针对Ti6Al4V高温钛合金轴类零件的车削加工过程,设计了Ti6Al4V高温钛合金全因素车削实验,对不同车削参数下表面粗糙度的数值进行了测量,然后以车削参数为输入变量,以表面粗糙度为响应,建立了神经网络预测模型。然后在同等条件下实施验证实验,验证了神经网络模型的预测精度。结果显示,文中研究建立的神经网络模型可以根据切削变量准确预测机械零件表面粗糙度。研究结果可为现场生产选择合适的切削参数提供理论指导,从而实现机械零件表面粗糙度的预测和控制。

为了能够直观地研究抽油杆在井下变形情况,研制出抽油杆变形实验平台。该平台采用由PID控制的液压伺服加载系统,输出模拟抽油杆在井底弯曲变形时需要的轴向力与位移。为分析和提高伺服系统精度与稳定性,通过AMESim软件对加载系统进行建模、仿真,同时考虑了PID对系统误差调整的影响,最终获得合适的PID设置参数与液压系统方案,为抽油杆变形理论研究提供了精确、稳定的测试平台。