二进制PSO算法在刀具磨损状态识别中的应用

特征选择是刀具磨损状态识别的重要问题之一。文章以端面铣刀为研究对象,提出了一种基于二进制粒子群算法的铣削力信号特征优选方法。该算法采用相关准则给定适应度函数,以此计算粒子适应值。通过二进制编码方式,寻找全局最优解作为最优特征构成特征子集。最后将优选的铣削力信号特征子集输入到三层BP神经网络进行模式识别。实验结果表明,二进制粒子群算法优选的铣削力信号特征子集可以提高刀具磨损状态识别精度和缩短识别时间。     

波形刃铣削刀片的磨损特性实验研究

本文通过调质45钢的铣削加工实验,对比研究了波形刃铣削刀片和直线刃铣削刀片的磨损特性,分析了铣削过程中刀具磨损对铣削力的影响规律;利用影像仪和扫描电子显微镜对磨损后的刀片进行观察,研究了两种刀片的磨损形态和磨损机理。实验结果表明:单齿铣削时,直线刃铣刀的铣削力和磨损值均小于波形刃铣刀;双齿铣削时,波形刃铣刀铣削性能优于直线刃铣刀,不仅单点铣削力小,而且具有良好的分屑及散热效果,铣削超过50 min后其磨损量约为直线刃铣刀磨损量的70%。波形刃铣刀多齿铣削具有良好的铣削性能。     

双螺杆泵螺杆成型铣刀廓形求解及验证

根据双螺杆泵螺杆螺旋面端面截形型线方程,利用成形铣削原理和坐标变换理论,从成形铣刀与螺杆工件的相对运动关系出发,建立基本的铣刀刀刃廓形方程。利用Matlab软件对设计刀具过程中的三角超越方程等非线性方程进行求解,得到铣刀回转面轴截形,然后以铣刀回转面轴截形为已知条件,反求螺杆螺旋面端截形,验证铣刀廓形求解方法的正确性。     

基于复制测量法的球头立铣刀磨损预测研究

论文提出一种测量球头立铣刀磨损量的复制测量方法并分析该方法的误差。以铣刀径向磨损量为研究对象进行刀具磨损试验,找出铣削参数对刀具磨损的影响规律,得出径向磨损量增量与铣削参数的铣刀磨损模型和刀具寿命经验公式,并通过试验验证磨损模型具有较高精度,可用于磨损量预测。     

方肩铣刀高速铣削TC4钛合金试验研究及参数优化

利用单因素试验方法,采用镶齿硬质合金涂层方肩铣刀进行钛合金高速铣削试验,研究每齿进给量、铣削宽度、铣削深度、铣削速度对于铣削力的影响。通过对铣削力进行分析,建立方肩铣刀高速铣削的铣削力模型,并采用MATLAB遗传算法以进给方向铣削力Fy最小为目标,对铣削参数进行了优化并给出了最优解集。实验结果表明,使用优化后的参数加工薄壁件可有效减小切削力。     

基于系统辨识方法的铣刀磨损状态识别

铣刀磨损状态的判定对保证铣削加工产品质量具有重要意义。为提高铣刀磨损状态监测的有效性、快速性和准确性,通过Hilbert变换对铣削力信号进行解调处理,分离出了与铣刀磨损相关的信号。用db4小波函数对解调信号进行小波包分解,提取了铣刀磨损过程中各个时段频带的能量,与刀具的磨损曲线综合分析后,获取了能反映铣刀磨损状态变化的频段,并基于Zoom-FFT方法对铣削力信号在整个频带上分段选频细化。通过实验验证了所选频带零频上的幅值变化规律以及频谱上的谱线移动规律能够反映铣刀的磨损状态,综合二者能够快速、准确判断铣刀的磨损状态。     

R铣刀加工高温合金GH706动态铣削力建模

采用机械力学模型,在综合考虑前刀面剪切效应和后刀面犁切效应的基础上建立了R铣刀动态铣削力模型。通过高温合金GH706的铣削力实验,对动态铣削力系数进行标定。利用Matlab科学计算软件对一个铣削周期内的铣削力进行数值仿真,计算与实验结果对比表明,模型有效、预测精确。R铣刀动态铣削力的研究,为高温合金GH706切削稳定性领域的研究奠定了理论基础。     

加工参数对金刚石铣刀铣削石材时磨损量影响研究

金刚石铣刀的磨损量是衡量刀具寿命和加工成本的一个重要参数,有必要研究铣削参数和石材硬度对金刚石铣刀磨损量的影响以确定合理的加工参数和提高加工效率.在石材加工数控机床上采用金刚石铣刀铣削大理石和花岗岩,采用精密天平测量金刚石铣刀的磨损量,同时采用体式显微镜分析金刚石铣刀的磨损原因.实验结果表明:切割深度对铣刀磨损量影响最大,其次为进给速度,最后为铣刀主轴转速.磨损量随切割深度和石材硬度的增加而加大,随进给速度和主轴转速增加变化不大.金刚石铣刀的磨损形式主要以金刚石脱落和破碎为主,其次为金刚石磨钝,基体磨损以磨粒磨损为主.     

端面铣削工件表面粗糙度数学模型与实验验证

目的 针对多种表面粗糙度影响因素的耦合作用使轮廓形成机理不清,导致表面粗糙度数学模型存在表面质量智能管控工业应用预测精度不足的技术难题,建立端面铣削工件表面粗糙度数学模型。方法 首先,基于加工运动学机理和刀具几何学分析端面铣削工件表面轮廓形成机理,建立考虑刀具跳动的工件表面轮廓模型以及轮廓高度偏差关于铣削力的补偿函数,并通过卷积神经网络(Convolution Neural Network,CNN)进行解析。其次,建立端面铣削表面粗糙度数学模型。最后,进行可转位面铣刀端面铣削ZG32MnMo的实验验证,分别采集轮廓数据与铣削力信号,建立以铣削力为输入、轮廓高度偏差数据为输出的铣削数据集,训练卷积神经网络解析轮廓高度补偿值并验证理论模型的准确性,对比分析考虑刀具跳动的表面粗糙度数学模型与CNN优化考虑刀具跳动的表面粗糙度数学模型的精度。结果 CNN优化考虑刀具跳动的表面粗糙度数学模型对加工重叠区与非重叠区内沿刀具进给方向的轮廓算术平均偏差Ra的预测误差分别为18.71%和14.14%,与考虑刀具跳动的表面粗糙度数学模型相比,精度分别提高了10.61%和32.83%,CNN优化考虑刀具跳动的表面粗糙度数学模型对轮廓单元的平均宽度Rsm和支承长度率Rmr(c)的预测结果与实验值吻合。结论 考虑刀具跳动以及动态铣削力耦合作用边界条件的表面粗糙度数学模型能够有效预测端面铣削表面粗糙度,可为在质量管控工程中的应用提供理论指导与技术支撑。     

基于模糊神经网络的TC4钛合金铣削力建模与仿真分析

模糊神经网络是模糊逻辑与神经网络的结合,将二者融合应用到铣削力动态系统建模与仿真上,可以弥补神经网络在模糊数据处理方面的不足和纯模糊逻辑在学习方面的缺陷,即弥补铣削加工钛合金(TC4)过程中影响铣削力的复杂因素对铣削力的不利影响和提高利用纯模糊数据处理建立铣削力数学模型的精确程度。采用正则化模糊神经网络学习算法建立了铣削力预测的神经网络模型,模型中主要考虑影响TC4铣削力的加工参数,设计铣削加工试验组合数据对模糊神经网络模型进行训练,并利用模糊神经网络模型对铣削力进行仿真。仿真结果表明:利用正则化模糊神经网络方法建立TC4的铣削力预测模型是可靠的。