【摘要】：油氣運輸管道的切割作業(yè)大多都處于油氣環(huán)境下,若是切割過程中產(chǎn)生明火或者是高溫,就極易引發(fā)火災甚至是爆炸,產(chǎn)生安全事故,因而,需要一種安全的切割方法。磨料水射流切割技術屬于冷態(tài)切割技術,它是在高速高壓水射流中混入磨料粒子,形成切割能力較強的磨料水射流后切割工件,由于其特有的冷切割特性,切割過程中不會產(chǎn)生明火或者是高溫,相較于傳統(tǒng)的切割方法,特別適合油氣運輸管道的切割。然而磨料水射流是一種“軟刀具”,在實際的切割加工過程中工件的切割斷面上往往會呈現(xiàn)出有規(guī)律的弧線條紋,斷面粗糙。油氣運輸管道切割既要求防火,也要求切割斷面具有較好的切割質量。切割質量模型的建立可實現(xiàn)磨料水射流的精密切割,獲得需要的切割質量。本文在對磨料水射流切割質量模型進行研究的基礎上,提出了磨料水射流切割質量智能控制的研究課題。論文以油氣運輸管道常用的Q235鋼為試件,進行磨料水射流切割試驗。針對磨料水射流切割質量與各工藝參數(shù)之間的關系非常的復雜,采用傳統(tǒng)的數(shù)學方法難以建立一個合適的機理模型的問題,基于BP神經(jīng)網(wǎng)絡的建模技術,在考慮切割速度、靶距、磨料流量、磨料粒度4個工藝參數(shù)的情況下,結合磨料水射流切割單因素試驗分析、全面試驗以及極差分析的結果,建立基于BP神經(jīng)網(wǎng)絡的磨料水射流切割質量控制模型。論文提出將遺傳算法(Genetic Algorithms,簡稱GA)應用于切割質量控制模型的算法中,建立改進GABP算法的磨料水射流切割質量控制模型,避免BP神經(jīng)網(wǎng)絡模型在學習過程中陷入局部極小點,并對其性能進行驗證,結果表明改進GABP算法的磨料水射流切割質量控制模型具有更好的預測精度,可用其對切割速度進行有效預測,從而實現(xiàn)在加工中對磨料水射流切割質量的有效控制。論文將VC++編程語言與Matlab神經(jīng)網(wǎng)絡工具箱、遺傳算法工具箱進行有機的結合,以改進GABP算法的磨料水射流切割質量控制模型為基礎,利用VC++編程語言開發(fā)磨料水射流切割質量智能控制模塊,開發(fā)出了能夠實現(xiàn)磨料水射流切割加工時工藝參數(shù)的智能化選擇和可視化操作的智能控制模塊。
【學位授予單位】：西華大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TG664;TE973
【圖文】：

圖 1.1 后混合磨料水射流系統(tǒng)Fig 1.1 Post mixed abrasive water jet system射流中的磨料粒子是在自身的重力以及壓力差的初始速度較低，故難以與高速高壓水射流混效的能量傳遞，明顯的降低了磨料粒子的磨削較大，如切割鋼材時射流壓力通常在200Mpa以蝕效果，人們提出了前混合磨料水射流。水射流為前混合磨料射流系統(tǒng)。前混合磨料射流有兩罐與磨料粒子進行預混合，形成磨料液，然后混合，再經(jīng)磨料水射流噴嘴噴出形成前混合磨均勻混合形成磨料液，然后對其增壓后通過磨前一種磨料液僅在磨料水射流噴嘴前混合，避較廣泛；后一種磨料液對壓力源和高壓管路的

圖 1.2 前混合磨料水射流系統(tǒng)Fig 1.2 System of Pre-Mixing Abrasive Water Je磨料水射流的性能比較流中固體磨料粒子在進入混合腔時，初始速度混合，特別是難以進入水射流束速度最高的軸流束軸心部分以外的地方，從而降低了高速高合后的磨料水射流的切割能力得不到充分的發(fā)射流在通過磨料水射流噴嘴之前，磨料粒子就料粒子的速度與高速高壓水射流的速度差幾乎割能力得到了大大的提升。表 1.1 是這兩種磨料表 1.1 兩種磨料水射流性能的比較Comparison of the performance of two kinds of abrasive后混合磨料水射流 前混合磨料水較差 相同射流壓力下是后混合磨

【參考文獻】

相關期刊論文 前10條

1 陶歡;雷玉勇;楊涵;張麗;陳玄;;磨料水射流切割鋁合金質量模型研究[J];液壓氣動與密封;2014年12期

2 湯積仁;盧義玉;孫惠娟;;磨料水射流切割可視化BP神經(jīng)網(wǎng)絡模型研究[J];四川大學學報(工程科學版);2013年03期

3 衛(wèi)排鋒;雷玉勇;劉克福;蔣代君;王榮娟;;基于磨料水射流的多晶硅車削試驗與建模[J];礦山機械;2011年10期

4 王榮娟;雷玉勇;蔣代君;戴良博;衛(wèi)排鋒;;磨料水射流噴頭內部流場仿真及聚焦管參數(shù)分析[J];煤礦機械;2011年08期

5 豆之敬;趙衛(wèi);劉凱;;基于改進的遺傳算法在車間作業(yè)調度中的應用與研究[J];機電工程技術;2011年03期

6 戚愛華;;我國油氣管道運輸發(fā)展現(xiàn)狀及問題分析[J];國際石油經(jīng)濟;2009年12期

7 王宗龍;胡壽根;姚文龍;;淹沒條件下超高壓磨料水射流切割巖石的實驗研究[J];水動力學研究與進展A輯;2009年02期

8 李連榮;唐焱;;磨料水射流切割技術綜述[J];煤礦機械;2008年09期

9 劉小健;畢俊喜;俞濤;;磨料漿體射流切割機床中切割質量研究[J];制造技術與機床;2006年03期

10 楊桂林;雷玉勇;賈強;邱剛;馬超;宋清俊;;基于模糊神經(jīng)網(wǎng)絡的磨料水射流切割質量控制[J];礦山機械;2005年12期

相關碩士學位論文 前10條

1 楊客;遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡在連云港港口吞吐量預測中的應用研究[D];深圳大學;2017年

2 亢菲菲;基于改進神經(jīng)網(wǎng)絡的粉塵濃度軟測量研究[D];山東科技大學;2017年

3 王蓉;神經(jīng)網(wǎng)絡在煤灰熔融性預測中的應用[D];西安科技大學;2014年

4 王釗;對磁共振彌散張量圖像配準算法的研究及實現(xiàn)[D];哈爾濱工業(yè)大學;2013年

5 關永貞;非完整移動機器人路徑規(guī)劃與軌跡跟蹤控制的研究[D];燕山大學;2013年

6 吳昊;改進的遺傳算法和BP神經(jīng)網(wǎng)絡在大氣質量評價及預測中的應用研究[D];南京信息工程大學;2012年

7 趙云龍;航空發(fā)電機狀態(tài)趨勢分析技術研究[D];沈陽航空航天大學;2012年

8 來建波;基于神經(jīng)網(wǎng)絡的路段行程時間預測研究[D];云南大學;2011年

9 胡江為;基于小波神經(jīng)網(wǎng)絡多傳感器融合技術的研究[D];安徽理工大學;2011年

10 石磊;遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡在股市預測中的應用[D];安徽大學;2011年

本文編號：2731429