测量薄膜表面粗糙度方法的研究

表面粗糙度是衡量产品表面质量的重要参数,随着表面加工精度的不断提高,产品的表面粗糙度也由微米级别向纳米级别发展。触针式表面轮廓仪是国家标准规定的测量表面粗糙度的方法,而原子力显微镜是测量表面粗糙度的新型仪器。通过对比原子力显微镜和表面轮廓仪的测量结果,分析了表面轮廓仪误差产生的主要原因,并提出了利用原子力显微镜测量薄膜纳米级表面粗糙度的方法。     

自相关法测量飞秒激光脉冲宽度

利用自相关仪可以测量飞秒激光脉冲宽度,文章简要介绍这种仪器的结构及原理。     

用光切法测量表面粗糙度Rz、S值的实验研究

用光切法测量表面粗糙度RZ、S值可实现对表面轮廓要求的二维控制。介绍了原理、操作、处理等方面的技术细节,对工程应用具有指导价值。     

对A6061铝合金的镗孔表面粗糙度研究

铝合金材质具有质量轻、耐候性好、结构强度大、耐腐蚀等诸多优点,市场前景和潜力良好,已在航空、高铁、精密设备、通信设备等领域得到广泛应用。文章就铝合金材料的准高速切削进行试验,从镗削表面质量方面对铝合金工件的加工进行研究,力求能对铝合金工件的制造提供较为系统的制造工艺参数。     

基于纹理周期的表面粗糙度识别研究

提出了一种机加工纹理非接触性表面粗糙度识别的方法。该方法用纹理周期度来描述机加工纹理的表面粗糙度,通过采集表面粗糙度标准样块的图像,用图像处理方法提取相应的纹理特征值(如纹理周期度)存入数据库,再用同样的方法获取未知粗糙度等级的零件表面图像的纹理周期特征值,并与库中粗糙度标准样块图像的纹理周期特征值进行比较,按照最近似的原则得到所求表面的粗糙度。该方法识别精度较高,具有对光照条件不同的免疫力。     

机械零件表面粗糙度的选择

介绍了在机械零件设计工作中,如何合理地、科学地选择零件表面粗糙度。     

表面粗糙度的评定参数的解读

《公差配合与技术测量》是理工科院校机械类相关专业学生必修课，在理论上如何评定划分表面粗糙度，对指导生产实践有着重要意义。     

基于VBA的AutoCAD表面粗糙度标注二次开发

针对使用AutoCAD绘制机械图样时,表面粗糙度符号不能自动标注的问题,在Auto CAD2008中利用VBA二次开发环境,对AutoCAD2008平台上表面粗糙度标注进行了开发,创建了表面粗糙度的模块和属性。用户只需在标注系统界面上选择各项参数就能完成表面粗糙度的标注,其使用简便且界面友好。     

零件表面粗糙度的设计选择

本文分析了表面粗糙度对机械零件使用性能的影响,阐述了零件表面粗糙度的设计选择方法,探讨了表面粗糙度参数值与公差等级的对应关系和轮廓的算术平均偏差Ra的快速标注,供设计时参考.     

花岗石磨抛表面粗糙度及光泽度与分形维数关系的研究

阐述了花岗石表面轮廓的特点,提出对原始轮廓曲线进行高斯滤波,然后进行粗糙度及分形计算的方法:并对花岗石表面光泽度和粗糙度、分形维数之间的关系进行了研究.通过分析认为高斯滤波适合花岗石表面轮廓的粗糙度及分形研究,计算方法可靠、简捷.     

AutoCAD表面粗糙度标注的实现与研究

针对AutoCAD软件中存在的不足,介绍了在AutoCAD中进行表面粗糙度标注的三种方法,详细阐述了各种方法的实现与研究过程。     

切削加工金属零件表面粗糙度形成的相关因素及控制

针对目前许多机械企业金属零件表面粗糙度难控制、质量与效益矛盾的问题，本文对表面粗糙度形成的相关因素进行了理论分析，并结合实践观察总结出相应的一系列措施。     

几乎差集偶与几乎最佳自相关二元序列偶的研究

本文首先提出了一类新的区组设计一几乎差集偶的概念,研究了几乎差集偶的性质,给出了几乎最佳自相关二元序列偶存在的一些必要条件,并证明了几乎差集偶与几乎最佳自相关二元序列偶的等价关系,为应用几乎差集偶这种拳的区组设计方法研究几乎最佳自相关二元序列偶提供了新的理论依据。     

AutoCAD中标注表面粗糙度的方法

参照GB／T131—2006的ISO表面结构标准,针对AutoCAD软件中未提供粗糙度标注的命令或工具问题．提出了利用定义块和AutoLISP语言编程两种方法,实现CAD环境下工程图样表面粗糙度符号的标注。     

基于田口试验法的铣削加工表面粗糙度与铣削参数优化

表面粗糙度对后续涂层质量及有效性有着直接影响。围绕模具钢(钢1. 2738)铣削加工表面粗糙度研究,在铣削过程中通过改变切削参数(切削速度、进给速度、径向切削深度、轴向切削深度),利用田口试验法建立L16正交阵列开展试验。对试验结果的表面粗糙度通过方差分析获得每个参数对表面粗糙度的影响。结果表明,径向切削深度、径向和横向切削深度对表面粗糙度影响最大,影响贡献值分别为30%和24%。     

模糊粗糙集中依参数粗糙度的新算法

自M.Banerjee和S.K.pal提出了模糊粗糙集的基本模型以来,模糊粗糙集一直是粗糙集理论研究的一个重要课题。本文在模糊粗糙集基本模型基础上首先从λ-模糊截集的概念出发,提出了基于λ-模糊截集的上、下近似的概念,给出了依参数粗糙度的新计算方法,从而使模糊粗糙集中依参数粗糙度得到了显著的改进,并通过具体实例证明了该方法的有效性,特别是当处理的数据较多时该方法尤为优越。