兵工学报
兵工學報
병공학보
Acta Armamentarii
2015年
8期
1518-1524
,共7页
田欣利%王龙%王望龙%唐修检%吴志远
田訢利%王龍%王望龍%唐脩檢%吳誌遠
전흔리%왕룡%왕망룡%당수검%오지원
材料表面与界面%Si3N4陶瓷%纹理特征%灰度共生矩阵%神经网络
材料錶麵與界麵%Si3N4陶瓷%紋理特徵%灰度共生矩陣%神經網絡
재료표면여계면%Si3N4도자%문리특정%회도공생구진%신경망락
surface and interface of matterials%Si3N4 ceramics%texture characteristics%gray level co-occurrence matrix%neural network
基于边缘破碎效应驱动裂纹软推挤加工是一项新颖的加工技术.通过采集Si3N4陶瓷的软推挤加工表面形貌,运用灰度共生矩阵(GLCM)分析了对比度、熵、相关性3个特征参数与加工表面纹理分布的内在关系.通过径向基网络和竞争层网络两类神经网络的分工协作,对不同加工参数下已加工表面的纹理特征进行预测和分类,其预测结果的相对误差能控制在5%之内.随着对比度和熵越大,相关性越小;分类等级越大,表面平整程度越差.通过系统实验探讨了各加工参数对纹理特征的影响,可靠地评估了加工质量的优劣.随着车刀进给速度或槽深的增大,加工表面质量变差;随着凸缘厚度的增大,加工表面质量先逐渐变差,但经过凸缘厚度2.5 mm分界点后却又有所改善.
基于邊緣破碎效應驅動裂紋軟推擠加工是一項新穎的加工技術.通過採集Si3N4陶瓷的軟推擠加工錶麵形貌,運用灰度共生矩陣(GLCM)分析瞭對比度、熵、相關性3箇特徵參數與加工錶麵紋理分佈的內在關繫.通過徑嚮基網絡和競爭層網絡兩類神經網絡的分工協作,對不同加工參數下已加工錶麵的紋理特徵進行預測和分類,其預測結果的相對誤差能控製在5%之內.隨著對比度和熵越大,相關性越小;分類等級越大,錶麵平整程度越差.通過繫統實驗探討瞭各加工參數對紋理特徵的影響,可靠地評估瞭加工質量的優劣.隨著車刀進給速度或槽深的增大,加工錶麵質量變差;隨著凸緣厚度的增大,加工錶麵質量先逐漸變差,但經過凸緣厚度2.5 mm分界點後卻又有所改善.
기우변연파쇄효응구동렬문연추제가공시일항신영적가공기술.통과채집Si3N4도자적연추제가공표면형모,운용회도공생구진(GLCM)분석료대비도、적、상관성3개특정삼수여가공표면문리분포적내재관계.통과경향기망락화경쟁층망락량류신경망락적분공협작,대불동가공삼수하이가공표면적문리특정진행예측화분류,기예측결과적상대오차능공제재5%지내.수착대비도화적월대,상관성월소;분류등급월대,표면평정정도월차.통과계통실험탐토료각가공삼수대문리특정적영향,가고지평고료가공질량적우렬.수착차도진급속도혹조심적증대,가공표면질량변차;수착철연후도적증대,가공표면질량선축점변차,단경과철연후도2.5 mm분계점후각우유소개선.