工程陶瓷表面粗糙度与图像纹理特征关系

为描述陶瓷磨削表面纹理特征与粗糙度的相互关系,实现快速评定和预测陶瓷磨削加工表面粗糙度,运用灰度共生矩阵对表面纹理特征进行提取和分析。根据采样点间距、灰度级随特征值的变化曲线确定灰度共生矩阵影响因素,按4个方向建立灰度共生矩阵并计算所有纹理特征参数均值。通过分析特征参数间相关性,确定4个参数为陶瓷磨削表面纹理主要特征参数。该参数与表面粗糙度的变化规律,可以反映陶瓷磨削表面粗糙度,进而评估磨削加工质量与可靠性。     

用声发射信号和改进的BP神经网络预测磨削表面粗糙度

针对磨削表面粗糙度传统BP（Back Propagation）神经网络模型在线预测时存在预测精度低、误差大等问题,以磨削声发射信号的RMS值、FFT值、标准差、方差和偏斜度5参量为输入单元,建立了三层BP神经网络来预测磨削表面粗糙度,并应用附加动量法和自适应学习速率法对其进行了改进。通过仿真优化了隐层单元数,利用模型对磨削加工10个频段的声发射信号样本进行优选,确定将300400kHz的声发射（Acoustic Emission,AE）信号作为表面粗糙度预测模型学习样本频段。实验结果显示：改进后的BP预测模型与传统BP模型相比,具有收敛速度快、预测精度高的特点,相对误差可控制在8.66%以内。     

深孔表面粗糙度检查仪研制

本文介绍在微机控制下,对特长深孔(包括盲孔)任意位置的表面粗糙度进行测量的实用测量系统.适用于Φ38以上的各种孔径系列,测孔深度可达20m.     

光纤法测量表面粗糙度的影响因素分析

由于光纤法测量表面粗糙度易受到传感器光源、零件材料、零件加工方法和测量环境的影响,从而降低了测量的精度。针对这些影响因素进行了分析,提出了解决办法,从而提高了测量精度。     

在线估计表面粗糙度的神经网络多传感器融合方法

针对机床智能加工对加工状况监测的要求,文中提出一种在线估计表面粗糙的神经网络多传感器融合方法,用该方法可获得表面粗糙度的较好估计。文中论述了该方法的特征提取,维数压缩和归一化等预处理方法,神经网络的构造及训练等内容。仿真表明,该方法是可行和有效的。     

光栅过滤法测试陶瓷磨削表面残余应力

采用表面形貌技术对陶瓷磨削表面残余应力进行测试研究,对表面粗糙度曲线经过数据截取、滤波以及规范化处理后可得到表面挠度曲线,认为,此方法与X射线衍射法相比测试结果较接近,是测试残余应力的有效方法;其数据处理过程是保证测试精度的关键;挠度变化是个渐变的过程。     

精密加工过程切削用量和表面粗糙度关系的模糊化处理方法

在金属切削原理中,用切削用量可以估计理论表面粗糙度。由于切削过程的复杂性,实际加工表面粗糙度和理论表面粗糙度有较大差距。本文采用模糊模式识别方法,对切削用量和表面粗糙度的关系进行了实验研究。本人介绍的理论方法、实现技术路线和实验结果,为以后开展ＦＭＳ或ＣＩＭＳ中智能化质量监控技术的进一步研究打下了基础。     

等离子弧加热切削工程陶瓷试验

主要阐述了采用自制新型水介质等离子弧设备对氮化硅陶瓷材料进行加热辅助切削的试验条件及过程。通过对加工后刀具磨损的测量,总结出在热源距离h=8mm,电流I=6A,电压U=140V的热源条件下,采用V=450r/min、f=0·08mm/r和ap=0·2mm的切削用量时,刀具磨损比较小,切削效果理想。该试验说明了应用该小功率水介质等离子弧辅助加热切削氮化硅陶瓷材料的方法可行而有效,能够大大降低加工成本,对促进工程陶瓷材料的更广泛应用具有重要意义。     

由路面谱重构路面不平度的AR模型法

将等级路面的不平度视为一零均值的噪声序列通过一个AR模型产生的随机序列,通过求解Yule-Walker方程得出AR模型参数,进而得到路面不平度。经数值算例构造出4个等级的路面不平度,验证了用AR模型构造路面不平度方法的可行性与可靠性。     

路面不平度的频谱分析及其AR模型

描述了路面不平度的统计特性,建立了AR模型。运用现代谱估计的方法对沙土地、硬土地和耕地等非人工路面的频谱特性进行了分析,得到了沙土地等3种路面的加速度功率谱和位移功率谱密度曲线图。结果表明,沙土地和耕地路面要好于硬土地路面,该结论与常识相符,验证了用AR模型法进行功率谱分析的可靠性和可行性。     

基于信息熵的未确知测度的指挥信息优势评估

现代战争中获取信息优势成为夺取战争胜利的关键。为更好对指挥信息优势进行定量评估,在未确知数学理论基础上,首先引入专家可信度对指标效果值进行处理;研究了信息优势的度量和识别方法;并通过评估指标输出的信息熵确定指标权重,建立了基于未确知测度的指挥信息优势评价模型。最后通过实例分析给出评估结果和改进建议,获得了较为成功的应用。未确知效果测度评价模型严谨,评价结果合理、精细、分辨率高,适合于指挥信息优势的评价。     

化学气相沉积碳化硅超光滑抛光机理与表面粗糙度影响因素

为实现化学气相沉积碳化硅(CVD SiC)的超光滑抛光,采用纳米划痕试验研究了化学气相沉积碳化硅脆塑转变的临界载荷,根据单颗磨粒受力对其抛光机理进行了分析,并从材料特性、工艺参数以及抛光液pH值三个方面对其表面粗糙度影响因素进行了系统的试验研究.研究结果表明:化学气相沉积碳化硅的稳定抛光过程是磨粒对碳化硅表面的塑性域划痕过程;CVD SiC的晶粒不均匀与表面高点会降低晟终所能达到的表面质量;表面粗糙度在一定范围内随磨粒粒度增加呈近似线性增长,随抛光模硬度的增加而增长;抛光压强对表面粗糙度的影响规律与抛光模的变形行为相关,当抛光模处于弹性或弹塑性变形阶段时,表面粗糙度随抛光压强的增加呈小幅增长,而当抛光模包含塑性变形之后,表面粗糙度基本与抛光压强无关;此外,抛光速度和抛光液pH值对表面粗糙度的影响不大.研究结论为CVD SiC超光滑抛光的工艺参数优化选择提供了定量的试验依据.