钛合金铣削加工表面层显微硬度测定方法

    公开(公告)号:CN111678823B

    公开(公告)日:2023-02-21

    申请号:CN202010572580.7

    申请日:2020-06-22

    Abstract: 一种钛合金铣削加工表面层显微硬度测定方法,通过对钛合金铣削表面层的微观组织进行表征分析,以及钛合金Ti6Al4V材料的内在微观组织演变与切削变形宏观物理场之间的关系,构建基于真实组织演变的钛合金材料塑形变形本构模型;再构建切削表面层晶粒尺寸和显微硬度预测模型;最后通过有限元二次开发技术将上述模型嵌入到有限元系统中,得到不同工艺条件下的仿真铣削表面层显微硬度分布规律。本发明为实现加工表面层微观组织的显微硬度主动调控,以及提高服役零件的疲劳寿命提供依据。相比于试验检测技术,本发明可大大降低人力物力成本,提高效率。

    缸盖铝屑清洗装置
    5.
    发明公开

    公开(公告)号:CN110813919A

    公开(公告)日:2020-02-21

    申请号:CN201911107452.9

    申请日:2019-11-13

    Abstract: 一种缸盖铝屑清洗装置,包括:铝屑收集盒、真空机构和牵引机构,其中:真空机构活动设置于牵引机构上并通过收集管与铝屑收集盒相连;牵引机构包括:底座、牵引电机、设备立柱和传动缆,其中:设备立柱对称设置于底座上,牵引电机设置于底座上,传动缆设置于设备立柱上并且两端分别与牵引电机和真空机构相连;真空机构包括:真空箱和设置于真空箱上的抽气阀门、放气阀门、侧盖,其中:真空箱设置于牵引机构内并且一侧与收集管相连,侧盖设置于相对另一侧面上,抽气阀门和放气阀门相对设置于真空箱顶部靠侧盖一侧。本发明通过设置真空机构和牵引机构,将缸盖放入真空箱中,通过真空负压进行铝屑清洗,提高了生产效率,减少了使用清洗液的污染问题。

    一种复合材料叶片钛合金包边的铣削加工方法

    公开(公告)号:CN117754031A

    公开(公告)日:2024-03-26

    申请号:CN202311600978.7

    申请日:2023-11-28

    Abstract: 本发明涉及一种复合材料叶片钛合金包边的铣削加工方法,采用夹具a和夹具b,工艺流程包括:预处理→第一次施胶→第一次固化→第一次铣削加工→第一次溶胶→第二次施胶→第二次固化→第二次铣削加工→第二次溶胶→后处理;复合材料叶片钛合金包边由薄壁部分I(内外表面为区域a、a*)、结点部分(内外表面为区域b、b*)和薄壁部分II(内外表面为区域c、c*)连接而成;复合材料叶片钛合金包边的内外侧面分别由区域a~c、区域a*~c*连接而成;夹具a中设有凹槽,其内表面由区域a'~c'顺序连接,夹具b中设有凸起,其外表面由区域a^~c^连接。本发明提高了夹持强度与装夹精度以及加工的夹持刚度和夹持稳定性。

    基于加工表面层高周疲劳的机械构件寿命预测方法

    公开(公告)号:CN110705131B

    公开(公告)日:2024-02-23

    申请号:CN201911050940.0

    申请日:2019-10-31

    Abstract: 一种基于加工表面层高周疲劳的机械构件寿命预测方法,基于微裂纹扩展理论,构建关联几何‑组织‑力学完整性指标的加工表面层疲劳寿命预测模型以及寿命损失模型;通过制作光滑试件并实验后进行加工表面层疲劳寿命预测模型待定参数的标定,制作特定加工工艺条件下获得的疲劳试件并实验后进行寿命损失模型待定参数的标定,之后,通过检测机械构件加工表面层的几何、组织和力学完整性指标并将它们输入到标定后的加工表面层疲劳寿命预测模型中即可预测得到机械构件的加工表面层疲劳寿命。本发明使加工表面层疲劳寿命预测更加准确、快捷,为抗疲劳加工工艺优化提供可靠理论指导。

    无监督模型的刀具磨损监测方法及系统

    公开(公告)号:CN112192319A

    公开(公告)日:2021-01-08

    申请号:CN202011045281.4

    申请日:2020-09-28

    Abstract: 一种无监督模型的刀具磨损监测方法,基于加工数据实时训练无监督模型监测,利用多传感器融合技术,采集刀具切削过程信号并进行信号处理,分别提取多个传感器信号的特征值,建立多维特征向量矩阵,并利用相关性分析技术进行筛选;再采用同一电力线通信信号触发的方式同步采集功率信号和振动信号,并建立实时的有效信号截取算法;最后根据实时加工数据建立一类支持向量机的网络模型,将监测样本转换为训练样本。本发明采用的同PLC信号触发的方式,可有效地完成数据清洗;采用一类支持向量机网络模型,准确预测该刀具下一时序的磨损状态,极大地解决了训练样本的问题以及模型通用性的问题;采用的一类支持向量机在小样本的训练和预测上比BP神经网络有更好的表现。

Patent Agency Ranking