激光加热辅助切削技术

目录
前言
第1章 激光加热辅助切削技术概述 1
1.1 典型难加工材料的加工技术 1
1.1.1 高温合金加工 1
1.1.2 陶瓷材料加工 3
1.1.3 复合材料加工 5
1.1.4 复合加工技术 6
1.2 激光加热辅助切削技术进展 7
1.2.1 激光加热辅助切削机理 9
1.2.2 激光加热辅助切削仿真研究进展 11
1.2.3 激光加热辅助切削试验研究进展 15
1.2.4 激光加热辅助切削技术研究发展方向 17
第2章 激光与材料的相互作用 23
2.1 材料对激光的吸收 23
2.1.1 激光的功率分布 23
2.1.2 激光加热的温度分布 24
2.2 激光与难加工材料的作用 26
2.2.1 激光与氮化硅陶瓷的作用 27
2.2.2 激光与镍基高温合金的作用 29
2.3 激光加热辅助切削过程中切屑的形成 32
2.3.1 热压烧结氮化硅陶瓷的切屑形成 32
2.3.2 高温合金的切屑形成 33
第3章 激光加热辅助切削仿真 35
3.1 激光加热温度场仿真 35
3.1.1 激光加热辅助车削温度场模型 35
3.1.2 激光加热辅助铣削温度场模型 41
3.2 切削过程仿真 45
3.2.1 切削理论模型 45
3.2.2 激光加热辅助高速铣削Inconel 718合金过程分析 53
3.2.3 陶瓷材料边缘碎裂仿真 59
第4章 激光加热辅助切削过程测试及分析 64
4.1 温度测量与激光吸收率的测定 64
4.1.1 工件表面温度测量 64
4.1.2 激光吸收率的测定 66
4.2 激光加热温度测量及试验分析 71
4.2.1 激光加热辅助车削氮化硅陶瓷温度场仿真与试验分析 71
4.2.2 激光加热辅助铣削氮化硅陶瓷温度场仿真与试验分析 75
4.2.3 激光加热辅助铣削K24高温合金温度场仿真与试验分析 78
4.2.4 矩形光斑加热Inconel 718合金温度场模型 82
4.3 刀具磨损视觉检测 85
4.3.1 刀具磨损图像预处理 86
4.3.2 图像形态学处理 91
4.3.3 图像边缘检测 93
4.3.4 基于改进的Zernike矩亚像素边缘检测 94
4.3.5 铣削刀具磨损几何参数测量方法 96
4.3.6 刀具磨损监测结果 98
4.4 铣削刀具磨损类型自动识别 100
4.4.1 深度学习的典型学习模型 100
4.4.2 基于卷积神经网络的铣削刀具磨损类型自动识别 106
4.4.3 试验结果和分析 109
第5章 激光加热辅助切削难加工材料试验 112
5.1 氮化硅陶瓷材料加工 112
5.1.1 氮化硅陶瓷激光加热辅助车削加工 112
5.1.2 氮化硅陶瓷激光加热辅助铣削加工 119
5.2 铝基复合材料加工 128
5.3 高温合金材料加工 132
5.3.1 激光加热辅助铣削高温合金K24试验 132
5.3.2 激光加热辅助铣削高温合金GH4698试验 137
5.3.3 激光加热辅助铣削高温合金Inconel 718试验 142
5.4 高温合金材料加热辅助铣削刀具磨损规律 145
5.4.1 刀具材料选用分析 145
5.4.2 刀具磨损过程与磨损形式 146
5.4.3 PVD、CVD涂层硬质合金刀具磨损研究 150
5.4.4 PCBN及陶瓷刀具铣削磨损研究 153
5.4.5 激光加热辅助铣削刀具寿命研究 155　
第6章 激光加热辅助切削工艺参数优化 166
6.1 氮化硅陶瓷加工工艺参数优选 166
6.1.1 车削加工工艺参数优选 167
6.1.2 铣削加工工艺参数优选 175
6.2 高温合金加工工艺参数优选 182
6.2.1 K24高温合金的激光加热辅助铣削工艺参数 182
6.2.2 Inconel 718合金的激光加热辅助铣削工艺参数 184
6.3 激光加热辅助铣削工艺参数优化技术 188
6.3.1 优化目标设定 188
6.3.2 边界约束条件 191
6.3.3 遗传算法优化技术 191
6.3.4 基于NSGA-Ⅱ多目标铣削参数优化 196
第7章 激光加热辅助铣削加工应用 199
7.1 温度反馈系统建立 199
7.1.1 激光反馈温度模型建立 199
7.1.2 神经网络训练计算 201
7.1.3 温度反馈模型仿真 203
7.2 陶瓷材料的连续轨迹加工 209
7.2.1 激光加热辅助铣削加工系统建立方案 210
7.2.2 激光加热辅助铣削连续轨迹加工温度场仿真 215
7.2.3 温度场仿真结果 217
7.2.4 激光加热辅助铣削连续轨迹加工结果 221
7.3 高温合金材料平面铣削加工 222
参考文献 224