声明
第一章 绪论
1.1引言
1.2超声波加工技术概述
1.3超声强化加工技术的研究现状及优势
1.3.1超声强化加工的发展现状
1.3.2超声强化加工技术的优势及应用
1.4 BP神经网络
1.5本文研究内容
第二章 超声振动挤压强化机理研究
2.1金属材料的塑性变形
2.2 材料表层应力状态的求解
2.3法向集中力下应力和位移的计算
2.4弹性接触的Hertz理论
2.4.1光滑的非协调接触表面
2.4.2球形压头的Hertz理论
2.5挤压冲击接触理论
2.5.1 弹性冲击
2.5.2非弹性挤压
2.6本章小结
第三章 不同工艺参数下材料表面能量分布仿真分析
3.1引言
3.2超声振动挤压有限元模型
3.2.1有限元材料属性定义
3.2.2有限元加载方式定义
3.2.3 Explicit模块分析控制方程
3.3材料表层塑性应变历程
3.4冲击过程中的能量变化分析
3.4.1一次冲击系统能量变化分析
3.4.2连续冲击系统能量变化分析
3.5本章小结
第四章 超声振动加工系统及实验分析
4.1超声振动加工实验设备结构及功能
4.2超声变幅杆的设计
4.2.2纵向振动变幅杆的波动方程
4.2.3变幅杆的尺寸设计
4.3变幅杆的动力学分析
4.3.1变幅杆有限元模型建立
4.3.2变幅杆的模态分析
4.3.3变幅杆的谐响应分析
4.4实验材料及工艺参数的选取范围
4.5性能检测设备
4.6工艺参数对表面粗糙度的影响
4.6.1静压力对表面粗糙度的影响
4.6.2进给速度对表面粗糙度的影响
4.6.3主轴转速对表面粗糙度的影响
4.6.4挤压次数对表面粗糙度的影响
4.6.5振幅对表面粗糙度的影响
4.7工艺参数对表面硬度的影响
4.7.1静压力对表面硬度的影响
4.7.2进给速度对表面硬度的影响
4.7.3主轴转速对表面硬度的影响
4.7.4挤压次数对表面硬度的影响
4.7.5振幅对表面硬度的影响
4.8金相及残余应力分析
4.9本章小结
第五章 BP人工神经网络表面粗糙度模型预测
5.1 BP人工神经网络概述
5.2 BP神经网络的基本结构
5.2.1 BP神经网络层数的确定
5.2.2 BP神经网络各层节点数的确定
5.2.3 BP神经网络传递函数的确定
5.2.4 BP神经网络遗传操作
5.2.5 BP神经网络的缺陷及改进
5.3 BP神经网络粗糙度预测模型训练
5.3.1确定BP神经网络的训练样本数据
5.3.2 BP神经网络的训练样本数据预处理
5.3.3网络训练
5.4.1预测模型的确定
5.4.2 BP神经网络的验证及误差分析
5.5本章小结
第六章 总结与展望
6.1总结
6.1展望
参考文献
附录
致谢
攻读学位期间的研究成果究成果
