磨料水射流微细雕刻技术的研究

磨料水射流微细雕刻技术的研究

ID:11497602

大小:633.45 KB

页数:5页

时间:2018-07-12

磨料水射流微细雕刻技术的研究_第1页
磨料水射流微细雕刻技术的研究_第2页
磨料水射流微细雕刻技术的研究_第3页
磨料水射流微细雕刻技术的研究_第4页
磨料水射流微细雕刻技术的研究_第5页
资源描述:

《磨料水射流微细雕刻技术的研究》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、文章编号:16732159X(2006)0320092204磨料水射流微细雕刻技术的研究杨桂林,雷玉勇,贾强,邱刚,马超,宋清俊(西华大学机械工程与自动化学院特种加工研究所,四川成都610039)摘要:根据磨料水射流加工的特点,建立了磨料水射流加工的神经网络模型。用训练好的神经网络模型来预测给定加工条件下的进给速度,并根据加工路径和机床的特性对进给速度进行修正,并编写数控代码。通过控制水射流的进给速度来间接控制其刻蚀深度,同时获得加工轨迹的圆滑过渡,从而实现磨料水射流的雕刻工艺。本文以不锈钢为原材料,以

2、JJ2I数控水射流机床为实验平台,根据机床的特性手工编程,成功雕刻出微型摩托车图形。关键词:磨料水射流;雕刻;微细加工;切割速度;人工神经网络中图分类号:TH16文献标识码:A同时要根据刻蚀工件材料的性质、图案形状、刻蚀深度、磨料水射流工艺参数以及加工的质量要求等对喷头的运动参数———速度和加速度进行精确控制。本文作者首先建立磨料水射流切割的人工神经网络模型,并应用所建立的模型来预测喷头移动速度。通过对喷头运动速度的控制来间接控制磨料射流的刻蚀深度。通过手工编程,在JJ-I型万能数控水射流切割机床上成功

3、完成微型摩托车图案的雕刻。0引言磨料水射流是通过高速水射流束来加速固体磨料粒子(Abrasives),从而形成超高速固液两相介质射流(AWJ)。磨料水射流具有对高强度、高硬度、脆性和难加工材料,如不锈钢、钛合金材料、陶瓷、玻璃材料等的切割加工能力,在制造业得到越来越广泛的应用。磨料水射流利用高能固体粒子对材料进行蚀除,而高能水束(液体质点)以其力和热效应以及摩擦、压挤、抛光和熨烫等作用辅助固体粒子完成材料的蚀除。磨料水射流切割属于高能束加工范畴,与激光、等离子体、电子束加工工艺相比,具有显著特点。磨料水

4、射流介质成本低、清洁,切割过程中无尘、无毒、无火花、噪音小,环境友好,因此属于绿色环保工艺;水射流切割属于无机械接触“冷切割”,绝无机械应力、热变形、无受热影响区域(HAZ)产生,不会改变被切割物质的物理和化学特性,因而成为对热敏感物质的最佳切割工具;水射流切割适应性好、切割品质优良、切缝窄、材料损耗少;水射流切割可以方便地与计算机控制系统结合起来,使它成为一种全新的先进数控加工工具。虽然磨料水射流切割工艺已成为世界上成长最快的加工工艺之一,但是应用磨料水射流进行雕刻工艺的研究在国内还未见到。其原因是磨

5、料水射流这种工具具有“柔性”特征,因此对其进行精确控制相对复杂。在雕刻过程中,不仅要控制喷头的位置,1关键技术由于目前国内还没有专用的磨料水射流加工数控系统,因此磨料水射流切割机床大都借用通用数控系统。一般需要手工编程数控代码或者通过CAD/CAM系统设计(或输入)零件几何图形,由自动编程系统产生零件加工数控代码,然后指令信号发送给机床控制系统完成零件加工,加工流程如图1所示。图1数控水射流加工流程和简单的切割加工不同,要实现微细雕刻工艺,必须首先解决两个关键技术:1)切割深度控制;2)加工路径上直线-

6、弧线-直线段间的加减速控制。由于水射流切割深度与射流系统、材料工程性质和机床运动参数等有关。一般来讲,水射流系统功率越收稿日期:2005211210基金项目:四川省人事厅学术带头人培养资金(0422006);四川省科技厅项目资助(05202073)作者简介:杨桂林(19782),男,黑龙江省齐齐哈尔市人,西华大学机械工程与自动化学院2003级硕士研究生,主要研究方向:机电一体化技术。E2mail:yuyong2lei@mail.xhu.edu.cn93第3期杨桂林等:磨料水射流微细雕刻技术的研究大,切割

7、深度越深;材料强度越高,切割深度越小;喷头移动速度越慢,切割深度越深。为了简化问题和方便控制,本文作者采用控制磨料喷嘴沿路径的移动速度来间接控制切割深度。一般来说,在雕刻工艺过程中,图案除了直线段以外,往往还有弧线段。由于磨料水射流本身的特点,在直线段与弧线段或者弧线段与直线段的过渡处,刻蚀图案往往会产生锯齿状的瑕疵,有时甚至破环整个图形的美观造型。解决这个问题的办法是控制这些过渡处的加(减)速度,使运动平稳过渡。关。本文结点数的选取主要在Matlab上进行实验,得出合适的结点数。213ANN模型的算法

8、及训练这种映射实质上是把一组样本的输入输出问题转化为非线性优化问题,用已知样本作为教师,对网络的连接权值(阀值含与权矢量)和误差反复修正学习,经过训练的神经网络能对类似样本的输入信息自行处理,从而输出误差最小的经过非线性转换的信息。本文作者利用MATLAB的神经网络工具箱,编程训练所构造的AWJ加工神经网络。MATLAB神经网络工具箱提供了统一的权值初始化函数、学2神经网络模型为了获得在特定工艺条件下刻蚀图形的加工速5习规则函数以及训练函数

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。