精密钣金成形技术在航空制造领域的应用分析

介绍了钣金成形技术的发展和精密钣金成形技术的应用,并对精密钣金成形技术过程中的关键技术和发展方向进行了分析。     

变形工艺对Ti-3Al-5Mo-5V动态压缩变形的影响

采用显微组织分析和工艺试验相结合的方法系统分析了变形工艺对Ti-3A l-5Mo-5V钛合金动态压缩变形行为的影响规律。结果表明,变形速率和变形量影响着合金动态变形局部化的程度(剪切带的宽度)和变形过程中出现的剪切带的类型,动态变形后剪切带区域的硬度与其他位置的硬度差异较大,这种差异可以通过变形后适当的后续退火处理来消除。     

Ti—10V—2Fe—3Al合金的应力诱发马氏体转变

研究了经不同固溶处理的Ti－1023合金在拉伸变形过程中的应力诱发马氏体转变特性，同时也测定了转变产物的晶体结构及激发应力。业已发现相变性质与固溶处理温度及冷却速率有密切关系。最后，讨论了应力诱发马氏体转变对合金拉伸性能的影响。     

TC_4钛合金超塑成形/扩散连接组合工艺应用研究

 TC4（Ti-6Al-4V）钛合金板材超塑成形/扩散连接（SPF/DB）组合工艺的可行性和对影响钛板SPF、SPF/DB的主要工艺因素。着重阐述某机框段和舱门的研制情况,提供了合理的工艺参数和流程。     

圆锥杯形件超塑胀形的力学分析

 研究了圆锥杯形件的变形模式,将其成形过程分为三个阶段。根据超塑性力学的基本方程和有关假设,对每一阶段的成形过程进行了分析,得出了各阶段的最佳加载曲线方程,不同加载方式下成形时间的计算方法以及最小厚度等几何参数的计算公式。最后,进行了简短的讨论。     

金属板材超塑性胀形工艺探讨与恒应变速率的微处理机控制

本文对金属板材TC_4钛合金在860℃高温下的超塑性胀形工艺作了力学分析,得出其各项参数变化规律,给出最佳加载的压力-时间变化曲线。用微处理机控制气压变化,使整个胀形过程中应变速率恒定,板材始终处于最佳超塑性变形状态。对不同材料的板坯,只要输入该材料的应变速率敏感指数和最佳应变速率等参数,就可自动实现各种材料最佳超塑胀形,获得壁厚均匀的良好制品。     

具有初始弯曲的转子系统的振动特性

具有初始弯曲的转子系统的振动特性与不平衡响应相比,既有相似之处,又存在独有的特点.从转子动力学理论出发,建立了适合工程应用的多自由度分析模型,给出了分析方法,并通过一实际转子系统的计算分析,阐述了其动力学特点.     

振动切削的精密微细切削特性

Ｚ向分离型振动切削的精密微细切削特性，以往是由“刚性化理论”进行解释的，具有一定局限性。本文应用动力学分析和弹塑性理论综合分析了振动切削抑制工艺系统变形有加工表面回弹，从而实现精密微细切削的机理，并通过实验证实了理论分析的正确性。     

薄钢板塑性成形损伤与断裂

本文用宏观与微观相结合的方法,试验研究了冷轧薄钢板在不同应变此ρ(=ε_2/ε_1)下的损伤演变过程。发现薄板的表面损伤有三种不同的形成机制:卽孔洞的形核、长大;晶面滑移和表面晶粒转动。内部损伤存在两种演变机制:当材料-0.5≤ρ<0范围内成形形时,主要损伤机制是孔洞长大;随应变比ρ由零转向1,裂纹扩展逐渐发展成为主要损伤演变机制。文中给出了一种新的损伤断裂几何模型。指出拉伸断裂是表面与内部损伤共同作用的结果。     

High Temperature Flow Stress Prediction of Nano-Al2O3/Cu Composite Using an Artificial Neural Network

Alumina dispersion strengthened copper composite （nano-Al2O3/Cu composite） was recently emerged as a kind of potentially viable and attractive engineering material for applications requiring high strength, high thermal and electrical conductivities and resistance to softening at elevated temperatures. The nano-Al2O3/Cu composite was produced by internal oxidation. The microstructures of the composite were analyzed by the TEM and its hot deformation behavior was investigated by means of continuous compression tests performed on a Gleeble 1500 thermo-simulator. Making use of the modified algorithm-Levenberg-Marquardt （L-M） algorithm BP neural network, a model for predicting the flow stresses during hot deformation was set up on the base of the experimental data. Results show that the microstructures of the composite are characterized by uniform distribution of nano-Al2O3 particles in Cu-matrix. The sliding of dislocations is the main deformation mechanism. The dynamic recovery is the main softening mode with the flow stress decreasing gently from 500℃ to 850 ~C. The recrystallization of Cu-matrix can be retarded late into as high as 850 ℃, when it happens only partially. The well-trained BP neural network model can accurately describe the influence of the temperature, strain rate, and true strain on the flow stresses, therefore, it can precisely predict the flow stresses of the composite under given deforming conditions and provide a new way to optimize hot deforming process parameters.