论文部分内容阅读
预应力淬硬磨削（PSHG）技术是基于绿色制造和抗疲劳制造的观点,融合磨削淬硬（GH）及预应力磨削（PSG）技术原理,将残余应力控制、表面淬火及磨削加工三者集成于一体的技术与方法。结合国家自然科学基金资助项目:“预应力淬硬磨削复合加工新工艺机理及全参数表面完整性研究（51375083）”并以PSHG技术实用化为目的,开展研究工作。（1）PSHG工艺的加工条件对表面完整性指标的作用机理。选择磨削深度及预应力两个加工条件,由弹性力学等理论分析预应力对磨削深度及接触区特征参数的影响及作用机理。在此基础上,运用弹塑性力学及热力学等相关理论,阐述了磨削深度与预应力对PSHG试件表面残余应力、表面硬度、表面粗糙度及淬硬层深度四个表面完整性指标的作用机理。（2）预应力加载装置设计及预应力计算公式的推导。为PSHG工艺的应用与推广,设计两款定位、夹紧及预应力施加一体化的预应力加载装置。并基于试验用工件的特点,采用变截面杆轴向拉伸应力分析方法创建加工表面预应力的计算公式。（3）PSHG工艺试验及结果分析。以磨削深度及预应力为可变加工条件,以试件表面残余应力、表面硬度、表面粗糙度、淬硬层深度及金相组织为研究对象,进行PSHG工艺试验,并对试验结果进行分析。在本次试验范围内:1)PSHG试件的金相组织分为硬化区、过渡区及基体区。硬化区组织为马氏体,过渡区为铁素体与马氏体的混合结构,基体区组织则由珠光体与铁素体组成。2)PSHG试件可以达到磨削淬硬的效果,硬度为基体硬度的3倍左右。随预应力的增加,试件表面拉应力减少、压应力增加,表面硬度、表面粗糙度及淬硬层深度下降,因此PSHG试件比GH试件具有更强的抗疲劳强度,抗磨削烧伤能力及表面光洁度。3)随磨削深度的增加,试件的表面残余应力、粗糙度及淬硬层深度增加,而表面硬度未出现明显规律性的变化。（4）加工条件对试件表面完整性指标影响研究。运用方差分析的统计学方法,研究预应力、磨削深度对试件表面残余应力、表面硬度、表面粗糙度及淬硬层深度的影响程度。在此次试验范围内:1)预应力及磨削深度对试件表面残余应力都会产生显著性影响,且磨削深度的影响力大于预应力。预应力对试件表面硬度有显著性影响,而磨削深度则未能显著影响表面硬度。预应力及磨削深度对试件表面粗糙度都会产生显著性影响且磨削深度的影响力大于预应力。磨削深度对试件淬硬层深度具有显著性影响,而预应力未能显著影响淬硬层深度。2)显著增加试件表面残余压应力、减少残余拉应力及显著降低表面粗糙度的预应力最低施加量为74MPa;显著降低表面硬度的预应力最低施加量为114MPa。3)当磨削深度为0.20mm≤ap≤0.40mm时,随磨削深度的增加,试件表面残余应力、表面粗糙度及淬硬层深度显著增加;当磨削深度为0.40mm<ap≤0.45mm,随磨削深度的增加,表面残余应力、淬硬层深度增加但变化不明显,而表面粗糙度显著增加。4)在预应力及磨削深度试验用水平范围内,对PSHG试件表面残余应力、表面硬度、表面粗糙度及淬硬层深度四种表面完整性指标同时达到最佳影响效果的预应力施加量为84MPa,磨削深度为0.35mm。（5）基于PSOLSSVM算法的试件表面完整性指标预测。以磨削深度及预应力作为输入量,以表面残余应力、表面硬度、表面粗糙度及淬硬层深度分别作为输出量,建立四个PSOLSSVM预测模型,并与对应的BP神经网络预测模型进行对比分析。试件（样本）分两组,训练集及测试集。四个PSOLSSVM模型的训练集及测试集误差（MAPE）均小于5%,具有较低的训练误差及较高的预测准确度。通过对比分析可知,PSOLSSVM模型在预测精度及预测稳定性等方面优于BP神经网络模型。因此,对于PSHG试件（包括预应力为0的情况）的表面残余应力、表面硬度、表面粗糙度及淬硬层深度,PSOLSSVM模型的预测精度能够满足现实生产需求。