电磁铆接是一种新兴的高能量铆接技术,其加载速率快、效率高,钉杆受力均匀,能够形成较好的干涉配合;但由于能量高与加载速率快的问题,极易造成钉杆裂纹、镦头质量不佳以及被铆接材料损坏等现象。实验采用Ansoft Maxwell有限元分析建立铆接模型,对铆接线圈加载电压以及受力情况进行分析。再对公称直径5mm的304不锈钢铆钉进行电磁铆接工艺试验。针对仿真与实验结果的比对,调整工装结构并确定不锈钢铆钉最佳铆接电压的范围,形成较好的铆接镦头,铆钉与被铆接板材实现了较好的干涉配合。

分析了当前国内企业在钛合金热成形成产线中使用的螺栓压板连接机构的优缺点。根据钛合金热成形成产时的模具安装要求,设计了一种耐高温圆偏心夹紧机构。通过计算,获得了偏心轮的尺寸参数和能提供夹紧力的范围。通过Ansys workbench模块对夹具臂进行热-结构耦合分析,根据结果对夹具臂结构薄弱的部位进行了改进。对改进后的夹具臂再次进行热结构耦合分析的结果表明夹具臂在高温工作状态下最大应力小于400MPa,最大变形为1.0945mm,可以满足高温下的工作要求。

为了提高车刀磨损量预测模型的训练速度和在线预测精度,提出了一种基于改进粒子群算法(Improved Particle Swarm Optimization,IPSO)和极限学习机(Extreme Learning Machine,ELM)的刀具磨损量预测方法。采集车削加工中的声发射信号,利用小波包变换理论对信号进行降噪和特征提取,并通过主成分分析对提取的特征进行降维,选取其中对刀具磨损量敏感的特征值组成特征向量。建立基于极限学习机的刀具磨损量预测模型,并通过改进粒子群算法优化模型中的初始权值和阈值。实验结果表明优化后的刀具磨损量预测模型相比于传统BP神经网络有更快的训练速度,同时改进后的粒子群算法有更好的寻优能力,提高了模型对于刀具磨损量的预测精度。

针对叠层材料钻削加工特点,提出一种通过改进遗传算法(SAMGA)优化学习向量量化(LVQ)网络的刀具磨损在线监测方法。该方法在刀具磨损监测实验过程中,采集制孔过程中的声发射信号与红外温度信号,利用小波包分解与主元分析法对采集到的信号进行滤波与降维处理,将处理后的信号特征作为输入特征向量导入到LVQ网络模型中,并通过改进遗传算法优化其初始权值与阈值。结果表明SAMGA-LVQ模型相比BP网络对于刀具磨损的预测识别精度更高,改进遗传算法对LVQ网络优化后训练速度有明显提升,更适用于刀具磨损在线监测系统。

针对管件电磁胀形中螺线管线圈的使用寿命短、易损坏的问题,运用ANSYS Maxwell对电磁胀形过程中螺线管线圈所受到轴向与径向电磁力进行有限元仿真。研究了螺线管线圈在高于被胀形管件的情况下,随着螺线管线圈内径的不同,其所受到的电磁力的大小与方向的变化情况。并通过有限元仿真与实验结果对比发现在螺线管线圈高于管件的电磁胀形中,当螺线管线圈内半径r=11mm时其所受到的力主要来自于管件;当螺线管线圈内半径r=8.5mm时其所受到的力主要来自于自身产生的电磁力。同时螺线管线圈所受到的轴向力是导致其失效的主要原因。

针对BP神经网络模型在刀具监控中收敛速度慢容易出现局部极小化问题,提出一种基于鱼群算法(AFSA)的BP神经网络优化算法。采集振动钻孔的声发射(AE)信号,使用小波包算法对数据进行降噪和特征提取。使用鱼群优化算法(AFSA)对BP神经网络预测模型进行优化,使用优化后的模型对测试集数据进行模式识别,对比各模型识别精度。结果表明使用鱼群优化后的算法(AF-BP)模型能够降低神经网络陷入局部极小化的情况,提高神经网络对刀具磨损的识别精度。

针对传统的纳米复合材料分散相分散均匀性评价方法的不足,提出了一种以分形理论为数学模型基础,以纳米复合材料的透射电镜（TEM,Transmission Electron Microscope）图像为评价对象的分散相分散均匀性的定量评价方法.运用离散对象构成的自然分形体的分形维数建立了分散相分散均匀性的数学模型.将纳米复合材料TEM图像进行图像处理,以纳米复合材料TEM图像的中心为圆心以不同的半径做圆,提取不同的圆内的粒子数与回转半径,并在双对数坐标中直线拟合.该直线的斜率的倒数即为分散均匀性参数,并以此作为评价分散相分散均匀性的指标.将该方法实际应用于聚合物基纳米填充复合材料分散相分散均匀性的描述,验证了该评价方法的可行性.

对电磁脉冲焊接射流形成的条件和异种金属的焊接机理进行了研究,应用Maxwell软件对放电波形及电磁力进行仿真,采用该方法对TC4钛合金和3A21铝合金板材进行搭接焊试验,并对焊接截面进行金相组织检测及显微硬度分析。结果表明：电磁脉冲焊接方法可以实现异种金属板材的搭接焊,射流的形成是实现搭接焊的必要条件;TC4屈服强度影响接合面波浪形态的波幅,TC4表面粗糙度影响波浪形态的波长;焊接区存在晶粒细化、滑移错动,使焊接区硬度高于基材硬度。

针对多传感器刀具磨损监测系统输入维数较多、神经网络结构复杂、收敛速度慢等缺点,提出了粗糙集和遗传算法优化神经网络的模型.该模型首先利用粗糙集理论的属性约简对输入数据进行处理,从而达到减少神经网络输入维数、简化神经网络结构的目的.然后通过遗传算法优化神经网络的初始权值和阈值,以提高神经网络的收敛速度,避免神经网络陷入局部极值点.将该模型应用到刀具磨损监测,通过对声发射信号和电流信号进行处理,提取特征向量值,将特征值先通过自组织神经网络进行连续属性离散化,再通过粗糙集理论进行属性约简,最后通过遗传算法优化的BP神经网络进行识别,取得了很好的效果,证明了此模型的有效性和可行性.

设计了一种适合于前混合磨料射流切割的三维工作台,其主要结构分为切割台下部结构和切割台上部结构。对切割台关键零件进行了受力分析和强度校核。结果表明,设计的工作台不仅可进行曲线加工,还适用于不同切割深度,满足设计要求。