超硬砂轮磨削高温合金粘附修锐技术研究

针对高温合金超硬砂轮磨削粘附的特点,将高温合金磨削粘附分为轻度粘附、中度粘附、重度粘附、粘连粘附等几种形式,通过分析磨屑生成机理,解释了磨削粘附原因。验证了超硬砂轮新型磨削修锐方法的可行性。避免了在磨粒切削能力没有损失情况下,只因为粘附物附着的原因无法使用的情况,大幅提升超硬砂轮使用寿命。     

超硬微结构光学功能表面的ELID磨削加工技术*

针对超硬微结构功能表面的ELID磨削技术研究现状进行综述,介绍了超精密磨削技术在超硬微结构光学功能表面加工方面的研究进展,同时也介绍了ELID磨削技术应用于微结构加工方面的研究现状,探讨了采用ELID对超硬微结构光学功能表面进行磨削加工的可行性及面临的问题,并对微结构光学功能表面的ELID加工技术的发展和应用进行预测和建议。     

超声磨削陶瓷材料磨削力研究

以磨削力为研究对象,从宏观力学角度进行理论分析,并通过超声磨削实验研究磨削力在不同参数下的变化情况.实验表明:在一定条件下,超声磨削下的磨削力随超声频率、砂轮速度的增加而减小;随磨削深度、工作台速度的增加而增加,实验结果与理论分析有较好的一致性.     

高效切削与高完整性加工技术

高效加工是满足日益提高的产品精度和生产效率要求的必要措施.选择合适的高效切削加工工艺和高完整性加工技术,可以在大幅降低生产成本的同时实现加工工件的高尺寸精度和高表面完整性.对高效切削加工工艺及高完整性技术进行综述,介绍和分析包括高速切削技术、复合加工技术、先进加工刀具、高效冷却技术和新型高完整性加工原理及其技术应用.研究表明,切削高速度、刀具高效率、机床高复合、冷却高环保以及新型高完整性加工技术是高效切削及切削后续工艺的重要发展方向.     

颗粒增强钛基复材缓进深切磨削加工研究

颗粒增强钛基复合材料(PTMCs)属于典型的难加工材料,在航空航天领域具有广阔应用前景.本文开展了PTMCs材料的缓进深切磨削研究,揭示了磨削用量和磨削方式(顺磨与逆磨)对磨削力与磨削温度的影响规律,同时利用有限元法分析了磨削温度场特征和材料去除机理.研究发现,缓进深切磨削PTMCs时,磨削力随工件进给速度和切深增加而增加,顺磨时的磨削力比逆磨大10％～20％,而顺磨的磨削温度要比逆磨约低10％.由于逆磨和顺磨工件的温度分布不同,当切深大于0.6mm、工件进给速度大于400mm/min时,顺磨比逆磨更易发生烧伤.在此基础上,提出了顺磨与逆磨条件下磨削温度场仿真计算的不同热源模型与边界条件,分别获得了两种磨削方式的温度分布特征,有限元仿真结果与试验结果相符.颗粒增强钛基复材磨削表面典型加工缺陷是表面涂覆和硬脆增强相破碎和拔出导致的孔洞,单颗磨粒切厚对硬脆增强相的去除行为有显著的影响.     

高纯钨磨削加工试验研究

为探究适用于高纯钨磨削加工的砂轮,使用80~#绿碳化硅砂轮和金刚石砂轮开展磨削对比试验,从工件表面粗糙度角度评价上述两种砂料对高纯钨磨削加工表面的影响。试验结果表明,绿碳化硅砂轮对应的工件得到了更理想的表面粗糙度。使用绿碳化硅砂轮开展工艺试验,分析在不同磨削参数下加工表面粗糙度的变化趋势,以此为依据对高纯钨磨削加工工艺参数进行评价与优化。综合考虑加工表面粗糙度以及加工效率,得出适合于钨磨削加工的参数为砂轮线速度v_s=23m/s、磨削深度a_p=8μm、工作台进给速度v_w=10m/min,该参数下得到的表面粗糙度均值为0.336μm。     

机器人自适应砂带磨削镍基高温合金精铸叶片试验研究

镍基高温合金精铸叶片由于其铸造余量大、定位无基准等,在加工时难以保证其加工精度。采用机器人砂带磨削方式并结合自适应加工技术,对镍基高温合金航空发动机精铸叶片进行磨削。通过对精铸叶片采用三坐标6点迭代的方式,确定航发叶片相对于夹具的位置;然后进行轨迹规划并提取点位信息,建立四阶齐次矩阵反求出机器人运动轨迹,保证磨削位姿和磨削参数;最后根据叶片型面余量信息,采用自适应加工方法,对航发精铸叶片进行定量的材料去除,保证其加工精度。     

二维超声磨削纳米陶瓷的磨削温度特性研究

采用人工热电偶法,通过普通磨削和二维超声振动磨削对比实验,对纳米ZrO2陶瓷材料平面磨削温度进行了实验研究,并对磨削参数与磨削温度的关系,进行了理论分析及实验验证。     

硬态切削技术

本文通讨论硬态切削应用现状、加工机理和硬态切削加工的表面特性,以期促进硬态切削技术在生产实际中有更广泛的应用。     

基于强化学习的机械臂关节高精度控制方法研究

为提高空间机械臂自主操作能力,满足在多种不确定场景下的智能化精细操作需要,本文提出一种基于概率推断式强化学习的关节控制方法,在传统关节控制的基础上实现了控制参数的自主学习与优化.该方法主要包含两层循环,外循环通过学习交互数据在线辨识关节模型,内循环依据更新后的关节模型优化控制参数,经过数代学习逐渐使控制性能达到最优.该方法学习效率高,且相较于传统PID方法,对环境的适应能力更强,能有效提高复杂条件下机械臂关节的控制精度.数值仿真结果证明了该方法的有效性.