树脂基碳纤维复合材料制孔缺陷及其钻削工艺研究

2019年2月树脂基碳纤维复合材料制孔缺陷及其钻削工艺研究吴丽（中航西飞民用飞机有限责任公司，陕西省西安市710089）

【摘要】树脂基碳纤维复合材料是一种耐腐蚀性强、电磁波穿透性优良的材料，在军用以及民用等领域均有着极为重要的应用。但在加工过程中，对树脂基碳纤维复合材料制件进行制孔时，常出现几何缺陷，加之钻削时的特有缺陷，制件的加工质量受到了较大影响。针对这一情况，本文提出了一种有效的工艺方法，并给出了可供参考的钻削工艺参数。

【关键词】树脂基碳纤维复合材料；制孔；钻削；缺陷

【中图分类号】TQ320.7【文献标识码】A【文章编号】1006-4222（2019）02-0298-02

碳纤维复合材料主要有碳纤维增强树脂基复合材料(CFRP)、碳纤维增强金属基复合材料(CFRM)、碳纤维增强炭基复合材料(C/C)、碳纤维增强橡胶复合材料(CFRR)以及碳纤维增强陶瓷基复合材料(CFRC)等。其中,CFRP与C/C两种复合材料的生产制造技术相对成熟,尤其是CFRP,得到了极为广泛的应用。树脂基复合材料是以有机聚合物为基体的一种纤维增强材料,根据所用基体树脂的不同,可细分为热塑性树脂(TP)以及热固性树脂(TS)两种。就树脂基碳纤维复合材料的实际应用来看,加工过程中的质量问题是重要的限制因素,加强工艺方法的改进与调整,提高材料加工的质量与效率,一直是相关企业的研究重点。

1树脂基碳纤维复合材料的实际应用就树脂基碳纤维复合材料的特性来看,此种新型复合材料具有强度高、制件成型性好、性能可设计、质轻、耐腐蚀性强、电磁波穿透性优良等优势,但也存在一些问题,如制件的连接以及装配。以其在飞行器上的应用为例,环氧树脂以及酚醛树脂基碳纤维复合材料等先进复合材料在现代飞机结构中得到了较为广泛的应用,但材料零部件制件的连接与装配也面临更高的质量要求。相较于金属构件的连接,复合材料的连接接头是整个结构的薄弱环节,可对整个结构的质量甚至飞行器的性能造成严重的负面影响。据相关统计数据,航空航天飞行器超过60%的破坏情况发生于连接部位。因此,重视复合材料的制孔操作以及连接方法,对确保整体结构的稳定性以及提高飞行器的性能等有着极为重要的意义。

2树脂基碳纤维复合材料制孔、钻削的缺陷分析

树脂基碳纤维复合材料是一种相对较新的结构材料,在生产制造的过程中,多采用叠层成型工艺。但受到碳纤维硬度高、脆性大、表面光滑、与酚醛树脂或者环氧树脂的结合能力较差等因素的影响,树脂基碳纤维复合材料的层间剪切强度较低,抗剥离性能以及抗冲击性能较差,断裂应变小,这在一定程度上增加了该种材料的加工难度。就传统钻削金属制孔方法的应用来看,存在较多问题。

材料硬度方面,由于树脂基碳纤维复合材料与高速钢钻头常温的硬度极为接近,采用以高速工具钢以及碳素工具钢为加工材料的传统钻削方法,将可导致刀具磨损严重等问题,频繁地磨刃或者更换钻头,不仅会影响正常的加工作业,还将在一定程度上增加钻削成本。在对树脂基碳纤维复合材料进行钻孔、切削等操作时,考虑到材料的特性,需要对进刀量、润滑液、速度、工装复位等相关工艺参数进行严格控制,避免材料背面纤维崩断。

制孔方面,在对树脂基碳纤维复合材料进行钻削时,孔的位置精度不合格、尺寸精度不合格以及圆度超差是较为常见的几何缺陷。此外,孔内壁周围材料出现分层,以及孔口处出现纤维撕裂或劈裂,是树脂基碳纤维复合材料制孔的特有缺陷,同时也是材料在制件连接以及装配过程中发生报废的重要原因之一。此外,在手工钻孔过程中,因进给量的控制较为困难,极易出现材料劈裂、分层,或者孔的垂直度不好等情况,尤其是在快要钻透时。

分析上述缺陷的主要原因,一方面,树脂基碳纤维复合材料的特性增加了加工的难度,因树脂基体与碳纤维的结合力较差,承受冲击以及非纤维轴向负荷的能力较差,压缩强度相对较低,在钻头轴向进给力过大的情况下,制件极易出现层间分层、入口劈裂、叠合层起毛或者撕裂等缺陷;另一方面,传统制孔工艺存在较多的缺点,因钻削轴向力引起的张开型裂纹破坏,是钻孔出口处附近、孔壁周围材料发生分层的主要原因。因此,结合树脂基碳纤维复合材料的特性,对其制孔工艺以及钻削工艺参数进行改进或者调整,解决制孔加工过程中存在的难题,即具有重要意义。

3消除缺陷的策略与措施

3.1刀具的改进

针对传统钻削加工方法下存在的刀具磨损严重这一问题,根据材料的特性以及加工的实际情况,对刀具进行调整,选用更高硬度的刀具,可在确保加工质量的同时,减少磨刃以及更换刀具的次数。分析国内外的一些加工经验,钨-钴硬质合金的显微硬度可到达18000MPa甚至更高,加之此类合金具有较好的韧性以及较高的弯曲强度,作为刀具使用,能够减少钻削过程中崩刃等情况的发生,同时也较好的满足了树脂基碳纤维复合材料加工的需求。

但在实际应用中,钨-钴硬质合金刀具并不是唯一的选择,根据加工的实际需求,选择合理的刀具,是一种较为有效的策略,能够确保加工的效率与质量,同时降低加工成本。以人造金刚石为例,其显微硬度可达10000MPa,针对覫8mm以上的树脂基碳纤维复合材料制件制孔,选择人造金刚石刀具可取得较为满意的加工质量。一般情况下,优选人造金刚石大直径套料钻与人造金刚石磨轮,即在金刚石的套料钻以及锪窝钻的钻体使用经调质的45#钢或者工具钢,在切削部分均匀地镀上一层人造金刚石(电镀法)。采用此种方式制造的钻头,具有外刚内韧的特点,克服了原本整体式硬质合金刀具存在的脆性问题,耐用度更高,且其实际制造成本也明显低于硬质合金刀具。

3.2参数的调整

论述298

2019年2月

考虑到钻头轴向进给力是引起缺陷的重要因素之一,在实际加工过程中,对相关的钻头几何参数以及钻削工艺参数进行适当调整,进而将钻头轴向进给力控制在一定范围内,避免因钻头轴向进给力过大导致缺陷。实践证明,对参数进行合理调整,能够钻出更高质量的连接孔。以Y330材质、Ø3~Ø8mm 的整体式麻花钻头、铰刀、锪窝钻为例,此类钻头的顶角(2ϕ)为100~120°,钻芯厚度为0.9~1.3mm,螺旋角为25~30°。在实际应用中,由于后角可对钻削性能产生直接影响,一般控制在

15~25°;钻头形状方面,有观点提出,对钻头形状进行改进,如

四直槽钻铰复合钻、双刃扁钻等,能够显著提高加工质量。3.3制孔的工艺

在复合材料制孔过程中,根据实际的加工需求选择合理的制孔工艺,是确保制孔质量、避免缺陷发生的有效途径。在钻削工艺中,整体式硬质合金麻花钻钻孔一般用于ϕ8mm以下的树脂基碳纤维复合材料,为确保制孔质量,需要对复合材料的上、下表面进行同时加工,或者在孔的出口面加垫板(如夹层胶木板、硬塑料板、铝板等),选择高转速(2000r/min左右)、低进给量(0.04mm/r左右),避免分层或者劈裂等现象的发生。针对孔径超过8mm的制孔作业,可采用以镗代钻的方式进行制孔,或者先硬质合金钻头钻小孔,后电镀金刚石套料钻钻大孔的方式,以降低钻孔过程中的切削力。

此外,在铰孔工艺中,需要在钻孔时预留铰孔余量,而后采用硬质合金短铰刀以低转速进行铰孔;在锪窝工艺中,应当尽量将钻孔出口面放于锪窝面,使用硬质合金锪窝钻以低转速进行,或人造金刚石锪窝钻以高转速进行。实际加工过程中,锪窝钻应当在旋转后接触工件,避免复合材料表面纤维劈裂。

4结语

在树脂基碳纤维复合材料制孔过程中,合理的钻削工艺参数以及工艺方法能够有效避免缺陷的发生,在改善零部件连接以及装配质量的同时,提高其加工效率。实际应用中,结合实践的具体效果,对参数以及工艺方法进行合理优化,还可进一步提高制孔质量。

参考文献

[1]王共冬,种强,周丽,等.铺层顺序对碳纤维复合材料钻削分层制

孔的影响[J].航空制造技术,2017,60(7):101~104.

[2]温泉,赵悦,巩亚东.碳纤维复合材料小孔加工的试验研究[J].机械设计与制造,2018(1):86~89.

收稿日期：2019-1-18

基于深度学习的人脸识别技术研究

付学桐（湖南省岳阳市十五中，414000）

【摘要】随着人工智能技术的不断深化，学习各类数据中的规律将有效帮助人类扩大数据挖掘的范围，深度学习在其中扮演者重要的角色。类似于人类的学习能力，深度学习旨在利用计算机程序模拟出自学习系统，完成各种学习和识别任务，将此技术应用于人脸识别中，可以有效增加识别准确率和适应性。本文就深度学习的概况、原理进行了总结，并对基于深度学习的人脸识别技术进行了论述。

【关键词】深度学习；人脸识别；特征提取；PCA算法

【中图分类号】TP391.41【文献标识码】A【文章编号】1006-4222（2019）02-0299-02

1引言

深度学习又称深度神经网络,其源于神经网络模型,以期改变传统神经网络计算力弱的特征而被深入研究。从实用的角度讲,深度学习的目标是要让计算机系统能够自动完成那些需要依靠人类智慧才能完成的工作。人脸识别是计算机图像识别中的重要分支,在社会生产生活的各个领域为人类提供着各种便捷,将基于深度学习的技术引入到人脸识别中,可以有效提升人脸识别的成功率、智能度和自身适应性,是人脸识别领域未来发展的重要方向。

2深度学习概述

2.1背景

早期在AI方面取得成功的项目,多数解决的是具有明确规则和条件的间题,比如西洋跳棋,1997年田IBM的“深蓝”计算机在国际象棋上战胜人类世界冠军卡斯帕罗夫就是这个方面最著名的例子。对人类来说,下象棋当然是很有挑战的项目,但是相比真实世界的复杂程度而言,国际象棋其实只是一个简单问题。棋盘上只有32个棋子和64个可以落子的位置,走法规则是非常明确的,所有可能的局面组合是有限的,可以被穷举出来,利用计算机的计算能力辅助以启发式搜索等鍔法,在摩尔定律的作用下,击败人类只是时间问题。在这类问题中,间题的表示通常都不是难题,一个普通程序员也可以在很短时间内完成一个象棋程序。然而许多真实世界的间题却并不都是那么容易能用计算机语言表达清楚的,比如图像识别和语音识别,这些问题有着比国际象棋大得多的间题域,即使对于人类来说,也有很多不能确定、无法选择的时刻,所以用规则来描述问题是不现实的,而深度学习则是被用来发现规律和利用规律的人工智能技术。

2.2深度学习技术

神经网络是深度学习的前身,其试图利用计算机模拟人类神经元结构,从而完成各种非线性智能任务。而深度学习(DeepLearning,也曾被叫FeatureLearning),则是专指更深层次、更细化的神经网络,其是人工智能领域最具发展前景的一个分支,如图1所示。表示学习是近年来机器学习领域发展最迅猛、最受学术界追捧的方向。在表示学习范畴中,深度学习是通过多层非线性变换的组合方式,得到更抽象也更有效的特征表示。人工智能方法虽然被广泛地应用,但是其在特征工程方面的应用模式还有待验证,其主要工作包括需要大量人工处理的特征工程加上一个可被训练的分类器,而到了深度

论述299