1、就开始下降，越临近权重值就越大，空间位置离得比较远相应的加权的权重值就比较小，这是所描述的空间临近度的权值，详见图2.3。 （式2.2）图2.3 高斯低通滤波器双边滤波同高斯滤波差距最大的一点在于后边这一项详见式2.3，其同样为一个高斯函数，它表示p点和q点如果灰度值差距很大或者颜色不一样的时候，该权重值就会下降，当p点和q点颜色一样或差距很小的时候就可以取得较大的数值，其实是在做一个非线性的加成，目标像素带点和相邻像素点灰度值差距很大的时候，权重值就会下降；当目标像素带点和相邻像素点灰度值差距很小的时候，权重值就会上升，详见图2.4。 （式2.3）图2.4 像素值相似度的权值的高斯滤波器 最
2、前面的分式详见式2.4，来保证滤波之后的图像的各个像素点的灰度值都处于0到255之间，而不是超过255这个数值。 （式2.4）双边滤波的结果由此可见图2.5，可以保持图像边缘的锐化性。图2.5 双边滤波结果（2）中值滤波中值滤波也是一种非线性滤波，可以在保证图像细节信息完整的基础上，对图像进行背景平滑和降噪，排除异常点和噪音，中值滤波克服了线性滤波器的缺点，比如临域平均法带来的模糊问题，它可以对边缘有一个较好的保留，可以很好的处理脉冲性噪声干扰和一些扫描噪声的干扰。中值滤波在处理信号的时候，信号属于一维矩阵，处理的是一个个存储在计算机中的数字，图像属于二维的数据，图像的数据量要比信号的数据量大
3、。中值滤波就是把应用于信号中的方法很好的借鉴到了图像的处理之中。在一些情况下，图片可以用线性滤波进行处理，在一些图片的去噪上，效果比较好，但是大多数线性滤波为低通滤波器，会在滤波的基础上弱化边缘信息。邻域平均法是线性滤波器，它将平均值赋值给当前像素值，造成了边界的模糊和图像的模糊，同时细节也被削弱了。中值滤波降噪的原理为是用中心像素邻域的中值来取代该中心像素点的值，来消除独立的噪声点8。在一维情况下，设置一个数值作为邻域窗口的大小，这个数值就是窗口内数值的个数，此数值应设置为奇数，方便获取中值。中值滤波是窗口内含有奇数个数值的滑动窗口，将窗口中的数值从大到小排列，中心点值用窗口的中值代替目标值
4、，通过这种方法可以将数值较大的脉冲信号滤除，达到平滑降噪的效果，选用合适长度的窗口就可以在滤波之后既实现平滑降噪的效果又可以保留脉冲信号之间的斜坡和阶跃的部分。输入序列为，窗口长度为n，详见式2.5。 （式 2.5）中值滤波可以从一维的原理推导到二维的原理。对于图像来说，是在二维的情况下进行处理，在图像的像素排列中选择一个窗口，把窗口二维数据从大到小或者相反顺序进行排序，排出的序号取中间的值作为当前的像素值。在三乘三、五乘五、七乘七、九乘九的这几种模板中，中间值的序号分别是5、13、25、41。中值滤波对阶跃性的信号和斜坡信号滤波的时候输入和输出相同，对这两种不产生效果，所以不影响阶跃和斜坡函
5、数。窗口大小为M，对于小于二分之一M的函数收到抑制，三角形函数的顶部变平。此时数字图像中各个点的灰度值用来表示，则中值滤波公式为详见式2.6。 （式2.6） 2.3.2 算法实现进行降噪和背景平滑处理，采用双边滤波的方法，设置双边滤波的半角和双边滤波的标准差的数值大小，在程序中调用双边滤波函数color_bilateral_filter；空间域sigma_c越大，图像越平滑，sigma_c越小，中心点的权值越大，周围点的权值越小，则对图像的降噪效果越小；值域sigma_s的值越大，边缘越模糊，反之则越清晰。并使用uint8进行格式转化再使用rgb2gray进行灰度图转化，结果如图2.6所示。图
6、2.6 双边滤波结果处理已经完成灰度图转化的另一种滤波方法为中值滤波。因为函数medfilt2处理的矩阵应该为二维矩阵，直接读取的抽帧后的彩色图像为三维RGB图像，转化为灰度图像，窗口的大小对滤波的输出值影响很大，所以确定窗口的大小十分重要，通常可以从窗口大小最小的开始进行测试，本设计采用的窗口为5的进行滤波处理。采用的函数medfilt2(frame_gray,5,5)。设置一个五行五列的模板作为滑动模块，消除孤立的噪声点9，结果如图2.7所示。图2.7中值滤波结果为了实现焊盘的清晰提取，本设计采用了两种滤波方法对应两种边缘提取的算子，分别是双边滤波和中值滤波。观察双边滤波结果可以看出，双边
7、滤波处理后的图像，过滤掉了大部分噪音，边缘依旧完整，背景进行了平滑处理。双边滤波可以实现图片细节很好的保存，如果只是使用高斯滤波降噪，就容易造成边缘信息的不完整，简单的高斯滤波无法保护更多的高频细节，所以选用双边滤波的方法进行降噪。双边滤波比高斯滤波多了一个高斯方差，可以减少噪声对边缘信息的影响，保留了边缘附近的像素。但是双边滤波并不是完美的降噪方式，双边滤波在保证边缘的基础上会将部分高频信息进行保留，导致个别高频噪声处理不佳，但是双边滤波是去噪和保留边缘信息最折中的处理方式，同时平衡到了去噪和边缘保留的问题。另一种滤波方法为中值滤波，观察中值滤波的结果可以看出，中值滤波很好的消除了图片中独立
8、的瑕疵点，图像背景清晰，通过摄像机所拍摄并抽帧提取出来的图片主要就是椒盐噪声和高斯噪声，如果图中有像素点被污染了，中值滤波可以用中值代替被污染的像素点的灰度值。缺点是中值滤波普遍只能过滤一些独立的或者是小的噪声，而且计算量比较大不太适合图像的快速处理。3.4 增强处理3.4.1 直方图为使图像处理得到更好的效果，要对图像进行图像增强处理。在了解直方图均衡化之前首先要了解灰度直方图，直方图是用来反应图像中灰度级的出现次数，也是出现的频率，是一个用来统计的数组。它用来对图像的灰度级进行统计，对与八位的位图，整个像素的数值是0到255，0像素或者1像素出现的个数将它们统计出来，就叫做直方图，横坐标为
9、灰度级，一般最大为255，纵坐标是出现的个数，如图2.8所示。图2.8 灰度直方图3.4.2 直方图均衡化图像直方图的灰度级累积分布函数影响着映射函数T的变化，根据该函数对直方图进行修改。灰度直方图是表现图像数据特征的重要方法，能够展现出灰阶出现的频数与相对频数之间的关系。其数学表示式如公式2.7所示。 （式2.7）其中为图像像素数，表示第个灰阶，表示图像中灰阶出现的频数，表示灰阶出现的概率。直方图在灰度级所设定的范围内的分布情况，代表图像的对比度，图像对比度是指在一个图像中最亮的部分和最暗的部分的亮度或者色彩程度的差值。直方图中像素数量集中在很小的范围内，就代表图像的对比度比较低，当图像中像
10、素灰度级及其个数在直方图内分布比较平衡，意味着对比度比较高，在直方图中所有像素在每个灰度级上出现的次数近似相等的时候，此时图像可以反映出来的信息量是最大的。在连续情况状态下，对中的进行变换，将非线性函数转变为均匀概率分布函数，为变换前的归一化灰阶，。为变换函数。为变换后的归一化灰阶，。当满足以下两个条件时，（1）T(r)在区间单调递增，并且；（2）反变换存在，也满足条件（1），则变换后的图像灰阶范围以及灰阶变化顺序与原图一样，详见公式2.8所示。 （式2.8）直方图均衡化并归一化后，有，从而两边取积分详见公式2.9所示。 （式2.9）上式表示是直方图累积分布函数，在单调性上属于非负递增函数。在
11、离散的情况下，当红外数字图像的像素数为、灰阶范围为，可以找到最大灰度等级，令第个灰阶出现的频数为，则第个灰阶出现的概率详见公式2.10所示。 （式2.10）可得直方图均衡变换函数详见公式2.11。 （式2.11） 为归一化灰阶。 可以在MATLAB中，得到图像像素灰度级分布的直方图，使用的函数是imhist。取到图像后，用该函数可以获取直方图，可以下直接显示出图像像素分布情况。如本设计所示，在直方图均衡话处理前，图像整体亮度比较暗，数据分布在比较小的范围内，在较低的区域里，对比度比较低，如图2.9所示。当进行均衡话处理后，图像比较亮如图所示2.10，把它的对比度进行了拉伸。图2.9 未处理前像
12、素分布图2.10 均衡化后像素分布要实现图像的增强，选用不同的方式，突出目标信息，削弱非目标信息，从而达到改善图象质量的效果。在本设计中为了使图像增，使边缘提取达到比较理想的结果，将图片进行均衡化处理。通过直方图均衡化的图像增强方法对图像增强，直方图均衡化使图像的灰度值之间拉开差距，用减少灰度等级为代价，使得直方图提高了图像的对比对度10。在本设计中使用直方图均衡化对滤波后的图像进行图像增强处理，使图片的亮度提高、对比度增强。调用的函数为histeqI2=histeq(b);使灰度扩展到0到255之间，如图2.11。图2.11 直方图均衡化结果原图像通过进行灰度变换，可以让图像变亮。这种方法主
13、要是通过调整原图像像素的分布运用灰度变换函数，实现像素的重新分配，增大较暗的像素值，像素值变大后，图像也就会变亮。这种方式是通过增强对信息的辨别能力，来实现图画的增强，但是该种方法存在一个问题，就是容易造成一些信息的丢失。可是本研究的主要目的是改善图像画质，增强画质，通过这种方法能够达到预期效果，对于信息的丢失的问题可以忽略。3 边缘检测3.1 边缘检测算法在进行图像研究的过程中，一些情况下会要求分离出图像中的一些区域或者一些特征，边缘就是常见要求分离的目标信息之一。边缘是由一条像素带构成，在图像灰度图中，边缘所处像素的灰度值同边缘两侧的灰度值普遍相差较大，叫做灰度值的越变。在理想状态下，边缘
14、两侧到边缘的灰度值变化是垂直状态，由低灰度值直接跃变到高灰度值，或者由高灰度值直接越变为低灰度值。但是在现实状态下，不存在这种状况，边缘灰度值的变化普遍存在于一个斜坡上，即不是灰度值的突然跃变，而是存在递进的。所以得到的图片中边缘是模糊的，灰度值处在一个斜坡上，斜坡的倾斜程度决定了边缘的模糊程度。一开始灰度级到最终灰度级的斜坡长度，决定了边缘的宽窄。在理想的情况下，在给定图像上应用边缘检测，来确定边缘定位和目标像素处于图像的边缘还是图像的暗区。边缘检测的方法可以降低要处理的图像数据，简化工作量。边缘检测可以过滤掉不需要的部分，留下图像的大致框架。但是在一些图像中，边缘检测的结果不尽如人意，提取
15、到的边缘信息会出现不连续的问题，边缘曲线不完整，丢失边缘，从而不能得到比较完整的框架。基于本设计的焊盘的检测，要求使边缘检测算法具有较高的准确性，适合的边缘检测算子可以降低出错率。图像边缘保留了目标的大小，方向，形状等信息。这些边缘信息是元器件图像中重要的特征之处，通常的边缘检测就是检测局部灰度值的导数最大值部分。常用的传统边缘检测的算法有 Robert 算子、Soble 算子、Prewitt 算子等11。本设计使用的边缘提取的两种算法分别为Canny边缘检测和LOG边缘检测。3.3.1 Canny算子边缘检测的主要问题是平衡边缘的增强提取和图像中噪声这两者的关系。在现实状况下，无论在边缘提取
16、前应用哪种滤波方式，图片中都会存在噪声，而噪声和边缘信息都属于高频分量，如果只是差分提取边缘信息，同时也会加重图像中的噪声污染。所以在此之前要进行平滑滤波，减少边缘提取过程中的干扰。在Canny算法中，可以利用高斯一阶导数实现降噪和边缘提取两者的平衡。边缘检测普遍要满足三个标准，第一是不能将非边缘误解为边缘，比如纹理噪声，就会产生伪边缘，好的边缘检测算子就要降低出错率。第二是边缘点定位要准确。第三是要避免双沟边的情况（本来只有一条边，边缘检测出两条边），会带来一定麻烦。边缘检测和边缘定位存在测不准原理，所以要在检测和定位之间寻找平衡，所以要通过算子的大小来控制这个平衡。在Canny算子进行边缘
17、检测之前存在一个前提假设，该前提假设为图像在光滑变换的边缘有可叠加的高斯白噪声，而且不存在角的信息。Canny算子进行边缘检测的基本步骤是，（1）如果直接进行边缘提取会加重图片中噪声的污染，所以先进行平滑去噪，来降低噪声的干扰。首先要通过一个高斯低通滤波器，先对图像进行滤波，先把噪声去除掉，使真正的边缘可以更好的被提取，防止噪声产生伪边缘的情况。模板越大，去噪效果越好，边缘丢失越严重。（2）然后来计算每个像素点的梯度，梯度为矢量，意味着每个像素点上有x方向的差分值和y方向的差分值，像素梯度的幅度则表示为。边缘的角度详见公式3.1。 （式3.1）（3）知道了边缘的角度，将边缘方向分为四种，就可以
18、找到像素梯度方向的临近像素。每一个像素点沿着计算出来的边缘的方向，去检查上下或者左右两个像素点，如果这两个像素点的梯度的幅度值比中间的像素点都大或者都小，这个点就可以保留，有可能是边缘点。如果中间像素点梯度的幅度临近的两个像素点之间，即比一个大，比另一个小这时可以判断这不是一个边缘点。（4）Canny算子应用了两个阈值，当某一个像素点的梯度的幅度，小于第一个阈值（一般认为是两个阈值之间比较小），也可以肯定，这个像素点一定不是一个边缘点。如果当前像素点梯度的幅度值大于最大的阈值，可以肯定该像素点一定是边缘点。若处于两个阈值之间，则通过四联通和八联通来找，该像素点周围的八个点有一个像素点被判定为边
19、缘点，则普遍认为这个点也是边缘点，反则可能为一个孤立的噪点，不考虑它为边缘点。3.3.2 LOG算子拉普拉斯算子是对二维函数进行运算的二阶导数算子，二阶导数算子在两峰之间过零点处来确定图像边缘的位置12。拉普拉斯算子是标量，所以计算时，用一个模板就可以实现，两种常用的拉普拉斯模板如下图2.4。拉普拉斯算子有两种不同的检验模板，但是算子容易丢失图像边缘信息，并且对噪声比较敏感，因为只会使噪声对图像加剧影响13。拉普拉斯算子进行边缘检测的公式如公式3.2所示。 （式3.2）由公式可知拉普拉斯算子是按照微分方式来进行边缘检测的，拉普拉斯算子处理图像对噪声的反应很敏感，在应用拉普拉斯算子之前，要先对图
20、像进行平滑处理和降噪处理，也就是在边缘检测器前先进行高斯卷积。高斯卷积如公式3.3所示。 （式3.3）则原图像和高斯卷积后的结果如公式3.4所示。 （式3.4） 图3.1 两种常用的拉普拉斯模板通常使用高斯低通滤波器来进行平滑去噪。高斯平滑后的图像的Laplacian可以表示为，其中为二维高斯函数。图像平滑后再应用拉普拉斯算子，为公式3.5。 （式3.5）这种由高斯滤波和拉普拉斯微分组成的算子称为LOG算子。它既拥有拉普拉斯锐化这种算子的特点又有高斯平滑算子的特点14。高斯-拉普拉斯算子中间为一个正的数值，该数值四周为负值。由图3.2可见，这个模板的系数相加为零，则在灰度级不变的区域模板响应为
21、零，噪音越少效果越好。图3.2 高斯-拉普拉斯算子3.2 算法实现将去噪后处理后的图片进行直方图均衡化处理，使增强下一步边缘提取效果；边缘检测和边缘提取选择Canny算子和LOG算子，提取后的图像焊盘边缘清晰。3.2.1 Canny算子Canny算子实现边缘检测的步骤是，（1） 要对图像进行高斯滤波，避免伪边缘的产生，使算子将伪边1.2 线性摩擦焊接的介绍1.2.1 线性摩擦焊的焊接原理线性摩擦焊接是一种不同于传统摩擦焊接方式的固相焊接技术（原理如图1.1），两个待焊接工件分别固定在运动机构与固定夹具中，两个待焊接工件的焊接界面之间紧密接触，运动机构驱动运动工件以指定频率和振幅做线性往复运动，
22、并对上端的运动工件施加轴向压力。而下部工件则固定于夹具体中，在两个待焊接工件之间存在着相对往复的运动，从而产生摩擦。两个待焊工件的接触面在摩擦力的作用下，产生大量的接触热，使得接触界面的温度可以在短时间内急速上升，工件在剪切力的作用下，摩擦界面的高温塑性金属被挤压后从侧边挤压飞出，形成飞边，工件的轴向距离开始明显缩短，当两工件的接触面处的形变与温度不再有明显的变化时，逐渐降低运动速度，结束运动，使两工件对中，施加一定的压力，工件的轴向距离急剧缩短，在整个焊接过程中，被焊接的金属发生了动态再结晶，在轴向压力的作用下，金属层被不断的挤压，从而形成了十分紧密的焊接层。图1.1 线性摩擦焊接的原理图根
23、据大量的实验测试数据，线性摩擦焊接的过程分为以下四个阶段【4-6】（图二）:1. 初始阶段：两个紧密接触的待焊接工件开始相对往复运动，在工件的接触界面上会有微小的凸起，而摩擦将首先会产生在凸起的地方，界面上也会产生剪切与粘结作用，随着运动的进行不断产生热量，接触界面的面积也随着增加。在此阶段工件的轴向距离没有明显变化。2. 过渡阶段：随着平移运动的进行，工件接触界面温度不断的上升，接触区域材料发生软化现象，伴随软化的开始接触界面被一层高温粘塑性金属慢慢的覆盖，产热机制也由最初的干摩擦产热逐渐转变为粘塑性金属层面内的塑性变形产热，两个工件之间的接触面积也变为100%。在此阶段工件的轴向距离开始缩
24、短。3. 稳定阶段：在这一阶段工件接触面的热量由界面间的粘着摩擦和塑性金属剪切变形共同提供， 产热量趋于稳定。热量由接触界面开始向工件内部传导，焊接界面两侧的金属温度不断升高，开始塑性流动，在轴向压力的作用下，高温塑性金属被挤压后从侧边挤压飞出，形成飞边。在此阶段工件的轴向距离开始明显的缩短。4. 减速阶段：当接触界面的温度和变形都达到所需要的数值时开始降低运动速度，后停止相对运动并使两工件迅速对齐。在此阶段工件的轴向距离开始急剧缩短，在轴向压力的作用下，金属层被不断的挤压，从而形成了十分紧密的焊接层，使两侧的工件实现可靠连接。线性摩擦焊接的上述四个阶段依次发生，每一个阶段都对下一阶段的进行起
25、着十分重要的作用，上一阶段焊接进行充分，就会为下一阶段焊接打下良好的基础，只有每一个阶段都进行充分，才能使得两工件的焊接紧密牢固。图1.2 线性摩擦焊接四个阶段的示意图1.2.2 线性摩擦焊接优点与特色线性摩擦焊接与熔焊或其它类型的摩擦焊接方法相比较，主要具有以下优点【7】 （1）可以使用线性摩擦焊接的范围更多，拥有更多的可加工形状。基于线性摩擦焊的焊接方式，配合专用夹具，使其打破了旋转摩擦焊的局限性，所以能完成各种各样形状的焊接，甚至于一些不规则的焊件，曲面、复杂的横截面或塑料焊件也能实现。（2）线性摩擦的焊接头质量高1）因为其焊接过程中材料通常不熔化，属于固相焊，所以焊接接头质量高，缺陷少
26、。传统冶金中，受各种环境因素影响，会出现一些焊接缺陷和焊接脆化现象，如偏析、夹杂、气孔与裂纹缺陷等。而在线性摩擦焊接出现几率会大幅减少。2）在摩擦焊接当中因为焊接时间短，温度上升快，金属粗化少，晶粒细小，因为在两工件之间存在轴向压力，所以接触界面与工件内部的区域会产生一些力学冶金效应，如工件内部的晶粒细化，焊接面的组织致密等，使得焊接头性能优异。3）这种焊接方式智能化的程度高，焊接设备自动控制所有的焊接过程，过程中不可靠性低，失误率也比较低，焊接效率高。在焊接过程中所需要控制的参数也只有运动参数，可以选择的运动参数也更多样化。有利于实现焊接过程的自动化与提高焊接速度。4）无尘粒、烟雾、辐射等污
27、染，使得焊接过程绿色环保。焊接速度快能耗也比较低，比较清洁。1.2.3 线性摩擦焊接的研究发展与实际应用在20世纪摩擦焊接技术高速发展，其中主要是以搅拌摩擦焊接与旋转摩擦焊接为主，这两项焊接技术被广泛应用于航天航空领域。但这两种焊接技术受限于圆柱形工件与焊接界面的局限性。线性摩擦焊接技术就是以旋转摩擦焊为基础发展而来。英国在80年代，完成了第一次线性摩擦焊的试验。而实验的材料也从一开始的塑性材料慢慢演变到金属材料，可以焊接的焊接界面也从简单的结构到各种各样复杂的结构。 在国外的情况，Vairis和Frost进行着线性摩擦焊的研究工作【4-6】，他们完成了许多关于线性摩擦焊接的开创性工作。进行了
28、关于线性摩擦焊机理和各种影响因素的研究，还对线性摩擦焊接进行了有限元的模拟仿真分析。此外，Wanjara和Karadge也进行了关于Ti-6Al-4V的线性摩擦焊的相关研究，进一步的分析了其接头的组织结构，性能以及质量的影响因素。在国内的情况， 线性摩擦焊的研究工作主要集中于西北工业大学。李文亚等研究了淬火 45 钢的线性摩擦焊，刘佳涛和许全周等也分别研究了Ti-6Al-4V 和淬火状态 45 钢线性摩擦焊接头的组织特点。也有许多的学者研究了有限元仿真中的热力耦合有限元方法。在应用领域的方面，线性摩擦焊在飞机的整体叶盘的制造得以充分应用。整体叶盘的设计成轮盘与叶片一体化，这样就没有榫头、榫槽，
29、这也意味着飞机的重量在一程度上得到了减轻，这无疑可以提高飞机性能的指标。这将大大的有益于航空事业的发展。总的来说，线性摩擦焊接的设备造价较高，所以其应用的领域主要是在航空发动机整体叶盘的制造与维修中，也很少看见其他领域应用。也因此，促进线性摩擦焊接技术发展的重要条件是研发低成本的经济型线性摩擦焊接设备。随着国际上对于航空航天技术的激烈竞争与发展，若我国想提高国际上的竞争能力，在一定程度上线性摩擦焊接这项技术也将会越来越被重视与应用。而反过来说线性摩擦焊接技术的发展也会促进我国航空航天事业的发展，所以其未来必定是光明的。1.3 现阶段对于线性摩擦焊接工艺的研究在现阶段对于展开的线性摩擦焊接工艺的
30、研究结果来看，两工件之间相对运动的高频振动参数，即往复运动的运动频率f，振幅A以及施加在工件上的轴向压力F等参数对线性摩擦焊接过程中两工件接触面的热量输入起决定性的作用。而轴向压力与压力持续的时间则得以证实会影响工件的轴向缩短量。有研究指出如果想得到焊接性能更好的工件，离不开对高频振动参数f、焊接时间t的综合调配。李文亚等指出在焊接过程中两工件相对运动提供摩擦的时间大于3秒是形成两工件间良好连接的基础。Vairis等指出在一定的振幅下，如果运动的频率足够高，即使轴向压力较小，运动摩擦所产生热量也足够完成整个焊接过程。Wan等指出在f=50hz，A=2mm，摩擦压力P=50MPa，焊接形成的工件
31、性能可以超越母材。而Vairis 等人发现控制振幅A不变，焊接过程中挤压产生的飞边和频率f无关，发现增大摩擦压力将会减少飞边8。1.4 现阶段对于线性摩擦焊接工艺数值模拟的研究相较于进行耗时耗力的真实试验测试，运用数值模拟可以不进行真实的试验测试也能得到所需要的试验结果，在许多的分析领域中进行数值模拟已经是不可少的一部分了。在有限元软件建模的部分，Vairis和Frost【4-6】首先利用Elfen专用有限元软件完成了对于Ti-64金属线性摩擦焊接的建模。他们将焊接进行了简化，将焊接中的两工件简化为变形体和刚体之间的库伦摩擦，从而得到了温度的预测结果发现与实验结果并无二致【9】。Ji等研究焊接
32、过程中两工件的金属流变行为，其使用Deform3D软件建立Ti-64金属仿真模型。通过研究发现，处于摩擦阶段时，如果增加两工件的相对摩擦时间，工件内部的金属的流动速率会越来越快，而增加轴向压力时，就会产生相反的结果。此外还发现，如果提高了工件的轴向缩短量，就会清理掉接触面之间的氧化物。而Buffa10利用显式拉格朗日算法在deform 3D上对焊接过程进行计算，发现此方法可以预测两工件焊接处的质量。Ya等人基于ABAQUS有限元软件计算镍基合金的线性摩擦焊接的过程，计算焊接过程中的von Mises等效应力和应变。发现在焊接过程中的第一阶段，工件的轴向距离没有明显变化，而当进入到第三阶段时，两
33、工件接触面开始挤压产生飞边，工件的轴向距离会明显的缩短，而焊接界面的温度场无明显变化。 Ni等人运用ANSYS软件建立模型，模拟了Ti-64的线性摩擦焊接过程，不仅得到了焊接过程中运动参数对于温度场的影响，还证明模拟实验所得到的数据与真实试验的数据保持一致。SMiller11等人也在ANSYS建立了热力耦合三维模型。发现了不同的工件会有不一样的温度场分布，在焊接过程中两工件的接触界面产生最高温度，并且温度会快速的升高但工件不会熔化，所以证明了焊接过程是固相焊接。 杜随更12等采用热力耦合有限元方法，建立了线性摩擦焊接过程中的三维弹塑性有限元计算模型，得出了焊接过程中温度场和应力场的变化规律。现
34、在许多分析研究的理论依据都来自数值模拟方法。由于线性摩擦焊接技术起步比较晚，仿真研究的数量也不多。焊接过程中因为材料的特殊性质，所以难以对整个摩擦过程进行模拟，对于挤压形成的飞边的形状，与对焊接界面的温度是否到达熔点方面一直还是持有争论，却缺少相关方面的研究。所以对线性摩擦焊接的数值模拟问题还是很有意义的。1.5 选题的背景和意义在航天航空领域中线性摩擦焊接%蔴最瀀栀琀洀氀开輟怃鑗垸倁5gwap前台访问/BookRead.aspx?id=1960787116.179.32.1420勈欀搀栀琀洀氀愀輟鐀垸倁/Ki前台访问/p-571948.html220.181.108.1090%匀漀眀愀瀀搀栀
35、琀洀氀挀輟鐓垸倁裒5gwap前台访问/BookRead.aspx?id=2875348220.181.108.1770欀搀栀琀洀氀攀輟垹倁/Mk前台访问/d-1959431.html220.181.108.1190%匀漀眀愀瀀搀栀琀洀氀最輟吃昀垹倁選5gwap前台访问/BookRead.aspx?id=1463368116.179.32.2380勈椀搀栀琀洀氀椀輟垹倁/Mg前台访问/d-1904057.html116.179.32.680匀洀眀愀瀀瀀栀琀洀氀欀輟垹倁5Sqwap前台访问/p-1502190.html220.181.108.1600埿最茀眀愀瀀漀漀欀刀攀愀搀愀猀瀀砀椀搀洀輟垺倁5
36、gwap前台访问/BookRead.aspx?id=1950873220.181.108.1710欀搀栀琀洀氀漀輟垼倁5Smwap前台访问/p-1983922.html116.179.32.380%攀搀栀琀洀氀焀輟垼倁/Mg前台访问/d-1321575.html185.191.171.90崀渀攀眀猀栀琀洀氀猀輟垼倁5gwap前台访问/BookRead.aspx?id=1507226111.206.198.1500勈匀洀眀愀瀀搀栀琀洀氀甀輟垽倁/Mi前台访问/d-1723855.html116.179.32.1590勈銰最茀眀愀瀀漀漀欀刀攀愀搀愀猀瀀砀椀搀眀輟垽倁/Mg前台访问/p-245972
37、6.html40.77.167.1630哰椀瀀栀琀洀氀礀輟垽倁/Mk前台访问/p-2945806.html220.181.108.1790%椀瀀栀琀洀氀笀輟瀀垾倁5Sqwap前台访问/p-1523166.html220.181.108.1010勈欀搀栀琀洀氀紀輟鰀垿倁/a前台访问/BookRead.aspx?id=2946253106.52.241.1510%匀漀眀愀瀀搀栀琀洀氀缀輟鰀垿倁/Mg前台访问/d-2526682.html54.36.148.2220椀瀀栀琀洀氀脀輟埀倁/Mg前台访问/p-2097228.html40.77.167.1630匀洀眀愀瀀瀀栀琀洀氀茀輟埁倁裒/Ic前台访问
38、/p-86146.html203.208.60.290%最瀀栀琀洀氀蔀輟埁倁5Sqwap前台访问/p-1896834.html220.181.108.1430%最搀栀琀洀氀蜀輟埃倁/Mi前台访问/d-1888087.html220.181.108.910%匀焀眀愀瀀搀栀琀洀氀褀輟埃倁5Qowap前台访问/d-878623.html220.181.108.1210勈銰儀椀猀椀琀攀洀愀瀀栀琀洀氀謀輟埄倁/Mk前台访问/d-2462448.html220.181.108.1500灘最茀眀愀瀀漀漀欀刀攀愀搀愀猀瀀砀椀搀贀輟埄倁/a前台访问/BookRead.aspx?id=2944786203.208.60.1130%蔴欀搀栀琀洀氀輀輟砀埅倁/Mk前台访问/p-1523166.html111.206.198.1510匀焀眀愀瀀瀀栀琀洀氀鄀輟埆倁5Sqwap前台访问/p-1517148.html220.181.108.1170%蔴最搀栀琀洀氀錀輟埆倁
