精密内圆磨削过程的神经网络模型的研究

建模、预报与控制是提高精密内圆磨削质量的一个重要方法。由于内圆磨削过程极其复杂,难于建立常规的数学模型。本文重点探讨用神经网络模型描述内圆磨削过程,分析了神经网络模型的特点,介绍了BP算法,并针对内圆磨削轴承内圈内孔的实例,设计了一种3层网络模型,给出了计算机仿真结果,指出:合理选择输入节点及隐节点将加速网络的收敛。最后强调:神经网络真正用于实时建模与控制还有待手相关硬件的发展与应用。     

精密内圆磨削质量控制系统设计

本文阐述了精密内圆磨削质量控制系统的原理。指出：质量控制系统实际上是轴承内圈加工的生产自动线，它主要用于控制轴承内圈内孔的粗磨及精密工序，旨在提高其生产效率及加工质量。质量控制系统的核心是基于８０９８单片机的质量控制计算机（ＱＣＣ）。ＱＣＣ不仅对生产线实施顺序控制，而且还完成对工件的采样、建模及预报控制。文中给出了ＱＣＣ有关的硬件设计，并设计了轴承内圈内孔自动测量头。最后本文给出了质量控制系统软件     

精密内圆磨削质量控制系统设计

本文阐述了精密内圆磨削质量控制系统的原理。指出：质量控制系统实际上是轴承内圈加工的生产自动线，它主要用于控制轴承内圈内孔的粗磨及精密工序，旨在提高其生产效率及加工质量。质量控制系统的核心是基于８０９８单片机的质量控制计算机（ＱＣＣ）．ＱＣＣ不仅对生产线实施顺序控制，而且还完成对工件的采样、建模及预报控制。文中给出了ＱＣＣ有关的硬件设计，并设计了轴承内圈内孔自动测量头。最后本文给出了质量控制系统软件设计框图。     

精密内圆磨削过程的质量控制系统

为提高内圈磨削质量和生产率,设计了质量控制系统,该系统以8098准16位单片质量控制计算机为核心,具有顺序控制、自动测量与采样、实时在线建模以及预报补偿控制的功能。基于建模速度以及预报精度,重点分析了时间序列AR(n)模型与离散勒让德多项式L(m,n)模型,并探讨了用灰色系统理论对内圈磨削过程建模的可能性。计算机的模拟结果表明,AR_(n)模型L(m,n)模型均可适用于内圆磨削过程,灰色模型GM(1,1)亦是内圆磨削过程的适用模型之一。附图5幅,参考文献6篇。     

从内圆磨床主轴的发展浅谈主轴产品创新

1　轴承内圆磨削的特点轴承是应用最广的机械基础件之一 ,随着科学技术进步 ,要求轴承的精度及运转速度越来越高 ,轴承套圈内圆 (外圈内沟道及内圈内孔 )的磨削精度是决定轴承精度的重要因素之一 ,此外 ,轴承的规模生产还要求有高的生产效率 ,这些都需要提高砂轮的磨削精度。由于轴承套圈内圆直径的限制 ,使得砂轮的直径不可能很大 ,因此 ,提高砂轮的转速即磨床主轴的转速 ,就成为提高砂轮磨削速度的唯一途径。2　内圆磨床主轴的发展过程图 1所示是内圆磨床主轴的发展过程示意图 ,可以看出 ,内圆磨床主轴大致经历了皮带轴(机械主轴 )、电主…     

外圆磨削补偿系统模型分析与参数辨识

为了提高精密外圆磨削加工的圆柱度，笔者研制了一套用于精密外圆磨削的圆柱度误差补偿庆磨削过程中，由计算机发出信号控制补偿机构动作，使工件和砂轮之间产生受控的相对运动。本文分析了系统的动力学模型，推导了传递函数，并分析了其差分方程模型及参数辨识方法，根据上述模型及激振试验采集数据，获得了模型参数，从而为补偿提供了依据。     

磨削偏心轴承中圈滚道用模具

偏心轴承中圈加工精度高，内、外滚道存在偏心量，在轴承专用内圆磨床上使用常规电磁无心夹具无法实现内滚道磨削。介绍了一套定位磨削模具，该模具与偏心中圈通过一个圆柱定位销和一个扁方定位销精密定位，在轴承专用内圆磨床上磨削内滚道，在保证尺寸精度以及内、外滚道偏心量的前提下，可满足批量生产要求。     

80年代国外轴承套圈磨床基本情况

轴承套圈磨床是指用于磨削轴承内圈沟(滚)道、内径和轴承外圈沟(滚)道的专用磨床;根据其磨削类型,又可分为轴承套圈外圆磨床和轴承套圈内圆磨床。轴承套圈的磨削加工经历了使用不同加工方式的几个历史阶段。40年代以前,采用普通内圆磨床磨削套圈内径,用摇摆式磨床磨削内、外套圈沟道,这种生产方式效率低,精度差。50年代,开始逐步发展了切入式的轴承专用内圆     

磨加工精度控制及零位测量系统

提出一种利用微机建模预报提高轴承套圈内圆磨削加工精度的方法。介绍了磨加工精度控制及零位测量系统的组成及工作过程,该系统将加工中测量与加工后测量有机结合,可有效控制轴承套圈内径尺寸的分散度,显著提高加工精度。     

学习与应用沟槽节流静压轴承内圆磨具磨削高精度内孔的体会

我车间在1974年5月,接受一批磨削内孔φ60×80毫米,要求不圆度在1微米之内,光洁度▽12以上高精度精密内孔。材料系9Mn2V,硬度RC56°以上。除了机床、夹具、砂轮外急需要解决的高精度内孔磨削,关键主要解决内圆磨具主轴轴承结构形式及其性能等问题。我们学习了汉江机床厂的沟槽节流静压轴承经验,并将这种新型静压轴承的内圆磨具,对磨削9Mn2V工件,放磨量0.30～0.60毫米,进行试磨。我们采用磨料GB200_(z_(R1)),工件转速60～     

基于PMAC-PC的HIPSN陶瓷套圈高速内圆磨削

利用高速陶瓷电主轴单元、直线电动机等设计集成了一套基于PMAC-PC的高速精密数控磨床系统，并用来进行陶瓷套圈内圆表面的磨削实验研究。在磨削实验过程中对砂轮电主轴进行了振动测试和分析，分析了影响陶瓷套圈内圆表面磨削质量和磨削效率的主要因素，加工出了高精度HIPSN陶瓷零件。通过实验验证了本磨床系统的稳定性，利用该磨床系统能实现HIPSN陶瓷零件的高速精.     

强化研磨时工件转速对轴承套圈表面加工质量的影响

强化研磨是一种基于复合加工方法的抗疲劳、抗腐蚀、抗磨损金属材料精密加工技术,利用该技术可加工出具有残余应力的轴承套圈。为了提高强化研磨轴承套圈的加工质量,在其他工艺参数保持不变的情况下,对工件转速进行了单一变量试验,通过检测轴承套圈内圈沟道表面粗糙度与硬度的变化,分析了工件转速对加工质量的影响及作用机制。     

转子系统振动的灰色预测控制研究

分析了转子系统灰色预测控制设计方法及应用。针对单盘对称转子轴承系统 ,建立了灰色模型 GM(1,1)为主体的灰色预测控制模块 ,进行了振动主动控制研究 ,仿真计算结果表明 ,将灰色预测控制理论与方法应用于转子系统振动主动控制是可行的、有效的     

超声辅助内圆磨削40Cr15Mo2VN轴承套圈的试验研究#br#

针对传统加工方式难以获得轴承套圈较小的表面粗糙度和表面波纹度的问题,采用超声辅助内圆磨削的加工方法来改善轴承套圈的表面质量。基于超声内圆磨削单颗磨粒运动轨迹分析,建立了表面粗糙度的理论模型,通过对轴承套圈进行超声内圆磨削试验,研究了各个加工参数对轴承表面质量的影响。研究结果表明：超声内圆磨削加工方法可明显改善轴承的表面质量;增大超声振幅可减小表面粗糙度而表面波纹度会先减小后增大;随着砂轮转速的增大,表面粗糙度及表面波纹度会先减小后增大;磨削深度和进给速度的增大会使表面粗糙度及表面波纹度增大,但超声内圆磨削可减小它们的增加量。     

主动磁轴承电主轴的磨削试验

通过现场磨削试验检验主动磁轴承电主轴的磨削性能。磁轴承控制器是以浮点DSP芯片TMS320C32为核心构建的数字控制系统。针对轴承套圈内圆磨削时主轴转子受力的特点确定了合适的控制器参数,使电主轴静态稳定悬浮并以60kr/min工作转速稳定运转,同频振幅小于8μm,轴承刚度达到22~58MN/m。现场磨削试验表明该磁悬浮电主轴的磨削精度已基本达到要求,精磨磨削效率接近工业应用水平。     

双滚道轴承套圈动态控制磨削

对双滚道滚动轴承套圈磨削加工过程中存在的问题，提出了动态控制磨削加工法。使用新的加工方法，能够确保两滚道尺寸的一致性，为提高轴承的装配质量，尤其是两滚道的装配游隙提供了保证。     

机械振动趋势的灰色预测模型研究

基于振动特征量研究提高灰色模型 (GM)建模精度的方法。建立了基于机械系统振动特征量的时间序列趋势预测GM(1,1)并进行了后验差精度检验 ;针对模型精度低问题对模型修正进行了重点研究。在基于原始时间序列的一次累加生成运算 (1 AGO)序列与它的预测序列间的 1 AGO残差序列对基本GM (1,1)修正失效的基础上 ,提出了设置阈值考虑相对误差、调节量系数考虑原始数据幅度分布的GM(E ,1,1)。实例表明 ,该模型用于机械系统振动特征量预测时具有动态自适应补偿误差影响的功能     

面向打磨机械臂的模糊自适应阻抗控制算法

为解决打磨机械臂在加工过程中轨迹移动和末端接触力的控制问题,讨论了一种自适应阻抗算法,能够实现力和位置的柔顺控制,并保证系统的运动稳定。同时引入模糊控制理论,对阻抗参数进行实时调整。以简化模型二自由度机械臂为例进行仿真实验。仿真结果表明,模糊自适应阻抗算法能够较为准确地控制机械臂末端的接触力,降低系统的超调,改善实时性,可以提高打磨机械臂的工作效率,在一定程度上满足打磨的精度要求。     

基于灰色模型的CMP过程免疫预测R2R控制

针对化学机械研磨(chemical mechanical polishing,CMP)过程非线性、时变、产品质量不能在线测量的特性,为了提高CMP过程R2R(Rum-to-Run)控制的精度,提出了一种基于灰色模型和克隆选择免疫算法的CMP过程R2R预测控制器GI-PR2R。通过离线测量获得历史批次少量数据,构建CMP过程的在线灰色GM(1,N)预测模型,解决了复杂CMP过程难以建立精确数学模型的难题提高了预测模型的精度。通过基于克隆选择免疫算法的CMP过程预测控制的滚动优化,避免了基于导数的优化技术易陷入局部最优的问题,进而提高了控制精度。仿真结果表明,CMP过程GIPR2R控制器的控制精度优于EWMA(exponentially weighted moving average)方法,有效抑制了过程漂移,减小了不同批次间产品的差异,材料去除率(material removalrate,MRR)的均方根误差在总批次与控制目标不同这2种情况下分别降低了18.09%和16.84%。