摘要
氮化硅(Si3N4)陶瓷因其耐高温、耐腐蚀、高强度硬度和抗氧化等优异性能被广泛应用在航空航天和国防等领域中，成为高端精密机械或极端工况中不可或缺的材料。磨削作为陶瓷材料主要的加工方式之一，可确保领域内关键陶瓷零部件的加工精度和质量。然而，Si3N4作为典型的脆硬材料，在磨削时易出现表面形貌不佳、表面/亚表面损伤程度高等加工缺陷，使得实现其高效高质低损伤加工成为一项长期技术挑战。目前Si3N4磨削加工相关研究局限包括:磨削过程模型的动态描述能力不足、表面完整性评估与预测的有效性差、以及工艺参数的优化策略及其优化机理不明确。本研究结合力学模型、仿真模型和磨削实验三种技术手段，展开包括表面粗糙度、表面微裂纹损伤和亚表面损伤层深度在内的三个表面完整性指标的分析、评估和预测研究。进一步建立高效低损伤磨削参数多目标优化模型，并采用NSGA-Ⅲ算法求解，借助磨削实验验证并解析磨削工艺优化策略，以探索Si3N4磨削加工质量与效率的提升。 首先，明确Si3N4磨削加工材料去除机理，并建立磨削力和仿真模型。基于单磨粒划擦实验揭示了材料去除过程，并结合压痕断裂力学、裂纹生成模型和磨削动力学分塑性和脆性去除阶段建立了考虑磨粒磨损的动态磨削力模型。设计了虚拟砂轮参数化建模方法，并结合JH-2本构模型建立了多磨粒磨削仿真模型。利用正交磨削实验验证磨削力模型和磨削仿真模型，结果表明:材料去除是由于塑性变形、微裂纹扩展和脆性断裂共同作用的结果，其中磨粒的重叠作用和应力累积效应是造成材料剥离和磨削损伤的主要原因;所建动态磨削力模型能有效预测磨削力的动态变化，且所建多磨粒仿真模型有效地模拟了材料动态去除过程和应力的动态变化。 进一步，对Si3N4磨削表面完整性展开预测和评价研究，及形成机理分析。借助所建动态磨削力模型从频域角度建立了基于卷积神经网络的表面粗糙度预测模型，结果表明:磨削力和表面形貌纹理曲线的频率特征具有显著的波动一致性，模型预测误差仅为5％～18.55％,能有效减少预测精度受限于训练参数区间的问题。应用深度学习框架MaskR-CNN和TransUNet实现了对表面微裂纹的自动识别和分割，识别精度:AP50=0.989,AP75=0.864,分割精度:F1score=0.914,IoU=0.785;进一步提出骨架线处理算法，实现了对微裂纹尺寸特征的像素级定量评价。通过亚表面损伤层深度仿真结果评估了亚表面损伤特性，设计单因素磨削仿真实验以揭示了磨削参数的影响机制，结果表明:磨削参数显著影响亚表面损伤形成，主要体现在磨粒作用时间和切入深度，其二者导致Si3N4内部塑性变形区、微观应力分布、以及应力集中效应产生差异。 基于上述，优化Si3N4磨削工艺参数，以明确高效低损伤磨削工艺。利用极差分析和方差分析确定了砂轮转速ns，进给速度vf和磨削深度ap对表面粗糙度(Ra)、表面微裂纹损伤(SD)和亚表面损伤层深度(SSD)的影响规律，并利用多项式回归模型建立了SD和SSD的预测模型。以最小化Ra、SD、SSD,最大化材料去除率为优化目标，建立了高效低损伤磨削参数多目标优化模型，并通过NSGA-Ⅲ算法求解。基于目标值的四分位数法将所得Patero最优解集划分不同区域以得出工艺优化策略，并进行磨削实验验证以解析磨削工艺参数优化机理。
NETL