电极摇动电火花加工微孔深径比理论模型研究

来源 :大连理工大学 | 被引量 : 0次 | 上传用户:xinhua9966
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
微细电火花加工技术作为一种特种加工技术,具有非接触加工和加工任意导电材料等优点,在微孔和微型腔加工方面应用广泛,诸如发动机燃料喷油嘴、喷墨打印机喷孔板以及航空发动机叶片气膜孔等都是其成功应用的加工示范。然而在微细电火花微孔加工过程中,当微孔的深径比较大时,气泡无法克服工作液介质的粘性阻力和表面张力而排出,大量气泡便会聚集在微孔底部,从而导致频繁的非正常放电,此时微孔的加工速度变得缓慢并且电极的损耗严重,这使得微孔加工的深径比十分有限。电极摇动电火花微孔加工可以为其狭小的放电间隙提供一个非均匀的流场,且最大间隙处工作液介质的粘性阻力最小,从而使得气泡较容易从最大间隙处排出,显著增加微孔加工的深径比。从电极摇动微孔加工实验可知电极摇动半径的选择非常重要,摇动半径小了则达不到预定的深径比,摇动半径大了则导致电极的损耗增加。虽然已经有学者提出电极不摇动微孔深径比的理论模型,但目前尚缺少电极摇动微孔深径比的理论模型以及如何选择合适摇动半径的问题尚未明确。本文在已有的卧式微细电火花加工机床数控程序的基础上,采用LabVIEW编写了立式微细电火花加工机床电极摇动程序模块以及将摇动模块与微孔加工模块进行了良好集成,通过微孔加工实验证明该数控程序可以满足完成本论文的实验研究。针对目前存在的问题,本文首先通过微孔加工实验研究了电极摇动参数对微孔深径比的影响,研究发现微孔深径比随着摇动半径和电容的增加而增加,摇动速度对微孔深径比的影响则可以忽略不计。然后基于狭小放电间隙内流体的运动特性和表面张力理论,建立了电极摇动电火花常规放电阶段微孔深径比的理论模型,该模型给出了微孔深径比正比于电极偏心率的平方,且比例系数是1.5。为了验证模型的有效性,本文在卧式机床和去离子水条件下进行了45组微孔加工实验,在立式机床和油条件下进行了40组实验。实验结果得到实验值与理论值基本吻合,去离子水条件下45组实验得到深径比的平均相对误差为6.66%,油条件下40组实验得到深径比的平均相对误差为5.94%,这两个误差均小于10%。最后完成了模型的应用实验即在微孔孔径和深径比一定的条件下,根据模型反求出的最佳摇动半径来进行微孔加工,去离子水条件下的9组应用实验结果和油条件下的9组应用实验结果均表明:在最佳摇动半径下得到的微孔孔径和深径比的平均相对误差均小于3%,从而证明了理论模型的有效性。
其他文献
美元作为世界货币为全球持有,但其发行量由美国独家掌握,这一方面为美国带来了巨大的垄断利润,另一方面也造成了美国经济的畸形发展,同时埋下了全球流动性过剩、通胀压力不断
着眼于煤炭企业班组安全文化建设,从人才、管理、制度、职工素质、企业文化等五方面对煤炭企业在班组安全文化建设中应注意的问题和具体方法进行了探讨。
介绍了三元共聚物(丙烯酸酯、马来酸酐和乙酸乙烯酯)醇解型柴油降凝剂的制备和表征。合成过程分为3步:首先在n(十六醇)/n(丙烯酸)为1.0∶1.6,对苯二酚为0.6%(质量分数,下同),
杭州地处中国经济发展最快、最好的长三角地区,是杭州都市圈核心城市,其区域经济发达,经济总量大,尤其是非公经济和金融业高度发达,位居全国前列。从金融业角度分析和总结杭
聚苯胺是一种重要的本征型导电高分子材料,性能独特的聚苯胺纳米纤维成为近年来的研究热点;聚苯胺纳米纤维可以通过化学途径方便地合成出来,但对于纳米纤维的形成机理尚未取
家族企业是一种历史久远的企业组织形式。由于具有家企合一特征,在企业创业阶段,企业具有较强的亲和力、极低的监督成本和明显的竞争优势,因此,无论是在我国还是在世界各国,
采用自编的救难、分享、捐献、助人和安慰等五个方面的两难故事,对瑶、壮、汉三个民族的二、四、六年级共545名儿童进行测试,对利他选择和理由反应的结果进行分析,取得了瑶、壮、汉
干部培训是贯彻落实党的方针政策、提升干部综合素质的重要途径。做好需求调研可以获得受训者对干部培训工作的信息和意见,是提高干部培训质量、按需施教的前提和基础,也是增
加油站的安全风险是由所从事的经营活动、商品和环境等因素决定的。加油站主要经营汽油、柴油,具有易燃、易爆、易流淌、易挥发等危险特性,油蒸气与空气形成的爆炸性混合物遇
随着近年来深度学习的发展及计算机性能的大幅提升,计算机视觉迎来了突飞猛进的发展,也开辟了许多新领域。在目标检测与识别算法已经相对比较成熟的今天,进一步对图像内容进行理解和探索成了大势所趋,视觉关系检测应运而生。视觉关系检测的任务是从图像中找出用<主语-谓语-宾语>三元组表示的视觉关系,并标出其相应的位置。由于可能组成的关系数量十分巨大,因此如何从有限的样本中学习出大量可能出现的关系成为