CN111046509A - 单道激光熔覆层形貌预测方法 - Google Patents
单道激光熔覆层形貌预测方法 Download PDFInfo
- Publication number
- CN111046509A CN111046509A CN201911318734.3A CN201911318734A CN111046509A CN 111046509 A CN111046509 A CN 111046509A CN 201911318734 A CN201911318734 A CN 201911318734A CN 111046509 A CN111046509 A CN 111046509A
- Authority
- CN
- China
- Prior art keywords
- cladding layer
- laser cladding
- morphology
- predicting
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000004372 laser cladding Methods 0.000 title claims abstract description 46
- 238000005253 cladding Methods 0.000 claims abstract description 61
- 230000008569 process Effects 0.000 claims abstract description 27
- 238000002474 experimental method Methods 0.000 claims abstract description 11
- 238000005498 polishing Methods 0.000 claims description 8
- 239000000843 powder Substances 0.000 claims description 8
- QZPSXPBJTPJTSZ-UHFFFAOYSA-N aqua regia Chemical compound Cl.O[N+]([O-])=O QZPSXPBJTPJTSZ-UHFFFAOYSA-N 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000000611 regression analysis Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010790 dilution Methods 0.000 description 2
- 239000012895 dilution Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
- C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
- C23C24/00—Coating starting from inorganic powder
- C23C24/08—Coating starting from inorganic powder by application of heat or pressure and heat
- C23C24/10—Coating starting from inorganic powder by application of heat or pressure and heat with intermediate formation of a liquid phase in the layer
- C23C24/103—Coating with metallic material, i.e. metals or metal alloys, optionally comprising hard particles, e.g. oxides, carbides or nitrides
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Optimization (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Materials Engineering (AREA)
- Computing Systems (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Mechanical Engineering (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Laser Beam Processing (AREA)
Abstract
本发明公开了一种单道激光熔覆层形貌预测方法，在多次单道激光熔覆实验的基础上，利用SPSS统计分析软件，建立单道熔覆层宏观形貌与激光熔覆主要工艺参数之间的函数模型，然后通过函数模型可以快速准确地对单道激光熔覆层进行形貌预测，从而达到对熔覆层宏观形貌的精确预测目的，整个预测步骤操作方便快捷，易于实现，避免了以往靠经验判断造成的时间成本和经济成本，且该方法预测准确，误差较小,对于激光熔覆工艺具有重要的指导意义，同时也节省了企业成本，提高了加工效率，利于广泛推广。
Description
技术领域
本发明属于激光熔覆再制造技术领域，具体涉及一种单道激光熔覆层形貌预测方法。
背景技术
在再制造行业中，由于激光熔覆技术具有稀释率低、晶粒细小、节能高效等优点，因此被广泛应用于石化、汽车、航空航天等工业领域。在传统激光熔覆过程中，往往需要根据操作人员的实际经验，通过多次尝试来确定单道熔覆层的宏观形貌，进而确定熔覆道数、搭接率等参数，且难以确定熔池深度。因为在激光熔覆过程会受到众多因素的影响，不同的工艺参数往往会形成不同形貌的熔覆层，单靠经验判断，不仅误差较大，同时也会造成经济成本和时间成本的浪费。
发明内容
针对上述的不足，本发明目的在于，提供一种可以快速准确地对单道激光熔覆层进行形貌预测的单道激光熔覆层形貌预测方法。该单道激光熔覆层形貌预测方法能避免了以往靠经验判断造成的时间成本和经济成本，且该方法预测准确，误差较小。
为实现上述目的，本发明所提供的技术方案是：
一种单道激光熔覆层形貌预测方法，其特征在于，其包括以下步骤：
(1)设计多组不同工艺参数的单道激光熔覆实验，工艺参数包括激光功率、扫描速度和送粉速率，每一组单道激光熔覆实验均获得一道熔覆层；
(2)在每道熔覆层中部沿垂直于激光扫描方向线切割所需尺寸大小的试样，对试样进行研磨抛光获得熔覆层横截面的金相样品；
(3)用王水对各个金相样品进行腐蚀10～15s，然后利用工业显微镜测量每个金相样品的三维形貌并记录三维形貌数据；
(4)将三维形貌数据和对应的工艺参数输入SPSS统计分析软件，分别建立熔覆层高度、熔覆层宽度、熔池深度与工艺参数之间的函数模型，实现对熔覆层形貌的预测。
作为本发明的一种优选方案，所述步骤(1)中通过单道激光熔覆实验获得的熔覆层的长度为30～50mm，优选为40mm。
作为本发明的一种优选方案，所述步骤(2)中的试样的长宽尺寸为8～12mm×8～12mm,优选为10mm×10mm。
作为本发明的一种优选方案，所述步骤(2)中用金相砂纸对所述试样进行研磨，通过机械抛光对试样进行抛光。机械抛光是依靠非常细小的抛光粉的磨削、滚压作用，除去试样磨面上的极薄一层金属。
作为本发明的一种优选方案，所述步骤(3)中金相样品的三维形貌数据包括熔覆层高度、熔覆层宽度和熔池深度。
作为本发明的一种优选方案，所述步骤(3)中的工业显微镜的型号为XJ-3DHD16。
作为本发明的一种优选方案，所述步骤(5)中的函数模型如下式(ⅰ)-(ⅲ)所示：
H＝0.1069P-0.1053Vs+1.0351Vf+0.6575 (ⅰ)
W＝0.5P-0.061Vs-0.7332Vf+2.831 (ⅱ)
D＝0.4493P-0.0438Vs-0.5691Vf-0.046 (ⅲ)
式中，H为熔覆层高度，W为熔覆层宽度，D为熔池深度，P为激光功率，Vs为扫描速度，Vf为送粉速率。
本发明的有益效果为：本发明提供的方法科学合理，在多次实验的基础上，利用SPSS统计分析软件，建立单道熔覆层宏观形貌与激光熔覆主要工艺参数之间的函数模型，然后通过函数模型可以快速准确地对单道激光熔覆层进行形貌预测，从而达到对熔覆层宏观形貌的精确预测目的，整个预测步骤操作方便快捷，易于实现，避免了以往靠经验判断造成的时间成本和经济成本，且该方法预测准确，误差较小,对于激光熔覆工艺具有重要的指导意义，同时也节省了企业成本，提高了加工效率，利于广泛推广。
下面结合附图与实施例，对本发明进一步说明。
附图说明
图1为单道激光熔覆示意图。
图2为单道熔覆层宏观形貌示意图。
图3为实际单道熔覆层宏观形貌。
图4为熔覆层高度实验值与预测值对比示意图。
图5为熔覆层宽度实验值与预测值对比示意图。
图6为熔池深度实验值与预测值对比示意图。
具体实施方式
实施例：本实施例提供的一种单道激光熔覆层形貌预测方法，其包括以下步骤：
(1)本实施例中，以设计19组不同工艺参数的单道激光熔覆实验为例。其它实施例中，也可以采用其它组数,如17组、18组等。
工艺参数包括激光功率P、扫描速度Vs、送粉速率Vf。每道熔覆层的长度均优选为40mm，其它实施例中，该每道熔覆层的长度也可以为30～50mm，熔覆示意图如图1所示，每组实验工艺参数如表1所示；
表1激光熔覆工艺参数表
| 实验序号 | 激光功率P(kW) | 扫描速度V<sub>s</sub>(mm/s) | 送粉速率V<sub>f</sub>(g/s) |
| 1 | 2.2 | 6 | 0.375 |
| 2 | 2.2 | 7 | 0.5 |
| 3 | 2.2 | 8 | 0.625 |
| 4 | 2.4 | 7 | 0.625 |
| 5 | 2.4 | 8 | 0.375 |
| 6 | 2.4 | 6 | 0.5 |
| 7 | 2.6 | 8 | 0.5 |
| 8 | 2.6 | 6 | 0.625 |
| 9 | 2.6 | 7 | 0.375 |
| 10 | 2 | 7 | 0.5 |
| 11 | 2.4 | 7 | 0.5 |
| 12 | 2.8 | 7 | 0.5 |
| 13 | 3.2 | 7 | 0.5 |
| 14 | 2.4 | 5 | 0.5 |
| 15 | 2.4 | 9 | 0.5 |
| 16 | 2.4 | 11 | 0.5 |
| 17 | 2.4 | 7 | 0.25 |
| 18 | 2.4 | 7 | 0.75 |
| 19 | 2.4 | 7 | 1 |
(2)分别进行实验，然后在每道熔覆层中部沿垂直于激光扫描方向线切割10mm×10mm大小的试样,其它实施例中，试样的长宽尺寸可以为8～12mm×8～12mm；用金相砂纸研磨并通过机械抛光进行抛光后获得熔覆层横截面的金相样品；
(3)用王水对上述获得的金相样品进行腐蚀10～15s，然后利用型号为XJ-3DHD16的工业显微镜测量每个金相样品的三维形貌(熔覆层高度、熔覆层宽度、熔池深度)并记录数据。图2为单道熔覆层宏观形貌示意图(熔覆层高度为H，熔覆层宽度为W，熔池深度为D)，图3为显微镜观察到的熔覆层宏观形貌，测得每组单道熔覆层形貌数据如表2所示；
表2单道熔覆层形貌数据
| 实验序号 | 高度H(mm) | 宽度W(mm) | 熔池深度D(mm) |
| 1 | 0.55 | 3.29 | 0.51 |
| 2 | 0.65 | 3.11 | 0.32 |
| 3 | 0.52 | 3.05 | 0.36 |
| 4 | 0.89 | 3.11 | 0.3 |
| 5 | 0.51 | 3.25 | 0.41 |
| 6 | 0.86 | 3.36 | 0.5 |
| 7 | 0.67 | 3.4 | 0.52 |
| 8 | 0.85 | 3.51 | 0.57 |
| 9 | 0.7 | 3.45 | 0.64 |
| 10 | 0.65 | 3.02 | 0.14 |
| 11 | 0.7 | 3.25 | 0.47 |
| 12 | 0.67 | 3.4 | 0.6 |
| 13 | 0.72 | 3.57 | 0.75 |
| 14 | 0.96 | 3.32 | 0.59 |
| 15 | 0.29 | 3.15 | 0.5 |
| 16 | 0.38 | 2.98 | 0.23 |
| 17 | 0.51 | 3.33 | 0.5 |
| 18 | 1.01 | 2.91 | 0.26 |
| 19 | 1.29 | 2.84 | 0.11 |
(4)将上述测得的三维形貌数据和对应的工艺参数输入SPSS统计分析软件，分别建立熔覆层高度、熔覆层宽度、熔池深度与工艺参数之间的函数模型。利用本发明方法得到的函数模型如下式(1)-(3)所示：
H＝0.1069P-0.1053Vs+1.0351Vf+0.6575 (1)
W＝0.5P-0.061Vs-0.7332Vf+2.831 (2)
D＝0.4493P-0.0438Vs-0.5691Vf-0.046 (3)
式中，H为熔覆层高度，W为熔覆层宽度，D为熔池深度，P为激光功率，Vs为扫描速度，Vf为送粉速率。
为了检验该模型的预测准确性，分别对熔覆层高度、宽度和熔池深度进行了预测对比，具体结果如表3所示，其中H为高度实验值，H′为高度预测值；W为宽度实验值，W′为宽度预测值；D为熔池深度实验值，D′为熔池深度预测值。将上述结果用折线图表示，其中图4为熔覆层高度对比结果，图5为熔覆层宽度对比结果，图6为熔池深度对比结果。三种预测结果误差均在可接受范围内，表明本发明方法可以快速准确地对单道熔覆层进行形貌预测。
表3实验值与预测值对比结果
本发明单道激光熔覆层形貌预测方法在多次实验的基础上，利用SPSS统计分析软件建立单道熔覆层宏观形貌与激光熔覆主要工艺参数之间的函数模型，SPSS是世界上最早采用图形菜单驱动界面的统计软件。SPSS采用类似EXCEL表格的方式输入与管理数据，数据接口较为通用，能方便的从其他数据库中读入数据。其统计过程包括了常用的、较为成熟的统计过程，完全可以满足非统计专业人士的工作需要。SPSS的基本功能包括数据管理、统计分析、图表分析、输出管理等等。SPSS统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类，每类中又分好几个统计过程，比如回归分析中又分线性回归分析、曲线估计、Logistic回归、Probit回归、加权估计、两阶段最小二乘法、非线性回归等多个统计过程，而且每个过程中又允许用户选择不同的方法及参数。通过SPSS统计分析软件所建立的函数模型可以快速准确地对单道激光熔覆层进行形貌预测，从而达到对熔覆层宏观形貌的精确预测目的。本发明单道激光熔覆层形貌预测方法具体具有以下优点：
1、利用本发明单道激光熔覆层形貌预测方法建立函数模型可以快速准确地对单道激光熔覆层进行形貌预测，操作方便快捷。
2、本发明单道激光熔覆层形貌预测方法能避免了以往靠经验判断造成的时间成本和经济成本，且该方法预测准确，误差较小。
3、利用本发明单道激光熔覆层形貌预测方法进行形貌预测，可以大幅提高企业效率，对于激光熔覆的工艺指导具有重要意义。
4、本发明单道激光熔覆层形貌预测方法从理论层面揭示了工艺参数与熔覆层宏观形貌之间的量化关系，为单道熔覆层的形貌预测提供了新的思路。
5、在实际应用中，利用发明单道激光熔覆层形貌预测方法对熔池深度进行了预测，能克服了经验判断只能得到熔覆层高度和宽度的缺点，对确保熔覆层稀释率，提高熔覆质量具有重要意义。
根据上述说明书的揭示和教导，本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此，本发明并不局限于上面揭示和描述的具体实施方式，对本发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外，尽管本说明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对本发明构成任何限制，采用与其相同或相似方法而得到的其它方法，均在本发明保护范围内。
Claims (7)
1.一种单道激光熔覆层形貌预测方法，其特征在于，其包括以下步骤：
(1)设计多组不同工艺参数的单道激光熔覆实验，工艺参数包括激光功率、扫描速度和送粉速率，每一组单道激光熔覆实验均获得一道熔覆层；
(2)在每道熔覆层中部沿垂直于激光扫描方向线切割所需尺寸大小的试样，对试样进行研磨抛光获得熔覆层横截面的金相样品；
(3)用王水对各个金相样品进行腐蚀10～15s，然后利用工业显微镜测量每个金相样品的三维形貌并记录三维形貌数据；
(4)将三维形貌数据和对应的工艺参数输入SPSS统计分析软件，分别建立熔覆层高度、熔覆层宽度、熔池深度与工艺参数之间的函数模型，实现对熔覆层形貌的预测。
2.根据权利要求1所述的单道激光熔覆层形貌预测方法，其特征在于，所述步骤(1)中通过单道激光熔覆实验获得的熔覆层的长度为30～50mm。
3.根据权利要求1所述的单道激光熔覆层形貌预测方法，其特征在于，所述步骤(2)中的试样的长宽尺寸为8～12mm×8～12mm。
4.根据权利要求1所述的单道激光熔覆层形貌预测方法，其特征在于，所述步骤(2)中用金相砂纸对所述试样进行研磨，通过机械抛光对试样进行抛光。
5.根据权利要求3所述的单道激光熔覆层形貌预测方法，其特征在于，所述步骤(3)中金相样品的三维形貌数据包括熔覆层高度、熔覆层宽度和熔池深度。
6.根据权利要求3所述的单道激光熔覆层形貌预测方法，其特征在于，所述步骤(3)中的工业显微镜的型号为XJ-3DHD16。
7.根据权利要求5所述的单道激光熔覆层形貌预测方法，其特征在于，所述步骤(5)中的函数模型如下式(ⅰ)-(ⅲ)所示：
H＝0.1069P-0.1053Vs+1.0351Vf+0.6575 (ⅰ)
W＝0.5P-0.061Vs-0.7332Vf+2.831 (ⅱ)
D＝0.4493P-0.0438Vs-0.5691Vf-0.046 (ⅲ)
式中，H为熔覆层高度，W为熔覆层宽度，D为熔池深度，P为激光功率，Vs为扫描速度，Vf为送粉速率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911318734.3A CN111046509A (zh) | 2019-12-19 | 2019-12-19 | 单道激光熔覆层形貌预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911318734.3A CN111046509A (zh) | 2019-12-19 | 2019-12-19 | 单道激光熔覆层形貌预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111046509A true CN111046509A (zh) | 2020-04-21 |
Family
ID=70237905
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911318734.3A Pending CN111046509A (zh) | 2019-12-19 | 2019-12-19 | 单道激光熔覆层形貌预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111046509A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112214864A (zh) * | 2020-08-04 | 2021-01-12 | 沈阳工业大学 | 一种多道多层激光熔覆层尺寸预测方法 |
| CN112857271A (zh) * | 2021-01-08 | 2021-05-28 | 中国科学院力学研究所 | 一种激光熔覆过程稳定性的判别方法 |
| CN114000144A (zh) * | 2021-10-29 | 2022-02-01 | 江苏徐工工程机械研究院有限公司 | 零件及其涂层制备方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104656437A (zh) * | 2014-12-03 | 2015-05-27 | 郑州轻工业学院 | 基于加工参数预测激光熔覆层表面尺寸的方法 |
| CN104923784A (zh) * | 2015-05-25 | 2015-09-23 | 苏州大学 | 一种提高激光变斑直接成形不等宽构件精度的方法 |
| CN108907192A (zh) * | 2018-08-16 | 2018-11-30 | 东北大学 | 一种基于温度预测的激光熔覆薄壁件精确成形的控制方法 |
-
2019
- 2019-12-19 CN CN201911318734.3A patent/CN111046509A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104656437A (zh) * | 2014-12-03 | 2015-05-27 | 郑州轻工业学院 | 基于加工参数预测激光熔覆层表面尺寸的方法 |
| CN104923784A (zh) * | 2015-05-25 | 2015-09-23 | 苏州大学 | 一种提高激光变斑直接成形不等宽构件精度的方法 |
| CN108907192A (zh) * | 2018-08-16 | 2018-11-30 | 东北大学 | 一种基于温度预测的激光熔覆薄壁件精确成形的控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 赵洪运 等: ""激光熔覆层形貌预测对比分析"", 《焊接学报》, vol. 30, no. 1, 31 January 2009 (2009-01-31), pages 51 - 54 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112214864A (zh) * | 2020-08-04 | 2021-01-12 | 沈阳工业大学 | 一种多道多层激光熔覆层尺寸预测方法 |
| CN112214864B (zh) * | 2020-08-04 | 2024-02-09 | 沈阳工业大学 | 一种多道多层激光熔覆层尺寸预测方法 |
| CN112857271A (zh) * | 2021-01-08 | 2021-05-28 | 中国科学院力学研究所 | 一种激光熔覆过程稳定性的判别方法 |
| CN112857271B (zh) * | 2021-01-08 | 2022-03-11 | 中国科学院力学研究所 | 一种激光熔覆过程稳定性的判别方法 |
| CN114000144A (zh) * | 2021-10-29 | 2022-02-01 | 江苏徐工工程机械研究院有限公司 | 零件及其涂层制备方法 |
| CN114000144B (zh) * | 2021-10-29 | 2023-11-07 | 江苏徐工工程机械研究院有限公司 | 零件及其涂层制备方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111046509A (zh) | 单道激光熔覆层形貌预测方法 | |
| CN110900379B (zh) | 一种压气机叶片机器人砂带磨抛加工方法 | |
| CN105538050A (zh) | 脆性材料超声振动侧面磨削的切削力预测方法 | |
| Li et al. | An effective PSO-LSSVM-based approach for surface roughness prediction in high-speed precision milling | |
| CN112214864A (zh) | 一种多道多层激光熔覆层尺寸预测方法 | |
| Chaturvedi et al. | Multi response optimization of process parameters of abrasive water jet machining for stainless steel AISI 304 using VIKOR approach coupled with signal to noise ratio methodology | |
| CN116922270B (zh) | 喷砂机的智能控制系统及其方法 | |
| CN109571017A (zh) | 一种高精度增减材3d打印方法以及装置 | |
| CN110658782B (zh) | 一种基于特征的数控机床固有能效预测方法 | |
| Jurkovic et al. | Application of modelling and optimization methods in abrasive water jet machining | |
| Varma et al. | Neural network and fuzzy logic based prediction of surface roughness and MRR in cylindrical grinding process | |
| Prasad et al. | Experimental investigation on modified air abrasive jet machining (MAAJM) | |
| Wang et al. | Parameter analysis and modelling of grinding special-shaped granite by diamond tools based on a robot stone machining system | |
| Careddu et al. | Technical–economic assessment of stone slabs surface finishing using water jet technology | |
| Wibowo et al. | Response surface methodology approach in achieving multi-response setup optimization in the machining process | |
| CN206029607U (zh) | 磨削机床用在线测量系统的支撑机构 | |
| CN101424934A (zh) | 直轴非球面镜面加工系统及方法 | |
| CN205817599U (zh) | 磨削机床在线测量系统 | |
| CN114905069B (zh) | 薄壁结构精密铣削-振动光饰表面粗糙度工艺控制方法 | |
| CN117428581B (zh) | 基于机械抛光的处理效率优化方法、系统及存储介质 | |
| Omietimi et al. | An overview of material removal processes and its importance | |
| CN108733878B (zh) | 一种高猛刚材料高速加工的切削力预测模型的建立方法 | |
| Deja et al. | Machines Advances and Trends in Non-conventional, Abrasive and Precision Machining | |
| CN116992778B (zh) | 铣削加工残余应力变形预测方法、存储介质和电子设备 | |
| Li et al. | Multi-objective modeling and evaluation for energy saving and high efficiency production oriented multidirectional turning considering energy, efficiency, economy and quality |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Sun Wenlei Inventor after: Zhang Guan Inventor after: Wang Kedian Inventor after: Fan Pengfei Inventor before: Fan Pengfei Inventor before: Zhang Guan Inventor before: Wang Kedian Inventor before: Sun Wenlei |
|
| CB03 | Change of inventor or designer information |