ELID磨削砂轮表面氧化膜状态表征

论文摘要

近年来,微电子学、光学和计算机等尖端技术的迅速发展,许多具有独特性能的功能材料如单晶硅片、光学玻璃、工程陶瓷等硬脆材料在超精密领域获得了广泛的应用。ELID超精密磨削是近几年发展起来的一种超精密磨削方法,这种方法解决了超精密磨削的超硬微细磨料砂轮易堵塞和修锐困难的问题,能够高效的实现硬脆材料的超精密加工。ELID磨削能实现极低表面粗糙度的原因是通过在线电解作用在砂轮表面形成的氧化膜,这层氧化膜的状态(主要是厚度和致密性)直接影响超精密磨削的效果。本文专门设计了带取样装置的砂轮,模拟了ELID的磨削过程,通过对样块扫描电镜观测,分析了不同电参数下,氧化膜的表面形貌、组成成分的区别。利用Labview软件,编写了与氧化膜状态可能有对应关系的回路电流信号、振动信号、磨削法向力信号、声发射信号的采集、分析、保存等程序。利用MATLAB软件,基于小波分析理论,对采集到的信号进行分析处理,通过对这几种信号的筛选和特征提取,选择ELID磨削过程中回路电流的均值,磨削法向力的最大值参与氧化膜的表征。基于自适应模糊神经网络(ANFIS)理论和多传感器融合技术,建立起一个两输入一输出的模糊神经网络,以磨削法向力最大值、回路电流的平均值作为该网络的输入参数,以对应的样块上氧化膜粘附次数归一化处理后的数值作为氧化膜状态的输出,完成ANFIS的训练,并通过了试验数据的检验,达到较好的模拟效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题的研究意义
• 1.1.1 ELID 磨削的特点
• 1.1.2 氧化膜状态表征的重要性
• 1.2 ELID 磨削的发展现状
• 1.2.1 国内外发展现状
• 1.2.2 氧化膜状态的研究
• 1.3 本文的研究背景及研究内容
• 第二章 信号的采集与处理
• 2.1 基于Labview 的数据采集与输出控制程序
• 2.1.1 Labview 软件概述
• 2.1.2 Labview 数据采集与输出控制程序
• 2.2 信号处理的数学方法比较和选择
• 2.2.1 傅立叶变换
• 2.2.2 短时傅立叶变换
• 2.2.3 Wigner-Ville 分布
• 2.2.4 小波变换
• 2.2.5 小波包变换
• 2.2.6 信号处理的数学方法选择
• 2.3 本章小结
• 第三章 参与氧化膜状态表征的信号筛选与特征提取
• 3.1 ELID 磨削实验装置及实验条件
• 3.2 氧化膜状态归一化表征标准建立
• 3.3 参与氧化膜状态表征的相关信号特征提取
• 3.3.1 氧化膜的电信号特征提取
• 3.3.2 氧化膜的磨削力信号特征提取
• 3.3.3 氧化膜的振动信号特征提取
• 3.3.4 氧化膜的声发射信号特征提取
• 3.4 本章小结
• 第四章 基于自适应模糊神经网络的氧化膜状态表征
• 4.1 模糊神经网络
• 4.1.1 自适应神经网络模糊推理系统
• 4.1.2 ANFIS 的学习算法
• 4.1.3 ANFIS 建模效果
• 4.2 基于自适应模糊神经网络系统的氧化膜状态表征
• 4.2.1 输入输出参数选择
• 4.2.2 训练样本的获取
• 4.2.3 自适应模糊神经网络的结构
• 4.2.4 自适应模糊神经网络的训练效果
• 4.3 本章小结
• 第五章 结论与展望
• 5.1 全文结论
• 5.2 课题展望
• 参考文献
• 发表论文和参加科研情况说明
• 致谢