, 采用优化的工艺参数, 加工出了质量较好的微结构. 试验结果表明, 激光电化学复合的连续扫描加工稳定性好, 可以有效地降低表面粗糙度, 提高加工质量. 关键词： 激光电化学 应力刻蚀 加工质量 工艺参数     

球面光学零件气囊抛光工艺参数优化的研究

针对球面光学零件,采用气囊抛光方法对其进行加工,以正交实验为实验方法,以球面光学零件材料去除率和表面粗糙度为目标,研究了5个主要影响因素(气囊压缩量、气囊转速、内部压力、抛光液浓度和工件曲率半径)对材料去除率和表面粗糙度的影响程度,并根据实验结果优选工艺参数,找出影响材料去除率和表面粗糙度的工艺参数优化组合。以去除率和表面粗糙度为目标工艺参数,在优选后的结果指导下,根据优选后的工艺参数,以控制表面粗糙度为目标,采用离散进动方式抛光球面光学零件,可获得超精密的光滑表面。     

基于激光毛化技术的5052铝合金粘接试验研究

为了提高5052铝合金的粘接性能,利用脉冲光纤激光的短脉冲和高峰值功率的特性,对铝合金试件进行了激光毛化试验研究。通过正交实验法,研究了平均功率、扫描速度、脉冲频率和脉冲宽度等工艺参数对激光毛化质量的影响,以及各工艺参数的影响权重,并求得最佳工艺参数,最佳工艺参数为平均功率90 W、扫描速度10 mm/s、脉冲频率1000 kHz、脉冲宽度200 ns。根据优化后的工艺参数,加工获得了粗糙度2.35 μm,然后对激光毛化后的铝合金试件进行单搭接拉伸试验,研究发现粘接强度随着粗糙度的增大而增大,当粗糙度到达一定程度时,粘接强度反而会随着粗糙度的增大而减小。另外,粘接强度还跟铝合金表面的微织构的类型及疏密程度都有很大关系。     

磁流变抛光工艺参数的正交实验分析

对利用自行配制的水基磁流变抛光液和磁流变抛光实验样机进行了以抛光去除效率和表面粗糙度为考核指标的工艺实验。应用正交试验方法分析了磁流变抛光中主要工艺参数(磁场强度、抛光粉浓度、抛光盘的转速、抛光盘与工件间的间隙)对抛光去除效率和表面粗糙度的影响规律,并结合磁流变抛光机理对其进行了分析。根据实验结果对工艺参数进行了优化。     

脆性光学材料的超声磨削实验研究

分别采用超声磨削和普通磨削加工方法加工了几种脆性光学材料,研究了几种主要工艺参数对工件加工表面粗糙度的影响。结果表明,超声频率和振幅、金刚石磨料粒度、切深、工具的横向进给速度和旋转速度等工艺参数对表面粗糙度的影响较大。通过比较发现,超声磨削方法比普通磨削方法具有更好的加工表面粗糙度,更高的材料去除率,以及更低的工具磨损量。     

气囊抛光工艺参数的正交实验分析

针对平面光学零件,以抛光去除率和表面粗糙度为考核指标,应用正交试验法分析了气囊抛光过程中的主要工艺参数,包括抛光工具气囊的压缩量、气囊转速、气囊内部充气压力、抛光液的浓度对抛光去除效率和表面粗糙度的影响规律。结合气囊抛光的抛光机理对其进行了分析,根据实验结果对工艺参数进行了优化,并进行了综合参数的气囊抛光加工实验,获得了超精密光滑的表面。     

基于环摆式双面抛光法加工预测模型的去除均匀性研究

针对环摆式双面抛光难以建立稳定去除函数并进行加工面型预测这一问题,提出了基于磨粒运动学的环摆式双面抛光加工预测模型,并通过预测模型分析不同参数影响下元件表面去除均匀性,针对不同特征面型给出优化策略以指导加工实验。首先,根据环摆式双面抛光机理,探究了环摆式双面抛光中影响去除均匀性的主要因素,提出了元件上、下表面磨粒运动学模型,结合Preston方程给出了基于磨粒运动学的环摆式双面抛光去除均匀性预测模型。根据实际加工工况,分析了不同抛光均匀性影响因素下的磨粒轨迹分布与抛光去除非均匀性,最后通过加工实验验证环摆式双面抛光加工预测模型。实验结果表明：环摆式双面抛光加工预测模型的预测结果与实际加工结果基本吻合,其面型去除特征相同。元件上表面是元件去除非均匀性的主要来源,通过改变中心偏心距、径向摆动距离等参数能改变元件上表面的去除非均匀性,从而影响元件整体面型特征,并实现基于预测模型指导下元件表面面型的快速收敛。     

基于灰度共生矩阵的表面粗糙度研究

介绍了激光散斑的形成及其统计性质,拍摄大量不同加工工艺、不同表面粗糙度标准样块的散斑图像,基于激光散斑图像的灰度共生矩阵及惯性矩、角二阶矩、熵、相关性4个参量,对图像进行了纹理分析.分别绘制了不同加工工艺、不同表面粗糙度标准样块的4个参量与表面粗糙度关系的特性曲线.最后将实验结果和未知表面粗糙度工件的实验数据进行比对,准确估算出了工件的表面粗糙度.     

Electrical discharge machining of titanium alloy (Ti-6Al-4V)

In this study, the electrical discharge machining (EDM) of titanium alloy (Ti-6Al-4V) with different electrode materials namely, graphite, electrolytic copper and aluminium and process parameters such as, pulse current and pulse duration were performed to explore the influence of EDM parameters on various aspects of the surface integrity of Ti6Al4V. Scanning electron microscopy (SEM), X-ray diffraction (XRD), energy dispersive spectrograph (EDS) and hardness analysis were performed. The experimental results reveal that the value of material removal rate, surface roughness, electrode wear and average white layer thickness are tendency of increase with increasing current density and pulse duration. However, extremely long-pulse durations such as 200 μs led to decrease MRR and surface roughness. Furthermore, the surface hardness is increasing due to the Ti₂₄C₁₅ carbides formed on the surface and obvious cracks are always evident in re-solidified layer when machining copper electrode. The surface crack densities and critical crack lines were determined for the tested material. The graphite electrode is beneficial on material removal rate, electrode wear and surface crack density but relatively poorer surface finish.     

轨迹成型法加工球面光学零件新原理的研究

针对在现行球面光学零件加工的基本工序中存在的问题，提出了用轨迹成型法加工球面光学零件的新原理，并对其进行了深入研究。轨迹成型法加工新原理是零件在自身旋转的同时，以某一设定的曲率半径摆动的复合运动与磨轮的圆周运动相互干涉，形成凸或凹的球面。此加工原理的机床能够使加工工序集中化、磨床多用化、加工范围扩大化，而且使工件的面形精度和表面粗糙度容易得到保证，并且加工效率得到了提高，加工成本得到了降低。因此，该加工原理具有广泛的推广应用价值。     

基于粒子群优化算法的测光红移回归预测

星系的红移在天文研究中极其重要,星系测光红移的预测对研究宇宙大尺度结构及演变有着重要的研究意义。利用斯隆巡天项目发布的SDSS DR13的150 000个星系的测光及光谱数据进行分析,首先根据颜色特征并基于聚类的方法对星系进行分类,由分类结果可知早型星系的占比较大。对比了三种不同的机器学习算法对早型星系进行测光红移回归预测实验,并找出最优的方法。实验中将星系样本中u, g, r, i, z五个波段的测光值以及两两做差得到的10个颜色特征作为输入数据,首先构建BP网络,使用BP算法对星系的测光红移进行回归预测;然后利用遗传算法（GA）优化BP网络各层参数,将优化后的GA-BP算法应用于早型星系的回归预测试验中。考虑到GA算法的复杂操作会影响预测效率,并且粒子群算法（PSO）不仅稳定性高且操作简单,因此将粒子群算法应用到星系样本中早型星系的测光红移回归预测实验中,进而采用粒子群算法优化BP网络（PSO-BP）。实验中将光谱红移作为期望值,采用均方差（MSE）作为误差分析指标来评判三种算法的精度,将PSO-BP回归预测结果与BP网络模型、GA-BP网络模型进行比较。由实验结果可知,BP网络的MSE值为0.001 92,GA-BP网络的MSE值0.001 728,PSO-BP网络的MSE值为0.001 708。实验结果表明,所用到的PSO-BP优化模型在精度上优于BP神经网络模型和GA-BP神经网络模型,分别提高了11.1%和1.2%;在效率上优于传统的K近邻（KNN）测光红移估计算法, 克服了KNN算法中遍历所有数据样本进行训练的缺点并且其泛化性能优于其它BP网络优化模型。     

基于遗传神经网络的耙吸挖泥船泥泵转速预测

耙吸挖泥船泥泵管线模型是一个复杂的、非线性的动态模型,影响模型准确性的参数较多。为了根据当前施工条件和流量的优化值准确地预测转速,为施工人员提供参考,提高疏浚效率,采用了遗传算法改进的BP神经网络对泥泵转速进行预测。首先,遗传算法对BP神经网络的初始权值和阈值进行优化。然后,BP神经网络根据优化值对网络进行训练并对转速进行预测。为了验证该方法的有效性,将遗传BP神经网络的预测输出和实测泥泵转速进行对比。仿真结果表明：遗传BP神经网络具有很强的非线性拟合能力和全局搜索能力,能够准确地预测泥泵转速。该预测输出可为施工人员提供参考,以便改变泥泵转速,提高疏浚效率。     

An Investigation of Three-Dimensional Construction Methods in the Micromachining of Silicon Surfaces with an Ultraviolet Laser

１ＩｎｔｒｏｄｕｃｔｉｏｎＲｅｃｅｎｔｄｅｖｅｌｏｐｍｅｎｔｓｉｎｍｉｃｒｏｏｐｔｉｃｓ，ｍｉｃｒｏｅｌｅｃｔｒｏｎｉｃｓａｎｄｍｉｃｒｏｍｅｃｈａｎｉｃｓｒｅｑｕｉｒｅｎｏｖｅｌａｎｄｕｎｉｑｕｅｐｒｏｄｕｃｔｉｏｎｔｅｃｈｎｏｌｏｇｉｅｓｔｏ...     

基于神经网络的零件缺陷机器视觉识别系统

零件缺陷检测是保证零件使用安全的重要手段。传统的零件缺陷检测法需要有操作人员参与其中,易受主观因素影响,检测的效率及精度得不到良好的保证。而采用机器视觉技术的检测法可实现实时在线的自动检测,无需人工参与,这就极大的提高了生产效率。本文以小轴承表面为研究对象,针对微小轴承的表面结构、尺寸、检测精度和缺陷特征,设计了基于BP神经网络的零件缺陷机器视觉在线自动检测系统,其采用机器视觉技术,构建了BP神经网络检测识别模型,采用进行图像特征提取的间接识别方法,对微小轴承缺陷进行实时检测。实验结果证明了人工神经网络模型的检测能力的可靠性。     

基于PCA-BP神经网络的光谱消光法颗粒粒径反演算法研究

光谱消光法广泛应用于颗粒粒径测量领域,在利用光谱消光法对颗粒粒径进行反演的过程中,由于颗粒的消光系数存在理论复杂、计算繁琐、收敛速度慢以及求解不稳定等问题,很大程度上影响了整个反演过程的快速性和准确性。且在众多波长的消光数据中,存在较多重复冗余的信息,也很大程度上增加了反演算法的时间。针对光谱消光法粒径反演算法计算繁琐、反演效率低的问题,提出了基于主成分分析（PCA）和BP神经网络的光谱消光颗粒粒径分析方法。基于Mie散射理论对不同粒径、不同波长下的光谱消光值进行了仿真计算,通过对光谱消光数据集的主成分分析及各个波长综合载荷系数的计算,实现了最优特征波长的选取,利用降维后的光谱消光数据训练了PCA-BP神经网络模型,并利用该网络模型计算了粒径颗粒分布。通过仿真计算,比较了PCA-BP神经网络模型与传统的BP神经网络模型的预测精度,并分析了波长数目对两种神经网络模型预测结果的影响。针对训练得到的PCA-BP神经网络模型开展光谱消光法粒径参数反演算法的验证实验,搭建了光谱消光法颗粒粒径参数测量实验系统,测量了粒径范围在0.5～9.7 μm内的6种不同粒径参数的聚苯乙烯标准颗粒。仿真和实验结果表明：基于主成分分析方法可确定各个波长向量之间的相关性,利用综合载荷系数选取最优特征波长对应的消光值对整体的光谱数据具有较好的代表性,可实现光谱数据的降维。相比传统的BP神经网络模型,基于PCA-BP神经网络模型的颗粒粒径分布的分析方法预测精度更高,对于较分散颗粒系的分布参数的预测有更加明显的优势。而且,被选取的波长数较少时,PCA-BP神经网络模型依然有较高的预测精度。利用训练好的PCA-BP神经网络模型对颗粒粒径参数进行实验验证,预测结果可瞬时输出,颗粒粒径分布误差在5%以内,验证了该算法的可行性。     

离子束作用下的光学表面粗糙度演变研究

 为了获得超光滑光学表面,介绍了离子束作用下改善表面粗糙度的抛光方法,并通过相关的实验进行了验证。光学材料是典型的硬脆材料,在加工过程中的表面粗糙度要经历复杂的演变过程。离子束加工作为光学镜面加工中的最后一道工序,如果在修正面形的同时,能够有效地改善表面粗糙度,那么离子束加工的性能就可以得到更好的延伸。分析了离子束作用下的粗糙度演变机理,在此基础上提出了倾斜入射抛光和牺牲层抛光技术2种改善表面粗糙度的方法,并使用原子力显微镜进行了测量。实验结果表明：以45°倾斜入射抛光熔石英样件,其粗糙度由初始的0.67nm RMS减小到0.38nm RMS;涂上牺牲层的材料表面粗糙度由0.81nm RMS减小到0.28nm RMS,倾斜入射抛光和牺牲层抛光技术能够有效地改善表面粗糙度。