激光涂层零件多冲疲劳可靠性及神经网络分析模型的研究-机械设计及理论专业论文.docx

激光涂层零件多冲疲劳可靠性及神经网络分析模型的研究 激光涂层零件多冲疲劳可靠性及神经网络分析模型的研究 中文提要 激光涂层零件多冲疲劳可靠性及神经网络分析模型的研究 中文提要 本文针对激光涂层在多冲载荷下的疲劳与失效进行分析，并对其性能预测模型进 行研究。 本文选择的激光熔覆涂层材料为：钴基自熔合金、镍基自熔合金和铁基自熔台金 三种；选择的基体材料为：Crl8Ni9Ti奥氏体不锈钢、45钢、40Cr钢三种。在HG卜 90型5kw横流C02激光器上进行熔覆加工，并在自制的多冲碰撞疲劳试验机上进行多 次冲击疲劳试验。采用正交方法安排试验序列，对每一正交序列采用成组试验法。对 经上述试验的涂层试件进行宏观分析和显微分析，发现涂层在多冲载荷下其失效形式 呈现多样性。主要有裂纹、凹陷和镦粗、表面蚀坑、崩落等。整个失效经历了早期形 变硬化期、稳定工作期和“老化”失效期三个阶段。激光涂层在多冲载荷下的失效具 有累积性，属于疲劳范畴。分析涂层失效的原因，发现它与很多因素有关，主要有涂 层材料与基体材料的匹配、涂层的厚度以及激光熔覆的工艺等。 在试验的基础上建立了激光涂层零件多冲疲劳可靠性模型。分析得出激光涂层零 件在多冲载荷下疲劳寿命服从对数正态分布。在此基础上，进行正交分析并得以下结 论；在影响激光涂层多冲疲劳强度的各因素中，涂层材料的影响最大，基体材料次之， 涂层厚度再次。在本试验数据范围内，涂层厚度越厚，多冲强度越好。对于涂层材料， Ni基涂层具有较高的疲劳强度。在中等寿命区，多冲疲劳强度与涂层的静压缩强度有 关，一般说来，具有较高静压缩强度涂层的试件，其多冲疲劳强度也较高。对于基体 材料，塑韧性好的材料其疲劳强度要优于硬脆性材料。基体材料、涂层材料以及涂层 厚度各因素之间存在交互作用，这种交互作用随循环次数的增加逐渐减小。拟合P—S—N 曲线，建立多冲应力与疲劳寿命以及可靠度之间的关系。这些结果有助于今后在进行 激光熔覆加工时的材料选择，以及根据具体的涂层零件的工作环境确定～定可靠度下 的疲劳寿命。 中文摘要 中文摘要 激光涂层零件多冲疲劳可靠性及神经网络分析模型的研究 在可靠性分析的基础上，建立基于BP人工神经网络的激光涂层多冲疲劳性能预测 的模型。该神经网络为6．1l—l结构，输入为涂层材料、基体材料、应力水平、涂层厚 度，输出为疲劳寿命值。在该神经网络模型的基础上用因素法进行分析，发现应力水 平对疲劳寿命的影响要比涂层厚度的影响更为显著。该神经网络的精度达到 O．000999993，误差小于4％，能很好的实现对激光涂层零件多冲疲劳寿命的预测。 在MATLAB环境中建立激光涂层零件多冲疲劳可靠性分析界面，神经网络分析界 面，神经网络的因素分析界面以及神经网络建模界面，为今后的进一步分析与研究奠 定了基础。 关键字：激光熔覆零件、多次冲击、疲劳寿命、可靠性、神经网络 作 者：钟鸣 指导教师：傅戈雁 Study Study onlhcFatigueRc[iabilily andNeuralNetModelsofLasa-Cladding Part underReputedImpaCtLoad Abslrac! Study on the Fatigue Reliability and Neural Net Models of Laser Cladding Part under Repeated Impact Load Abstract 111e paper analyzes the fatigue and invalidation ofthe laser cladding parts under repeated impact load，and researches the model ofperformance prediction． 111e paper chooses cobalt-base self-fusible alloy,nickel-base self-fusible alloy．and imn-base self-fusible alloy as coating material，chooses Crl8Ni9Ti，45 steels and 40Cr stc圮ls as basal body material．Laser melting experiments were earned out the C02 laser(HGL—90)，the repeated impact experiments were carried out on self maki