基于RBF神经网络预测的多种晶粒度硬质合金磨削表面粗糙度研究

摘要：

使用BLOHM ORBIT 25型精密平面磨床磨削纳米晶粒硬质合金GU092、超细晶粒硬质合金GU10UF和GU15UF、亚微米晶粒硬质合金GU20四种材料,研究磨削参数、晶粒度、Co含量与材料磨削表面粗糙度的关系.使用三元回归分析法探究磨削加工参数对合金表面粗糙度的影响,并用RBF神经网络预测纳米晶粒硬质合金的表面粗糙度,并对预测结果进行分析.结果显示:工作台速度和磨削深度与表面粗糙度呈正相关,砂轮线速度与表面粗糙度呈负相关;工作台速度对表面粗糙度影响最大,其次是砂轮线速度,影响最小的是磨削深度;硬质合金晶粒度越小,相同磨削参数下表面粗糙度越小;晶粒度相同但Co含量不同的硬质合金,Co含量越高,表面粗糙度越大;RBF神经网络对磨削表面粗糙度具有很高的预测精度.

关键词：硬质合金、晶粒度、Co含量、表面粗糙度、RBF神经网络预测

所属期刊栏目：50

分类号：TG135.5(金属学与热处理)

资助基金：国家自然科学基金51775113

在线出版日期：2022-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：87-93