摘要 | 第1-11页 |
Abstract | 第11-14页 |
第1章 绪论 | 第14-29页 |
·烧结NdFeB永磁体材料 | 第14-20页 |
·简介 | 第14-15页 |
·烧结NdFeB材料性能及应用 | 第15-17页 |
·相结构及组成 | 第17-18页 |
·NdFeB永磁材料的腐蚀与防护 | 第18-20页 |
·硬脆材料的加工方法及加工机理的研究 | 第20-23页 |
·影响硬脆材料可加工性的因素及可加工性的表征与评估 | 第20-21页 |
·硬脆材料机加工理论研究现状 | 第21-23页 |
·硬脆材料的加工方法 | 第23-26页 |
·切削加工 | 第23页 |
·钻削加工 | 第23-24页 |
·磨削加工 | 第24页 |
·激光加工 | 第24页 |
·高压磨料水射流 | 第24页 |
·电火花加工 | 第24-25页 |
·超声波加工 | 第25页 |
·电化学放电加工 | 第25页 |
·超声电火花加工 | 第25-26页 |
·电解电火花磨削加工 | 第26页 |
·烧结NdFeB材料加工现状 | 第26-27页 |
·本文的课题来源、研究背景及研究内容 | 第27-29页 |
·课题来源及研究背景 | 第27页 |
·研究内容 | 第27-29页 |
第2章 超声波及旋转式超声波加工 | 第29-63页 |
·NdFeB材料力学性能研究及断口形貌观察 | 第29-31页 |
·NdFeB材料超声波加工机理及试验研究 | 第31-36页 |
·NdFeB材料超声波加工机理 | 第31-32页 |
·超声波加工过程中NdFeB材料裂纹的形成 | 第32-33页 |
·NdFeB材料超声波加工试验研究 | 第33页 |
·加工表面分析 | 第33-34页 |
·各工艺参数对材料去除率的影响 | 第34-36页 |
·工具旋转式超声波加工 | 第36-62页 |
·旋转超声加工 | 第36-37页 |
·工具旋转式超声波加工 | 第37页 |
·加工装置的设计 | 第37-44页 |
·加工机理分析 | 第44-46页 |
·材料去除模型的建立 | 第46-51页 |
·模型中各参数对材料去除率的影响 | 第51-58页 |
·旋转式超声波加工试验研究 | 第58-62页 |
·本章小结 | 第62-63页 |
第3章 烧结NdFeB材料电火花加工研究 | 第63-84页 |
·电火花加工过程的数学物理分析 | 第63-65页 |
·NdFeB材料电火花加工蚀除机理的研究 | 第65-68页 |
·NdFeB材料电火花加工的实验研究 | 第68-74页 |
·峰值电流的影响 | 第69-71页 |
·脉冲宽度的影响 | 第71-73页 |
·脉冲间隔的影响 | 第73-74页 |
·烧结NdFeB材料电火花加工表面分析 | 第74-82页 |
·加工表面分析 | 第74-76页 |
·加工断面分析 | 第76-78页 |
·耐锈蚀性试验 | 第78-79页 |
·加工表面显微硬度的变化 | 第79-80页 |
·加工表层材料成分分析及组织结构分析 | 第80-82页 |
·本章小结 | 第82-84页 |
第4章 超声振动辅助电火花加工 | 第84-101页 |
·超声振动辅助电火花加工基本原理 | 第84-87页 |
·NdFeB材料超声振动辅助电火花加工装置 | 第87-88页 |
·加工参数对NdFeB材料加工效果的影响 | 第88-92页 |
·峰值电流的影响 | 第88-90页 |
·脉宽的影响 | 第90-91页 |
·脉间的影响 | 第91-92页 |
·加工参数对表面质量的影响 | 第92-93页 |
·超声振动对加工表面的影响 | 第93-95页 |
·NdFeB材料的小孔加工 | 第95-100页 |
·梯状电极的制作 | 第96-98页 |
·加工实验 | 第98-100页 |
·本章小结 | 第100-101页 |
第5章 超声振动-脉冲火花放电复合加工 | 第101-111页 |
·超声振动-脉冲火花放电复合加工 | 第101页 |
·磨料颗粒所引起的电场畸变 | 第101-104页 |
·超声振动-脉冲火花放电复合加工机床整体设计 | 第104-105页 |
·超声振动-脉冲火花放电复合加工实验研究 | 第105-109页 |
·材料去除率分析 | 第106-108页 |
·加工效果分析 | 第108-109页 |
·本章小结 | 第109-111页 |
第6章 仿真 | 第111-123页 |
·引言 | 第111页 |
·仿真系统的总体结构 | 第111-114页 |
·烧结NdFeB材料加工仿真系统的软件实现 | 第114-122页 |
·神经网络的实现 | 第114-115页 |
·仿真系统优化功能的实现 | 第115-117页 |
·GA算法用于工艺参数的优化 | 第117-118页 |
·人工神经网络的训练和测试 | 第118-120页 |
·仿真系统的预测 | 第120-121页 |
·仿真系统的优化 | 第121-122页 |
·本章小结 | 第122-123页 |
结论 | 第123-125页 |
参考文献 | 第125-134页 |
附录 | 第134-136页 |
攻读博士学位期间所发表的学术论文 | 第136-138页 |
致谢 | 第138页 |