基于BP神经元算法的电火花小孔加工穿透检测技术研究.pdf

收稿日期院 2023-01-10基金项目院国家重点研发计划项目渊2021YFE0103800冤第一作者简介院张海峰袁男袁1975年生袁副教授遥电火花小孔加工是一项应用广泛的特殊工艺袁也是无接触工艺1袁加工时刀具的电极与工件的表面不直接接触袁二者之间没有明显的机械力袁能量密度高袁可用纯铜作为工具电极加工硬质合金袁并且利用对脉冲功率的控制和输出功率的控制袁可达到精密生产的工艺要求2遥航天航空业的发展袁对航空发动机的涡轮叶片冷却提出了更高的要求遥为了使涡轮叶片能承受上千度高温的工作环境袁通常需在其薄壁两侧加工几毫米的小孔遥由于涡轮叶片广泛采用难加工材料袁传统机械加工方法很难实现相应的加工要求3袁通常采用电火花小孔加工代替传统机械加工遥目前袁涡轮叶片小孔加工时通常采用给定加工深度袁工具电极按固定距离往加工方向行进的方式进行加工遥然而研究表明袁在涡轮叶片的电火花小孔加工过程中袁不仅有加工工件被电蚀袁工具电极同样会受到放电能量影响而产生损耗袁从而使该类通用加工方法很难保证加工的准确性袁甚至导致重复加工或过度加工而损伤涡轮叶片袁影响其加工精度与效率4遥基于BP神经元算法的电火花小孔加工穿透检测技术研究张海峰袁王佳行袁梁乐意袁周京华袁景惠静渊北方工业大学电气与控制工程学院袁北京100043 冤摘要院针对电极本身产生的损耗影响电火花小孔加工的问题袁提出了一种基于BP神经元分类算法的电火花小孔加工穿透检测技术遥通过分析不同时期加工过程的放电频率袁选择加工电压变化个数尧脉冲放电的脉宽和脉间尧伺服距离尧加工电流作为模型特征输入量袁在MATLAB软件中完成相应算法模型的建立袁并综合考虑FPGA片上资源和算法耗时等因素的影响袁在实验平台上实现了模型的FPGA程序移植袁并通过加工实验验证了此方法的可行性遥关键词院电火花加工曰小孔加工曰BP神经元算法曰FPGA曰MATLAB曰穿透检测中图分类号院TG661文献标志码院A文章编号院1009原279X渊2023冤03原0014-06Research on Penetration Detection Technology of EDM Small Hole MachiningBased on BP Neural AlgorithmZHANG Haifeng袁WANG Jiahang袁LIANG Leyi袁ZHOU Jinghua袁JING Huijing渊 School of Electrical and Control Engineering袁North China University of Technology袁Beijing 100043袁China 冤Abstract院Aiming at the problem that the electrode loss affects the small hole machining袁apenetration detection technology based on BP neural network classification algorithm is proposed.Through the analysis of the discharge frequency of the processing process in different periods袁thenumber of changes in processing voltage袁pulse width袁pulse to pulse time袁servo distance袁andprocessing setting current are selected as the model feature inputs.The corresponding algorithm modelis established in MATLAB袁 and the FPGA program transplantation of the model is realized on theexperimental platform袁taking into account the influence of factors such as FPGA on-chip resources andalgorithm time consumption袁The feasibility of this method is verified by machining experiments.Key words院 EDM曰small hole machining曰BP neural algorithm曰FPGA曰MATLAB曰penetrationdetection电火花加工叶电加工与模具曳2023年第3期14要要图2加工电压与穿透检测信号针对上述问题袁不少学者提出了一些检测方法遥王军旗等5通过采集间隙有效放电频率的变化袁判断是否穿透遥时东波等6采用平均电压法测试了给定设定数量的电压的平均值袁并与设定的门槛电压对比袁判断是否穿透遥夏蔚文等7将采样的条件空载率与设定值进行对比袁判断是否穿透遥朱云8通过分析穿透前后的加工间隙流场变化袁结合电压值尧电压变化率尧电流值与设定门槛值进行比较袁判断是否穿透遥因为实际的电火花加工环境复杂袁放电发展存在随机性袁所以在每个取样时间尧不同的加工过程中袁其状态会有很大变动袁而采用常规的穿透技术很难获得精确的模型遥机器学习是通过对给定的资料自动进行推理而得出一定的规则袁并将其用于对未知信息的预测遥在提高模型准确性方面袁机器学习具有显著作用9遥本文通过采用BP神经元分类算法袁针对电火花小孔加工过程中的电压加工特征量与不同加工设定参数袁使用MATLAB软件进行穿透检测模型训练袁最后通过Verilog语言将训练后的模型移植入FPGA平台袁通过仿真分析得到准确率为93.3%的穿透检测模型遥1试验及方法1.1BP神经元算法穿透检测模型如图1所示袁BP神经元是一种多层前馈神经网络袁这种方法具有前向传递和反向传播等特征遥前向传递时袁通过每个层都与邻近的各层的关联进行相应的传递遥若输出层未得到预期的结果袁就进入逆向传输袁按照预期误差Etotal对各个层权重进行调节袁使得BP神经元的预测结果与所需的输出Y保持一致10-11遥首先袁明确各层的节点个数遥输入层节点数n为电火花小孔加工过程中的分类检测特征量遥由于在电火花加工间隙击穿瞬间袁加工电压会从较高的约90 V下降并变为较低值的击穿加工电压袁并且在放电周期内电压都维持在一定范围内袁而在电极穿透工件后袁由于边缘存在放电现象袁只有少量再击穿放电袁其他放电时刻大多数处于空载状态遥如图2所示袁通道2为加工电压波形袁即大部分时间的电压都处于90 V的空载状态遥因此袁设定一个电压比较模拟电路袁将采样到的电压与设定电压渊本文采用50 V冤比较曰通过比较设定值袁计算每2 s时间内加工电压穿越该设定值的次数并将该次数作为加工电压变化个数袁由于不同加工参数下每2 s内的电压变化个数不同袁本文采用加工电压变化个数p尧脉宽tON尧脉间tOFF尧伺服距离SV尧加工设置电流IP共计五个量作为输入值遥这适用于多种的加工参数情况袁本文选择n=5遥输出层节点数m代表电火花小孔加工电极与刚好穿出加工件背面距离的类别袁将未穿透设为第一类袁穿透后2 mm内设为第二类袁穿透后2 mm以上为第三类袁即选定m=3遥表1是本文定义的BP神经元穿透检测模型输入层与输出层节点遥实验表明12袁隐含层节点数o的取值过小袁则该网络不能适用于相应的实际问题遥反之袁若过多不仅会增加各神经元层的参数矩阵元素个数袁而且使网络在学习过程中更易陷入局部极小点袁并且将过于复杂模型写入FPGA会占用大量资源袁甚至可能因资源不足而无法执行程序遥因此袁o的最优值选择图1BP神经元拓扑图EtotalX1X2b1jb2mYmY1Xn棕1j棕jk表1BP神经元穿透检测模型对应的各节点定义表235噎噎694噎噎75噎噎32噎噎31.5噎噎3第二类噎噎第三类脉冲宽度ton3脉间宽度toff5伺服距离SV1加工电流Ip1穿透检测类别第一类节点定义变化个数P2 274通道2电火花加工叶电加工与模具曳2023年第3期通道315要要图3输入层到隐含层的前向传递流程渊1冤渊2冤图4隐含层到输出层的前向传递流程表3几种激活函数表达式tanhf渊x冤=ex-e-xex+e-xReLUf渊x冤=max渊0袁x冤名称表达式sigmodf渊x冤=11+e-x表2几种隐含层节点数o的计算公式一直受到相关研究者的高度重视13遥研究表明14综合考虑普遍隐含层节点数计算公式袁如表2所示袁a取值110尧m=3尧n=5袁可得o的一个区间袁并将该区间内的各个数带入模型分别进行训练袁找到分类准确率最高的节点袁若准确率相同则选择节点数最少的遥本文通过对训练样本数据的训练袁筛选o=7作为隐含层的节点个数袁其分类准确率可达100%遥由于实际电火花小孔加工中的穿透检测分类问题是一种非线性分类问题袁在中间传递过程中应当选择一个具有非线性功能的函数使模型适用于求解非线性的问题遥常用的激活函数见表3遥本文采用ReLU作为隐含层激活函数袁相比于sigmoid尧tanh等激活函数袁其计算表达式更加直观尧易于求导袁并且收敛速度相较于sigmoid尧tanh函数的更快袁经仿真训练得到的模型也易于移植入FPGA遥由于ReLU是非饱和激活函数袁防止在数值过大或过小时的梯度消失袁所需分类数据规模适中袁可以很好地适用于本文研究的穿透问题遥由于在隐含层中引入非线性函数袁输出层直接经过f渊x冤=x袁得到输出Y矩阵遥输入层到隐含层的前向传递流程见图3遥输入加工特征量X渊加工电压变化个数p尧脉宽tON尧脉间tOFF尧伺服距离SV尧加工设置电流IP冤袁通过式渊1冤可计算得到输出h的1伊7矩阵为:其中上标1是第一层神经元袁下标为矩阵中各元素所在行列数遥在式渊2冤中引入非线性激活函数ReLU袁使模型适用于非线性分类问题袁得到隐含层的输出H矩阵袁完成了一次输入层到隐含层的传递遥而隐含层到输出层的传递过程与之类似袁不同处在于直接采用线性函数进行输出传递袁其流程见图4遥2o=n+m姨+a3o=n伊m姨序号计算公式1o=log2n将隐含层输出H矩阵袁结合式渊3冤得到第一次传递输出结果Y矩阵院H11袁H12袁H13袁H14袁H15袁H16袁H17蓘蓡伊棕211棕212噎棕213棕221棕222噎棕223棕271棕227噎棕273杉删山山山山山山山山山山山山山山煽闪衫衫衫衫衫衫衫衫衫衫衫衫衫衫+b21袁b22袁b23蓘蓡=Y11袁Y12袁Y13蓘蓡其中袁上标2代表第二层神经元袁下标为矩阵各元素所在行列数遥输出结果误差Etotal可计算为院Etotal=ki=1移12渊Yi-yi冤2Yi-yi=渊Yi11-yi11冤+渊Yi12-yi12冤+渊Yi13-yi13冤在BP神经元的训练过程中袁 k是输入的采样数袁此处k=140遥判断所得误差Etotal是否符合预设的X1袁X2袁X3袁X4袁X5蓘蓡伊棕111棕112噎棕117棕121棕122噎棕127棕151棕152噎棕157杉删山山山山山山山山山山山山山山煽闪衫衫衫衫衫衫衫衫衫衫衫衫衫衫+b11袁b12袁b13袁b14袁b15袁b16袁b17蓘蓡=h11袁h12袁h13袁h14袁h15袁h16袁h17蓘蓡H11袁H12袁H13袁H14袁H15袁H16袁H17蓘蓡=max渊 0袁0袁0袁0袁0袁0袁0袁蓘蓡袁h11袁h12袁h13袁h14袁h15袁h16袁h17蓘蓡冤隐含层权值棕系列矩阵输入加工数据伊垣ReLU隐含层输出H矩阵隐含层阈值b系列矩阵隐含层权值棕系列矩阵隐含层输出H矩阵隐含层输出Y矩阵隐含层阈值b系列矩阵伊垣渊3冤渊4冤电火花加工叶电加工与模具曳2023年第3期16要要图5BP神经元MATLAB训练过程项目数值棕1110.782 6棕112-0.746 5b11-0.803 0棕157-2.632 7项目数值棕1111.258 8棕112-0.223 2b110.398 2棕1570.271 4图6穿透检测训练模型均方误差图条件要求遥由于在第一次前向传递中袁各层的权值尧阈值都是随机给定一个初值袁这种选取方式必然会使误差达不到要求遥为此袁需按照误差的逆向传递袁对各元素进行修正遥就BP神经网络而言袁采用梯度下降法寻找函数减少最快的方向袁从而使误差快速减小遥一次更新后的权值棕鄢i和阈值b鄢i表示为院棕鄢i=棕i-浊伊坠Etotal坠棕ib鄢i=bi-浊伊坠Etotal坠bi式中院浊为每次迭代的训练长度袁其取值通常选择0.001耀0.1为宜遥将公式计算得到迭代修改后的权值棕鄢i和阈值b鄢i完成一次反向传播后袁再次进行前向传递袁计算结果误差Etotal袁直到满足误差要求或者达到迭代次数袁即完成穿透检测模型训练输出结果遥1.2BP神经元算法模型训练仿真图5是BP神经元穿透检测模型MATLAB训练过程框图遥由于实际加工过程中的特征量单位不同且数值差距过大袁要对输入加工数据进行归一化处理遥本文分别对五个输入特征变量进行了归一化处理袁并采用MATLAB软件中的mapminmax函数将归一化后的参数值限制在0袁1遥式渊6冤为归一化加工数据处理时的计算公式遥X鄢i=X-XminXmax-Xmin有140个训练数据和30个测试数据得到归一化整理袁通过MATLAB仿真训练得到穿透检测模型遥其中袁模型中各参数矩阵的元素即权值棕和阈值b都可查看训练后的模型各矩阵数组的信息得到渊表4冤遥图6是穿透检测训练模型的均方误差图遥当重复50次迭代的均方差都增加或不增加时袁设定为终止迭代遥该穿透检测模型的迭代训练次数为67次遥在迭代训练初期袁由于各参数值为随机初始化袁远离收敛条件下的参数袁此时均分误差最大袁初期的每一次迭代袁总能通过梯度向下的方法快速逼近收敛条件下的参数袁均方误差也随着迭代次数而快速下降袁在迭代训练至第11次时袁得到均方误差最小袁为0.062 298袁该最小误差对应的各参数就是该模型训练条件下的最优解遥图7是直观观察测试的加工数据预测分类与期望结果遥在第11次和第16次测试时袁训练模型将实际期望结果的分类2误判为分类1袁该模型的准确率达到93.3%遥出现误差的原因可能是训练的样本数据不能完全覆盖加工过程中的所有随机性袁并且通过迭代得到的模型只能收敛于很小的误差范围内袁其误差不为0袁准确率也不会是100%遥1.3FPGA实现BP神经元算法模型由于实际的电火花加工平台采用FPGA作为控制处理器袁需利用Verilog语言将训练好的模型写入FPGA芯片遥先对表4所示各权值棕和阈值b进行处理袁以实现小数到二进制数的转换遥考虑到权值棕和阈值b为四位小数袁在算法计算过程中涉及乘法袁而转换时的精度需为八位小数渊0.000 000 01冤袁渊5冤数据归一化输入确定BP神经网络拓扑结构院n=5尧m=2尧o=7数据分为训练集和测试集权值棕尧阈值b尧学习率浊的初始化完成训练袁获得权值棕尧阈值b系列矩阵达到输出误差要求或迭代次数后结束训练更新权值和阈值输入前向传递袁计算输出结果误差Etotal渊6冤表4穿透检测训练模型权值棕和阈值b10-510-410-310-210-11000102030405060训练模型迭代次数训练集验证集测试集均方误差最小目标均方误差电火花加工叶电加工与模具曳2023年第3期0.062 29817要要图7测试数据预测分类结果与期望结果32101 3 5 7 9111519232729测试加工数据编号13172125期望穿透检测输出分类预测穿透检测输出分类表6FPGA计算得到的输出数据及分类结果30加工数据组别0.8430/20.8429/2数值10.6480/30.6480/3类别中最大值/所在类别渊MATLAB训练模型冤类别中最大值/所在类别渊FPGA模型冤20.7481/10.7482/1具体转换过程为院将权值棕和阈值b分别扩大227倍袁由于有的权值和阈值的绝对值大于1袁为保证同位宽和最高位设置为符号位袁统一将各权值棕和阈值b表示为30位的二进制数渊表5冤袁并对其他输入加工数据进行同样处理遥虽然训练后的电火花小孔穿透检测分类模型省去复杂的计算袁但其中包含大量的矩阵元素袁同样要进行多次乘法运算袁会在FPGA中过多地占用乘法器单元遥因此袁本文综合考虑实际芯片的资源数量和相应电火花加工模型算法的耗时等因素的影响袁在保证加工响应速度的基础上袁采用选择当前运算状态重复利用有限乘法器资源的方法袁来减少FPGA资源的消耗袁最后使模型所占资源仅为43%袁为后续功能的顺利执行留出空间遥表6是BP神经元穿透检测模型通过FPGA计算得到的30组输出数据及分类结果袁与MATLAB软件训练后的模型数据基本一致袁准确率达93.3%遥每次检测所得加工数据传入计算模块后袁需经50个系统周期即1 滋s可得输出分类结果袁这远少于输入数据经采样更新的时间袁符合实际要求遥2结果与讨论依照上述仿真分析袁搭建了基于相应算法的实验平台渊图8冤袁并通过实验平台获得了穿透检测过程的电压波形渊图9冤遥图9中袁通道2和通道3分别表示加工电压波形和穿透检测信号波形袁其中穿透检测信号的低电平为穿透检测分类为1的情况尧高电平为穿透检测分类为2和3的情况遥由于加工初期电极和工件之间存在一定距离而处于空载过程袁电压变化个数和穿透时的个数类似袁比加工过程中的个数更少遥在加工初期袁穿透检测模型会将穿透检测信号设置为高电平袁即判断穿透曰在加工过程中明显可见袁空载表5权值棕和阈值b的小数到二进制转换项目数值二进制数值棕1110.782630b0_0011_00100_00101_10000_11110_01010棕112-0.746530b1_1101_00000_01110_01010_11000_00010b11-0.803030b1_1100_11001_00110_11101_00101_11100棕157-2.632730b1_0101_01111_00000_01110_10111_11011图8电火花加工实验平台图9放电初期电压与穿透检测信号加工初期未产生电火花的空载阶段随着电火花产生尧放电频率快速升高袁穿透检测判断为未穿透空载阶段袁仅靠穿透检测模型判断为穿透通道2通道3电火花加工叶电加工与模具曳2023年第3期18要要图13穿透后的低放电频率电火花加工图12放电后期电压与穿透检测信号电压的存在时间减少袁放电频率升高袁电压变化个数增多袁穿透检测信号在放电2 s后设置为低电平遥针对加工初期电极靠近工件这段时间内的空载电压情况袁本文采取了如下的处理方法院在穿透判断时袁基于BP神经元算法获得的穿透检测信号袁引入加工电压越过设定值的门槛个数渊本文设定为200个冤袁通过两者信号的野与冶逻辑共同决定穿透遥图10是不同加工参数下加工过程中的放电电压与穿透检测信号遥在加工过程中袁由于加工参数不同以及放电频率的差别袁电压变化个数存在较大差异袁需要采用不同加工参数下的数据进行本文所述的模型训练袁才能得到适应各种加工参数的穿透检测模型遥图11是加工过程中尚未穿透时袁高放电频率下的高能量电火花加工遥如图12所示袁在电火花放电后期袁由于小孔已基本形成袁放电频率明显下降袁此时的电压变化个数相较于加工过程的明显减少袁经过约2 s的电压变化个数统计与算法延迟后袁通过穿透检测模型分类得到穿透分类结果袁即输出高电平的穿透检测信号袁实现了穿透检测功能遥图13是穿透时的电火花小孔加工图袁由此可直观地看出袁穿透后的加工液透过小孔形成的水柱流出工件袁并且放电能量明显比加工过程中的小袁只是由于电极不是完全垂直于工件袁小孔的边缘发生少量放电遥3结论本文通过观察不同过程中的加工放电频率变化袁分析了加工电压变化个数的变化规律袁提出了一种基于BP神经元算法的穿透检测方法袁并在FPGA系统实现了算法的移植袁得出以下结论院渊1冤针对该BP神经元算法的电火花小孔加工穿透检测模型袁在实时采集加工数据时袁只需采集加工电压并进行相应的分析和判断袁而无需采集加工电流尧冲水压力等数据袁从而简化了常见的电火花小孔加工过程穿透检测模型遥渊2冤在加工实验平台上完成了实验的验证遥该方法适用于多种加工参数条件下的电火花小孔加工袁其穿透检测分类的准确率达到93.3%袁从而极大地提高了电火花小孔机床加工的效率和精确度遥参考文献院1蒋毅.微小孔电火花加工过程控制系统的研究D.上海院上海交通大学袁2011.2贾宝贤袁王振龙袁赵万生.基于特种加工的微小孔加工技术J.电加工与模具袁2005渊2冤院1-5.3KLOCKEF袁KLINKA袁VESELOVACD袁etal.Turbomachinery component manufacture by application ofelectrochemical袁electro-physical and photonic processesJ.CIRP Annals-Manufacturing Technology袁2014袁63渊2冤院703-726.图10放电过程中电压与穿透检测信号图11脉间较短时的高放电频率电火花加工脉冲间隔较小时袁放电频率较高穿透时的放电频率相较于加工过程时明显下降袁电压变化个数也减少电压变化个数在2s内下降到穿透信号袁判断为高电平袁即穿透渊下转第65页冤电火花加工叶电加工与模具曳2023年第3期19要要4TAKEZAWAH袁HAMAMATSUH袁MOHRIN袁etal.Developmentofmicro-EDM-centerwithrapidlysharpened electrode J.Journal of Materials ProcessingTech袁2004袁149渊1-3冤院112-116.5王军旗.高速电火花小孔加工控制系统及穿透检测研究D.上海院上海交通大学袁2017.6时东波.高钨合金微小孔电火花加工工艺及穿透检测技术研究D.哈尔滨院哈尔滨工业大学袁2017.7夏蔚文.小孔高速电火花加工的穿透检测与自适应控制D.上海院上海交通大学袁2020.8朱云.微小孔电火花-电解复合加工穿透检测及实验研究D.南京院南京航空航天大学袁2016.9王健袁夏蔚文袁奚学程袁等.小孔电火花加工穿透检测中几种机器学习算法的性能比较C/第18届全国特种加工学术会议论文集渊摘要冤.乌鲁木齐院中国机械工程学会特种加工分会袁2019.10 YUE Q Q袁HU R袁ZHANG X L.A power system harmonicproblembasedontheBPneuralnetworklearningalgorithmJ.ComputationalIntelligenceandNeuroscience袁2022院7247881.11樊振宇.BP神经网络模型与学习算法J.软件导刊袁2011袁10渊7冤院66-68.12丛爽袁向微.BP网络结构尧参数及训练方法的设计与选择J.计算机工程袁2001渊10冤院36-38.13沈花玉袁王兆霞袁高成耀袁等.BP神经网络隐含层单元数的确定J.天津理工大学学报袁2008袁24渊5冤院13-15.14王嵘冰袁徐红艳袁李波袁等.BP神经网络隐含层节点数确定方法研究J.计算机技术与发展袁2018袁28渊4冤院31-35.渊上接第19页冤9秦泗吉.斜刃冲裁与平刃冲裁的关系及斜刃冲裁力的计算J.锻压机械袁2002渊4冤院27-28.10马惠钢.冲裁模中斜刃及阶梯凸模的应用J.橡塑技术与装备袁2015袁41渊16冤院61-62.11王洋袁王克用.某切边模最优斜刃角度的确定J.装备制造技术袁2017渊7冤院72-76.12 SINGH U P袁STREPPEL A H袁KALS H J J.Design studyof the geometry of a punching/blanking tool J.Journal ofMaterials Processing Technology袁1992袁33渊4冤院331-345.13马腾袁杨君峰袁余祖元袁等.凹形刃口凸模对微冲裁过程的影响研究J.电加工与模具袁2022渊3冤院20-25.14马腾.凹形刃口凸模对微冲裁过程的影响研究D.大连院大连理工大学袁2022.15 ALTAN T袁VAZQUEZ V.Numerical process simulationfor tool and process design in bulk metal formingJ.CIRPAnnals-Manufacturing Technology袁1996袁45 渊2冤院599-615.16 FAURA F袁GARCIA A袁ESTREMS M.Finite elementanalysis of optimum clearance in the blanking processJ.Journal of Materials Processing Technology袁1998袁80-81院121-125.17任冀宾袁汪存显袁张欣玥袁等.2A97铝锂合金的Johnson-Cook本构模型及失效参数J.华南理工大学学报袁2019袁47渊8冤院136-144.18 HORTIG C袁SVENDSEN B.Simulation of chip formationduring high-speed cuttingJ.Journal of MaterialsProcessing Technology袁2007袁186渊1-3冤院66-76.19雷洪珠.异形件微冲裁有限元分析与模具设计D.大连院大连理工大学袁2014.20刘禹昕袁朱涛袁肖守讷袁等.轨道车辆SUS304不锈钢材料动态力学性能与本构模型修正J.机械强度袁2022袁44渊1冤院74-80.21熊江茗袁周杰袁王时龙袁等.基于Johnson-Cook模型的不锈钢管剪切数值模拟J.中国机械工程袁2020袁31渊15冤院1877-1884.22蔡玉俊袁段春争袁李园园袁等.基于ABAQUS的高速切削切屑形成过程的有限元模拟J.机械强度袁2009袁31渊4冤院693-696.23梁奋鹏.斜刃冲裁模设计综合谈J.模具工业袁1986渊7冤院13-16.超声及复合特种加工叶电加工与模具曳2023年第3期欢迎订阅叶电加工与模具曳叶电加工与模具曳是我国特种加工和模具制造领域国内外公开发行的专业性技术刊物袁主要报道内容为院特种加工渊包括电火花加工尧电化学加工尧激光加工尧增材制造尧超声加工尧电子束加工尧离子束加工等冤和模具制造领域的设计研究成果尧工艺应用技术尧使用维修经验尧产品开发信息和行业发展动态等遥本刊为双月刊袁邮发代号院28-36袁全国各地邮局均可订阅遥每期定价10元袁全年70元遥编辑部地址院苏州高新区金山路180号邮编院215011电话院0512-6727454165要要