公司新闻

磨削参数对木材砂带磨削能耗的影响

摘要 砂带磨削是砂带这一特别形式的磨削对象,借助于张紧机构使之张紧,和驱动轮使之高速活动,并在必然压力感化下,使砂带与工件概况接触以实现磨削加工的整个过程。砂带磨削是木质材料加工手艺中尤...

       砂带磨削是砂带这一特别形式的磨削东西,借助于张紧机构使之张紧,和驱动轮使之高速活动,并在必然压力感化下,使砂带与工件皮相接触以实现磨削加工的整个过程。

       砂带磨削是木质材料加工手艺中尤为主要的一项。砂光机占木材加工设备总数的4%摆布,而磨削加工占木质材料切削加工的30%摆布,磨削能耗占总加工能耗的15% ~25%。

       磨削的首要目的是定厚(尺寸校准)、去除人造板外观的预固化层等,对木质材料产物的加工精度、轮廓质量和胶合质量具有至关主要的感化。

       今朝关于木质材料磨削加工的理论不足,磨削工艺参数和动力装备不对理,从而导致磨削加工能耗高、产物质量差及磨削机械设计错误理等问题,急需木质材料磨削加工理论研究指导实际磨削生产,以提高材料行使率和产物质量,降低生产能耗。

       磨削参数及木材性质都影响磨削力和磨削功率,且木材砂带磨削过程的变异性较大。用常规回来阐发法设立经验模型较为艰巨,适用局限较窄,需要竖立普遍适用的数据模型。

       磨削加工包罗滑擦、耕犁和切削3个过程。当工件上的压力非常小时,磨粒只会擦拭工件概况;当压力略有增加,砂带磨削起头耕犁和切削木成品外面。滑擦、耕犁和切削的比例反映了单元单子面积砂带介入磨削磨粒的量,分歧的比例也会导致磨削能耗发生转变。能够过程合理设置磨削参数,增加磨削过程中有效切削的比重。但在实际生产中,切削阶段只能经由间接的格局测定。磨削力是磨削加工中最根基的输出旌旗,几乎影响所有磨削现象。

       本研究从磨削力做功出发,采用磨削功率操纵率μ(即磨削力做功功率Pst占整个磨削功率Ps的百分比)来间接反映磨削能耗操纵效率。

       磨削力包罗滑擦、耕犁和切削阶段所发生的力,所以磨削力做功根基能够表现磨削过程中材料的弹塑性变形以及切除材料的耗能。若磨削功率操纵率大,则可间接说明磨削力做功首要感化于切削阶段,即发生材料切除,而滑擦与耕犁阶段的磨削热占总能耗的比例小;若磨削功率使用率小,则可间接说明磨削力做功首要感化于滑擦和耕犁阶段,即磨削热和空气阻力、噪声等其他能耗占总能耗的比例大。

       综上,北京林业大学应俊华,罗斌等重点研究分歧磨削工艺参数对实际材料去除效率的影响,表现为磨削力做功在整个磨削能耗中的占比,从而优化磨削工艺参数,指导实际生产,提拔能源哄骗效率。

       1 材料与方式

       1.1 试验材料

       1.2 试验方式

       1.3 测试方式

       2 成果与阐发

       2.1 砂带磨削参数对砂光机空转功率的影响

       对影响砂光机在空转时有功功率(以下简称为空转功率)的磨削参数进行方差剖析可知,各参数对空转功率的影响顺序为V>U>Ts>G,砂带速度和进给速度对空转功率有高度显著影响,而砂带磨料粒度和磨削深度与空转功率的相关性不大。对空转功率的直观阐发见图6。由图6可知,空转功率跟着砂带速度和进给速度的增加根基呈线性增加,且增加最显著的是砂带速度。改变砂带速度和进给速度时,空转功率的水平极差辨别为0.331和0.069kW,水平极差之比约为5。空转功率的改变纪律反映了试验所用砂光机的部件电机能耗,即砂带迁移电机功率大于试件进给电机功率。此外,砂带速度对空转功率的影响较大也与其引起的风阻较大有关,砂带动弹时受到的空气阻力(f)知足空气阻力公式:

053106.png

       式中:C是阻力系数,Pa是空气密度,S是物体有效横截面积,v是物体移动速度,此处与砂带速度不异。由式(4)可知,空气阻力与砂带速度呈二次方的关系,砂带速度越大,受到的空气阻力越大,能量损耗越大。而磨料粒度和磨削深度对空转功率无影响,侧面反映了试验成绩的不乱性和靠得住性。

053107.png

       2.2 砂带磨削参数对杨木和红松Psf和μ的影响

       砂带磨削参数对杨木和红松Psf和μ的影响正交试验方差剖析见表2。由表2可知,4个身分都是高度显著影响Psf的身分,顺序为U>Ts>V>G。磨削参数对μ影响的巨细顺序为Ts>G>V>U,个中,G和V为显著影响身分,提高砂带磨削木质材料的功率行使率,首要从改变Ts、G和V的巨细出发。Ts和G对Psf和μ均为高度显著影响,这反映了砂带磨削木质材料的影响纪律,跟着Ts的增加,磨削总量增加,每齿切削量增加,磨削力增大,磨削力做功功率增大。而G可反映磨料粒度和磨粒数目,直接影响每齿切削量,进而影响磨削力,对整个磨削过程的磨削力做功功率发生高度显著影响。磨削参数U和V都是Psf的高度显著影响身分,且仅改变U,对Psf影响最大;此外,U或许影响票据时间内磨削木质材料的长度,改变U就可改变票据时间内的磨削量,影响磨粒每齿切削量,进而影响磨削力和Psf的巨细。按照式(1),V的增大会导致Psf增大, 然则V的增大也会使单元单子时间内磨削木材的总磨粒增多,介入切削的磨粒数目增加,每齿切削量削减,磨削力减小,从而使Psf值减小。是以,V对Psf的影响小于U。

1559272687120966.png

       顺纹磨削时,Ps和G是影响μ的首要身分,V和U则对μ几乎没有影响。杨木顺纹磨削时,Ts是μ的高度显著影响身分;而红松顺纹磨削时,Ts的F值只是接近显著影响身分。斜纹磨削时,杨木斜纹的分歧磨削参数F值大多比红松斜纹磨削时大。杨木斜纹磨削时,Ts和V是高度显著影响身分,G和U是显著身分;红松斜纹磨削时,Ts和G是高度显著影响身分,V是显著身分,U对μ无影响。横纹磨削时,2种木材的Ts都为高度显著影响身分;杨木的G为显著影响身分,红松的G则对μ无影响;红松与杨木比拟,改变磨削参数U和V时,红松对μ的影响更小。μ在杨木顺纹、斜纹和横纹磨削时获得的总数据中的极差划分为0.148,0.195和0.158;在红松顺纹、斜纹和横纹磨削时划分为0.149,0.183和0.168。是以,改变磨削参数时,μ的总改变量从大到小依次为杨木斜纹、红松斜纹、红松横纹、杨木横纹、红松顺纹、杨木顺纹。对于同种木材,μ值的转变量:斜纹>横纹>顺纹。杨木磨削时,μ的改变量略大于红松。红松的密度和外观硬度都比杨木大,且纹理布列更单一,同种磨削参数磨削时,硬度和密度更小的木材μ 值的改变量更大。磨削参数对Psf影响的直观阐明图见图7。由图7可知,Psf的值随各参数值的增大而增大。G对Psf值的影响,除顺纹磨削时仅有60目1个拐点;斜纹及横纹磨削时辨别在60和100目都有2个拐点。跟着U的增大,Psf逐渐增大,且增大的速度也逐渐增加。跟着磨削参数V和Ts的增加,Psf根基呈直线增大。在分歧纹理时的最大值分歧,杨木顺纹、斜纹和横纹磨削时的Psf最大值差别为0.34,0.26和0.24kW;红松顺纹、斜纹和横纹磨削时的Psf最大值辨别为0.35,0.32和0.23kW。磨削力做功功率巨细顺序为顺纹、斜纹、横纹。磨削参数对μ影响的直观阐明见图8。由图8可知,跟着磨削参数Ts的增加,μ呈下降趋势;G增大时,μ的值也根基呈下降趋势,斜纹和横纹磨削时,在60和100目处有2个拐点,红松顺纹磨削时仅有100目1个拐点,杨木顺纹磨削时则无拐点;磨削参数U增加时,μ呈先减小后增大的凹形;磨削参数V增加时,μ根基呈上升趋势。这表明顺纹磨削时,采用40目砂带更有利于提高磨削功率的操纵率,而斜纹和横纹磨削时采用60目砂带更优。采用高速磨削可提高磨削功率的行使率,使用最高进给速度或最低进给速度可稍微提高μ值;在同样的磨削前提下,跟着Ts的增加,μ在整体上呈降低趋势,Ts越大,实际磨削深度与设定厚度误差越大。此外,磨削分歧的树种,在分歧纹理目的下,最高磨削效率都不沟通。凭据各纹理偏向下的μ数据汇总,杨木顺纹、斜纹和横纹磨削时的μ平均值辨别为0.425,0.442和0.510,红松顺纹、斜纹和横纹磨削时的μ平均值差别为0.366,0.542和0.420。磨削效率的凹凸顺序为红松斜纹、杨木横纹、杨木斜纹、杨木顺纹、红松横纹、红松顺纹。杨木磨削效率顺序(横纹>斜纹>顺纹) 与前人研究效果不异,而红松则为斜纹>横纹>顺纹。红松斜纹磨削效率更高,这是因为针叶材的纹理比拟杨木这类阔叶材更通直。对各磨削参数下μ的直观阐明,可得最佳功率操纵率(高磨削效率)的磨削方案为:磨削深度0.1mm,砂带速度10.74m/s,进给速度5.16m/min,磨料粒度60目,杨木横纹磨削,红松斜纹磨削。经争论,平均功率操纵率45%,最大功率行使率78%,最小功率哄骗率21%。

1559272719550849.png

       2.3 杨木砂带磨削参数的BP(back propagation)神经收集建模  

       本研究采用单隐层的BP神经收集系统对杨木的纹理、磨削参数与Psf和μ2种表征量之间的非线性关系竖立仿真模型,该中央层神经元数目(隐层节点数)能够凭据kolmogorov定理选择:

053110.png

       式中:m是隐层节点数;n是输入节点数;l是输出节点数;a是1~10间的常数。具有单隐层的BP神经收集能够映射所有持续函数,只有当进修不一连函数时才需要2个隐层。是以,本试验选用单隐层的BP神经收集。增加隐层节点数,收集从样本中获得信息的能力会有所提高;但假如隐层节点数过多,收集又可能把样本中非纪律性的内容(如噪声)记牢,反而降低了泛化能力,也会使练习时间增加。当样本数固准时,较少的隐层节点数可能无法表达所有的样本纪律。当样本数目过少时,有较多隐层节点数的神经收集得不到有效练习。经由频频测试,本试验的隐层最终选用3节点。输入层(G、U、V、Ts和λ)是五维的向量,所以输入层为五节点。输出2个效果(Psf和μ)为二维,所以输出层为两节点。BP神经收集的根基架构和挪用函数经由以下代码完成:

053111.png

       个中,“threshold”划定输入向量的最小值(0)和最大值(1),“tansig” 为收集中央层传递函数tansig(),输出层传递函数为对数函数logsig(),练习函数为trainlm()。木质材料磨削过程影响成果计较复杂,适当增加练习次数和减小进修速度,或许提高练习正确度。收集练习次数设置为1000次,进修速度设置为0.01,练习方针误差为0.001(0.1%),练习代码如下:

053112.png

       将归一化后的试验参数和效果输入到代码中,获得练习代码并练习。进行BP神经收集猜测,然后绘制预告误差曲线,练习代码如下:

053113.png

       BP神经收集的模拟效果见图9。由图9a可知,设置盼望误差为0.001,实际1000次练习后可得均方误差为0.004 692 8;图9b显示了神经收集输出值与方针值(T)之间的拟合了局,可知:拟合成效的置信度约为92%,能够知足猜测的根基要求;图9c为展望时收集输出效果与原数据的模拟误差值,能够看出,最大误差约为7%。

1559272802585232.png

       模拟值与测量值的后果斗劲见表3。表3 中Psf和μ透露测量值,Psf2和μ2透露模拟值。Psf的最大相对误差为10.1%,平均误差为6.4%;μ的最大相对误差为12.6%,平均误差为8.3%,完全或许知足砂带磨削杨木时Psf和μ的展望需要。本次展望时间小于2s,是以,BP神经收集系统削减了剖析较量时间。因为木材材质自己的各向异性和多孔性,磨削效果跟金属等材料有很大区别,木材磨削中有测量成绩误差大和数据噪声大等错误,是以,竖立Psf和μ的理论与经验模型较难。而BP神经收集具有杰出的非线性映射能力、泛化能力和容错能力,或许知足木质材料磨削的实际建模和展望。

053115.png

       结 论

       1)磨削参数对Psf的影响顺序为U>Ts>V>G,且都为高度显著影响身分,对μ的影响顺序为Ts>G>V>U,Ts为高度显著影响身分,G和V为显著影响身分。是以,提高砂带磨削木质材料的功率行使率,首要考虑改变Ts、G和V3个磨削参数。

       2)Ts和G是影响Psf和μ的高度显著影响身分,Ts的影响最大,G次之。木材纹理对μ的影响,杨木磨削时从大到小依次为横纹、斜纹、顺纹,而红松则为斜纹、横纹、顺纹。

       3)最佳功率操纵率(高磨削效率)的磨削方案为:磨削深度0.1mm,砂带速度10.74m/s,进给速度5.16m/min,磨料粒度60 目,杨木横纹磨削,红松斜纹磨削。平均功率哄骗率45%,最大功率哄骗率78%,最小功率哄骗率21%。

       4)采用BP神经收集建设杨木的Psf和μ仿真模型,拟合效果的置信度约为92%,实际猜测中Psf的平均误差为6.4%,μ的平均误差为8/3%,或许知足展望的根基要求。

       该文颁发于《林业工程学报》2019年第3期。

上一篇:郑州制造强市专项奖补下月申报 下一篇:没有了

联系我们

CONTACT US

联系人:张先生

手 机:13988889999

电 话:020-66889888

邮 箱:admin@163.com

地 址:广东省广州市番禺经济开发区58号