磨粒流去除电解加工型面腐蚀层的工艺研究

介绍了整体叶轮叶片型面经电争加工成形后为去除晶间腐蚀和表面腐蚀层采了以的磨粒流加工的主要工艺措施及其效果。     

基于多颗磨粒随机分布的虚拟砂轮建模及磨削力预测

利用VHX-600E型超景深显微镜测量了金刚石砂轮表面的磨粒分布情况,计算得到了砂轮表面的磨粒密度、真实接触弧长以及砂轮总的磨粒数和有效磨粒数。基于磨粒间隔分布假设和虚拟格子方法在虚拟砂轮端面随机分布等磨粒密度的多颗正六面体磨粒,并随机分配磨粒的位姿以模拟砂轮的真实形貌。将1/4虚拟砂轮模型导入Deform-3D软件中,建立三维虚拟磨削仿真模型,采用Lagrangian Incremental算法获得多颗磨粒的仿真磨削力值,并建立了基于多颗磨粒磨削仿真的磨削力预测模型。通过金刚石砂轮端面磨削硬质合金刀片的实验,比较了实测磨削力与预测磨削力;仿真与实验结果具有一致性,证明了采用本方法建立的多颗磨粒虚拟磨削仿真模型可以用于磨削力预测,为多颗磨粒共同磨削的磨削力研究提供了新的思路。     

航空发动机涡轮叶片冷却气膜孔加工去除重熔层技术

为提高叶片工作时的冷却效果,叶片的气膜孔设计的越来越复杂,涡轮叶片的冷却气膜孔加工作为一项重要的技术至为关键。现有的条件下对气膜孔的加工进一步研究,基于挤压磨粒流加工理论,采用挤压磨粒流加工工艺试验方法,对叶片冷却气膜孔做控制磨粒流孔径增加量从而去除重熔层的实验。当磨粒流孔径伽．3增加量为0．04时,孔径蜘．5增加量为0．02时,就可消除重熔层的结果,说明了通过磨粒流去除重熔层和微裂纹具有非常满意的去除效果。     

基于混合神经网络模型的磨粒电荷检测方法研究

由于传统的滑油磨粒在线监测方法无法获取电荷分布位置信息,难以准确测量荷电颗粒数目及其携带的电荷量。为此,本文提出一种基于静电层析成像（Electrostatic tomography,EST）技术和深度学习算法的荷电颗粒检测方法。对EST传感器测量数据采用BP神经网络算法重建出测量截面上电荷的分布图像,采用卷积神经网络（Convolutional neural networks,CNN）算法分析重建图像以识别荷电颗粒数目,将识别的颗粒数目和传感器测量数据组合成输入向量,通过1个多层前馈网络确定带电颗粒数目、感应电荷值与颗粒电荷量值之间的映射关系,得到准确的各颗粒的电荷量值。实验结果表明：混合神经网络模型对数据样本的测量误差为9%,可满足滑油监测对于准确性的要求。     

航空用不锈钢磨粒流光整加工表面完整性研究

为研究磨粒流光整加工不锈钢闭式整体叶环的表面完整性，通过对电火花制备的不锈钢试样进行加工时间、加工压强及磨料目数的单因素试验，研究3个因素对加工后表面完整性的影响。结果表明：表面粗糙度Ra随着加工时间的增加而降低，从初始时的1.459μm降至60 min时的0.193μm，降低速率越来越慢，最后趋于稳定。磨粒流加工有效去除了加工表面再铸层。显微硬度在加工后明显降低，由450～950 HV降至270～350 HV且分布均匀性得到改善。显微硬度随着加工时间的增加整体上呈降低趋势，并出现了一定的加工硬化现象。在使用不同目数的磨料进行磨粒流加工后，残余应力由拉应力变为压应力。随着加工时间和加工压强的增加，试样表面越平整，抛光效果越好。