公共文化服务平台

搜索到1318篇“ 材料去除率“的相关文章

基于正交实验的机器人磨抛加工材料去除率研究: 2025年; 材料去除率是反映抛磨加工效率的重要因素,通过设计三因素三水平正交实验,分析机器人磨抛加工铸铁件过程中砂带粒度、机器人速度及砂带轮转速对材料去除率的影响;方差分析得到机器人运动速度对材料去除率具有显著性影响;分析各个工艺参数对工件材料去除率的影响趋势,分别采用分段线性曲面、分段三次曲面及双调和曲面对结果进行拟合,最后通过多元线性回归分析,建立机器人材料去除率预测模型。; 任志军吴全君丁保安李风刚王振宇; 关键词：机器人磨抛去除率

一种航空金属材料加工过程中材料去除率的预测方法: 本发明提供一种航空金属材料加工过程中材料去除率的预测方法，首先求解实际加工过程中金属材料的弹塑性变形量方程并确定参数变量，然后建立待检测金属材料加工过程中的材料去除率模型，根据建立的材料去除率模型预测实际加工过程中材料的...; 王奔张棋赵家兴马书娟庄鑫

一种螺旋曲面磨削材料去除率的快速预测方法: 本发明涉及一种螺旋曲面磨削材料去除率的快速预测方法，包括以下步骤：根据螺杆转子型面的特点，采用接触轮式砂带磨削方式对螺杆转子凹面进行磨削加工，得到接触区域应力分布p′；应用自由砂带磨削方式对螺杆转子凸面进行加工，获得接触...; 杨赫然孙兴伟刘伟军潘飞董祉序何源

GA-BP神经网络在抛光材料去除率预测中的应用: 2024年; 材料去除率(material removal rate,MRR)是抛光过程中调控工艺参数和评估加工效果的一项重要指标。为了有效地预测抛光过程中工件的材料去除率,建立了一种运用遗传算法(genetic algorithm,GA)与反向传播(back propagation,BP)神经网络相结合的MRR预测模型,利用GA的全局寻优能力对BP神经网络的初始权重和阈值进行优化。通过随机森林(random forest,RF)算法选择出对MRR预测结果影响显著的参数变量作为神经网络的输入,运用有关实验数据对网络模型进行训练与预测分析,并与同等条件下运用传统BP神经网络建立的预测模型进行对比分析。结果表明:GA-BP神经网络具有较高的预测精度。; 吴瑞喜柳奇搏张善青王桂莲; 关键词：抛光材料去除率 BP神经网络遗传算法

一种基于降低仿真与实验之间拟合误差的永磁小球头磁流变抛光材料去除率模型建立方法: 本发明一种基于降低仿真与实验之间拟合误差的永磁小球头磁流变抛光材料去除率模型建立方法，涉及超精密加工技术领域，为解决现有技术针对永磁小球头磁流变抛光方法的材料去除机理未完全揭示，材料去除率模型难以准确建立的问题。包括如下...; 刘赫男田金川陈明君程健吴春亚

动密封环研磨中材料去除率建模及仿真研究: 2024年; 液体火箭的寿命主要受发动机影响,涡轮泵又是发动机的心脏,所以涡轮泵性能至关重要,其平稳运行对火箭发动机的安全运行意义重大。影响涡轮泵稳定运行的核心问题包括轴承和密封的磨损、变形及失效等。文中围绕涡轮泵密封性中的重要组成部件——动密封环的研磨工艺进行研究。对动密封环研磨中材料去除率进行模型构建,研究其去除机理。对材料去除模型工艺参数进行仿真计算,对照研磨试验结果,把研磨加工压力、研磨转速、研磨时间工艺参数作为要素核心。所得的仿真结果可对研磨试验起到预测作用,以提高动密封环加工研磨效率。; 刘江红陈友旭苏鸣路文文徐真真; 关键词：材料去除率

一种融合视听信息的砂带磨削材料去除率感知测量方法: 本发明公开了种融合视听信息的砂带磨削材料去除率感知测量方法，该方法包括：1)单工况下采集视觉火花图像和声音信号；2)对采集到的信号进行预处理；3)对单工况下的稀疏样本建立机器学习集成树材料去除率感知测量模型和密集样本的建...; 王妮娜庞婉静陈虎刘帅张广鹏

基于RBF-FA的TC4叶片抛光材料去除率预测研究: 2024年; 为了优化钛合金TC4叶片抛光过程中的材料去除率,进而提高工艺效率和延长设备使用寿命,设计了工艺参数与材料去除率之间的抛光试验。在获得试验数据的基础上,构建了基于径向基函数(RadialBasis Function,RBF)的材料去除率预测模型,并引入萤火虫算法(FireflyAlgorithm,FA)进行参数优化。经过深入训练和验证,RBF-FA预测模型展现出了高精度的材料去除率预测能力。实验结果表明,RBF-FA预测模型准确度高,其中训练组和检验组的平均误差分别为4.97%和3.59%,验证了该模型对于TC4叶片抛光过程中材料去除率预测的有效性。文中提出的方法可为TC4合金叶片抛光工艺参数的优化提供可靠依据。; 陈振李锋田国良普亚松; 关键词：RBF神经网络 TC4 材料去除率

基于多源数据融合的半导体晶片CMP抛光材料去除率预测被引量：2: 2024年; 目的对半导体晶片抛光过程中的工艺参数、耗材使用量、抛光垫状态参数等多源数据预处理后进行数据融合,建立材料去除率(MRR)预测模型,为实现半导体晶片抛光加工工艺的决策和处理奠定基础。方法研究晶片抛光加工中的数据特点及数据融合需求,提取数据集中每个晶片加工过程中的统计特征并生成新数据集,同时引入邻域特征以应对晶片加工过程中动态因素对材料去除率的影响。提出基于深度自动编码器的多源数据融合及材料去除率预测方法。设计深度自动编码器参数,优化深度自动编码器的损失函数从而增强深度自动编码器对强相关性特征变量的重建。基于深度自动编码器进行多源传感器信号融合,降低数据维度。使用超参数搜索算法优化BP神经网络超参数,利用BP神经网络方法将融合后的数据进行半导体晶片抛光过程中的材料去除率预测。结果采用PHM2016数据集对模型进行验证,均方误差MSE达到7.862,相关性R^(2)达到91.2%。结论基于多源数据的融合模型能有效预测MRR,可以对半导体晶片CMP工艺过程的智能决策与控制起到良好的辅助作用。; 方维王宇宇宋志龙吕冰海赵文宏; 关键词：化学机械抛光材料去除率数据融合

抛光材料去除率分布预测模型训练方法、预测方法、存储介质和终端: 本发明公开了一种抛光材料去除率分布预测模型训练方法、预测方法、存储介质和终端，其中训练方法包括：获取多条抛光材料去除率分布数据，通过可逆降维方法分别对每条抛光材料去除率分布数据进行降维处理，以获取分布关键特征；将抛光工艺...; 缪吴丽黄琪关子钧

相关作者