许多钢制零件需要进行表面淬火处理以改善零件的表面性能,提高零件的耐磨性及疲劳强度。磨削加工是一种常见的金属加工方式,被广泛应用于机械加工领域,但是磨削加工产生的大量热量,一直被认为是一个消极因素。磨削淬火技术是利用磨削热,在磨削加工的同时,对工件表面进行淬火处理。作者综述了磨削淬火及磨削数值仿真研究的国内外现状,并进行了以下研究工作: 对BP算法进行了改进,并利用改进的BP算法编制了一套磨削加工仿真系统,该系统可以根据磨削时的砂轮材料、砂轮粒度、工件进给速度、砂轮速度、磨削液用量、磨削深度及工件材料等参数,对磨削后的工件表面淬硬层的深度、磨削时的最高温度、工件表面残余应力、工件表面粗糙度、工件表面硬度、磨削时进给方向及切深方向的磨削力等参数进行预测。并且能根据加工要求反向预测磨削加工的参数,从而实现对磨削淬硬结果的预测及加工参数的优化选择。系统的主要模块包括试验数据管理、BP网络的训练、训练完成后的结果的预测及加工参数的优化选择、操作人员的权限管理等。 选取若干组磨削加工参数加工一组试件(40Cr或45钢),通过实验取得人工神经网络训练所需的参数。利用压电石英晶体三维测力仪、电荷放大器和A/D板在线采集磨削力;利用铁-康铜热电偶丝、电压放大器、A/D板通过半人工热电偶测温方法在线采集磨削温度;对工件表面硬度、工件的淬硬层深度、工件的表面粗糙度等参数进行离线测量,完成人工神经网络训练所需数据的采集。 通过数据验证表明,利用改进的BP算法编制的磨削淬火仿真系统所得的仿真数据与实验数据非常接近,精度较高。这说明利用基于BP算法的人工神经网络方法研究磨削淬硬技术是可行的,并具有良好的应用前景。