CN 41-1243/TG ISSN 1006-852X

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

考虑砂轮表面形貌变化的轴承表面Al2O3基绝缘涂层磨削表面粗糙度预测研究

徐钰淳

徐钰淳. 考虑砂轮表面形貌变化的轴承表面Al2O3基绝缘涂层磨削表面粗糙度预测研究[J]. 金刚石与磨料磨具工程. doi: 10.13394/j.cnki.jgszz.2023.0118
引用本文: 徐钰淳. 考虑砂轮表面形貌变化的轴承表面Al2O3基绝缘涂层磨削表面粗糙度预测研究[J]. 金刚石与磨料磨具工程. doi: 10.13394/j.cnki.jgszz.2023.0118
Prediction of grinding surface roughness of Al2O3-based insulating coating on bearing surface considering the change of grinding wheel surface morphology[J]. Diamond & Abrasives Engineering. doi: 10.13394/j.cnki.jgszz.2023.0118
Citation: Prediction of grinding surface roughness of Al2O3-based insulating coating on bearing surface considering the change of grinding wheel surface morphology[J]. Diamond & Abrasives Engineering. doi: 10.13394/j.cnki.jgszz.2023.0118

考虑砂轮表面形貌变化的轴承表面Al2O3基绝缘涂层磨削表面粗糙度预测研究

doi: 10.13394/j.cnki.jgszz.2023.0118
基金项目: 国家重点研发计划

Prediction of grinding surface roughness of Al2O3-based insulating coating on bearing surface considering the change of grinding wheel surface morphology

  • 摘要: 为了提升轴承表面Al2O3基陶瓷绝缘涂层磨削表面粗糙度预测精度,建立符合实际加工过程的BP神经网络预测模型。提出了基于光谱共焦原理的砂轮表面测量及磨粒特征参数量化方法,同时建立了能够直接反映砂轮表面时变状态的以砂轮表面磨粒特征参数K,砂轮转速ω,工件进给速度υ,切削深度ρ以及法向磨削力F为输入参数的工件表面粗糙度神经网络预测模型,并通过已知磨削样本以及砂轮磨损后的4组未知测试样本对网络预测性能进行验证。对于已知样本,网络预测结果,BP网络预测粗糙度与实际粗糙度二者规律性及粗糙度结果较为一致,网络输出误差均小于±0.04μm,进一步利用网络针对磨削磨损后的砂轮对未知磨削测试样本进行预测,网络预测精度有所下降,误差百分比最大值不超过20%。可知建立的包含砂轮表面磨粒特征参数的神经网络,可以适应砂轮磨粒磨损这一时变状态下的轴承表面Al2O3基陶瓷绝缘涂层工件粗糙度预测工作,且网络对于未知样本具有一定的泛化能力。

     

  • 加载中
计量
  • 文章访问数:  214
  • HTML全文浏览量:  56
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-05-22
  • 修回日期:  2023-08-01
  • 录用日期:  2023-08-17
  • 网络出版日期:  2023-11-06

目录

    /

    返回文章
    返回