[發明專利]基于陶瓷材料磨削加工數據庫平臺的陶瓷材料多尺度磨削加工工藝參數的選擇方法

在審

• 申請號: 201811357496.2
• 申請日: 2018-11-15
• 公開（公告）號: CN109581963A
• 公開（公告）日: 2019-04-05
• 發明（設計）人: 林彬;趙菲菲;隋天一;張曉峰;王安穎;魏金花
• 申請（專利權）人: 天津大學
• 主分類號: G05B19/401
• 分類號: G05B19/401;G05B19/4099
• 代理公司: 天津才智專利商標代理有限公司 12108
• 代理人: 王曉紅

本發明公開了一種基于陶瓷材料磨削加工數據庫平臺的陶瓷材料多尺度磨削加工工藝參數的選擇方法，在陶瓷材料制備完成后首先要完成材料基本性能檢測，包括宏觀及微觀性能/質量檢測；和當前已有陶瓷材料磨削加工數據庫，尋找與已有陶瓷材料存在的性能相似性，以此初步劃分該陶瓷所屬的屬性集及該屬性集的加工性評價方法；根據已掌握的該陶瓷材料性能修改當前磨削加工數據庫中已有的加工參數作為該陶瓷材料的磨削工藝參數，對該陶瓷材料進行磨削加工和質量檢測與評價，做出相應的修正，同時要回歸該陶瓷材料與當前磨削加工數據庫比對過程中材料的相似性劃分及加工性評價的再次審核確認，避免分類導致的一系列錯誤判斷；直至質量檢測與評價復合預測磨合加工質量。

技術領域

本發明屬于陶瓷磨削加工領域，具體來說是一種基于陶瓷材料磨削加工數據庫平臺的陶瓷材料多尺度磨削加工工藝參數的選擇方法。

背景技術

磨削參數受機床、砂輪、材料、加工要求等很多因素的影響，很多人對如何實現智能化做了很多努力。為實現磨削加工的智能化，德國與美國已開發了比較全面的金屬材料磨削加工的數據庫。我國在1996年也總結了部分磨削加工的數據庫。到2000年已建立了磨削共享平臺，含有21萬多項數據量包括磨料磨具、磨削工藝、砂輪修整等模塊。孟令峰等人提出采用人工智能的方法實現工藝參數的選擇。采用模糊評價方法對待加工材料進行加工性評價，然后在大量實驗積累的前提下應用神經網絡算法實現工藝參數選擇。湖南大學針對陶瓷材料的磨削加工以氮化硅陶瓷球面磨削為例研究了磨削工藝參數選擇的方法。提出將正交試驗與神經網絡模型結合，考慮二者的相互作用。建立了兩個網絡模型即計算磨削工藝參數和預測磨削加工質量。

當前磨削加工的數據庫主要是在金屬材料加工基礎上建立起來的，對陶瓷材料的數據庫還需要進一步積累。在前述磨削工藝參數選擇的智能化研究中，加工性評價大多采用綜合評價方法，應用數學算法，然后通過神經網絡、模糊算法等實現參數選擇，需要的實驗量大，且目前的應用不多。

工程陶瓷材料因其高硬度、高耐磨性、高強度等優良性能在航空航天等領域已得到廣泛應用。但因其組織結構的復雜性當前的主要加工手段仍是磨削加工，且主要依靠實際操作人員的經驗，沒有形成統一的工藝選擇的標準，阻礙了實現加工工藝選擇的智能化。

通過大量文獻檢索總結發現，常見的加工性評價方法分為單因素方法和綜合性能評價方法。單因素評價方法往往具有片面性的缺點。綜合性能評價方法往往考慮了多種力學性能參數(硬度、韌性、彈性模量等)、磨削用量、磨削幾何特性并建立了多種磨削參數的理論預測模型，不易理解，是計算過程復雜的數學運算模型。

通過對比常見的兩種加工性評價方法——單因素評價方法和綜合性能評價方法的優缺點，當前還沒有統一的陶瓷材料加工性評價標準，而且現有的加工性評價方法都沒有考慮陶瓷材料微觀組織結構特征。

發明內容

本發明所要解決的技術問題是，提供一種陶瓷材料多尺度磨削加工工藝參數的選擇方法，將陶瓷材料微觀結構與宏觀材料性能的影響同時納入評價體系之中，作為多尺度磨削加工的著手點。

為了解決上述技術問題，本發明采用的技術方案是：一種基于陶瓷材料磨削加工數據庫平臺的陶瓷材料多尺度磨削加工工藝參數的選擇方法，包括以下步驟

步驟一：燒制前，先對原材料陶瓷粉末的力學特性及微觀形貌進行測定及數據統計，將其與標準原料性能做定量對比，保證所用原料符合標準原料使用標準；

步驟二：根據相應的陶瓷燒制工藝，完成陶瓷材料的制備，在陶瓷材料制備完成后，對陶瓷材料進行宏觀和微觀的性能/質量檢測；

步驟三：在已建立的陶瓷材料屬性及磨削加工工藝數據庫中，尋找該陶瓷材料與磨削加工數據庫中已有陶瓷材料存在的性能相似性，以此初步劃分該陶瓷材料所屬的屬性集及該屬性集的加工性評價方法；