基于机器视觉的刀具几何参数测量技术

在金属零件加工过程中,加工刀具不可避免的产生磨损.如不能及时采取描施,将产生很大的加工误差.把基于计算机图像处理的机器视觉技术引入到刀具参数测量中,提出利用计算机视觉代替人艰对刀具参数进行自动测量的方法,并在Delphi平台上开发了一种专用测量软件系统,利用图像预处理和边缘检测等处理技术,实现了刀具几何参教测量的自动化.应用结果表明,基于机器视觉的刀具几何参数测量系统克服了人工测量所造成的各种误差,重复测量精度达到2μm,大大提高了测量精度和效率.     

车刀刀尖圆弧半径对零件加工精度的影响

由于刀尖圆弧半径的存在,使得刀具运行轨迹与被加工零件的表面形状产生差异,由此引起被加工零件的轴向及径向尺寸误差,从而影响零件的加工精度。因被加工零件的表面形状各异,所以引起的差异也各不相同,文中依次分析了车削加工各类零件表面形状引起的差异及采取的措施。     

气缸盖气门导管孔加工精度改进

提出了16V240ZJB柴油机气缸盖气门导管孔位置因铸造缺陷导致加工轨迹偏移,影响气门导管孔加工精度,并从加工工艺和刀具两方面进行改进,保证产品品质。     

五坐标数控加工的理论误差分析与控制

对五坐标曲面加工中由离散线性运动逼近理想刀具轨迹所引起的理论加工误差进行了较严格的分析。基于五维线性包络运动分析,得出了适用于多种类型刀具的加工误差估计的通能表达式。该误差是三维意义下较严格的刀具包络成型误差,综合考虑了零件表面的局部几何形状、刀具的形状尺寸与刀轴控制参数、走刀进给方向、机床旋转/摆动机构参数以及走刀步长的影响。在此基础上,分析了减小加工误差的措施,给出了能较严格满足给定精度要求的走刀步长估计算法,有效控制加工误差并提高刀具轨迹质量。     

高精度刀具测量仪的视觉系统研究与设计

为了改善传统刀具测量仪重复测量精度低的问题,对刀具测量仪的视觉系统进行了深入的分析,并设计了刀具测量仪的视觉系统。通过光路分析和理论计算确定系统的指标参数,并以此参数为依据结合ZEMAX光学软件对视觉系统进行了详细的设计,通过控制景深大小来提高系统重复性。实验表明,应用这套视觉系统的刀具测量仪重复测量精度达到±2μm。     

MARPOSS测量系统应用解析

随着工厂现代化水平的提高,产品品质要求越来越高,对产品的品质测量尤为重要,测量系统直接影响产品品质,因此,在使用测量系统追踪检验产品品质时,如果测量系统不稳定(即测量系统本身也产生很大的误差),即使测量精度很高,也会造成产品品质低,只有测量系统精度跟自身稳定性两者结合,才能在提高产品品质上发挥作用。     

基于迭代学习控制的活塞数控加工研究

在高速精密非圆加工中,伺服刀架系统的幅值衰减产生较大的刀具轨迹跟踪误差,从而降低加工精度.以伺服刀架的传递函数为基础,采用迭代学习控制,利用系统实际输出与期望输出的偏差信号,产生新的控制信号,使得系统跟踪调节性能得以提高,从而提高非圆加工的形状误差.     

弹簧成形机几何误差的完备建模及其补偿方法研究

针对弹簧成形机成形精度低、误差大等问题,以弹簧成形机为研究对象,对弹簧成形机的几何误差进行了定义、识别、测量、建模和补偿方法研究。根据弹簧形状特征划分弹簧成形机多体系统,以多体系统理论与齐次坐标变换为理论基础,建立了包含20项几何误差的完备模型;采用Sobol灵敏度分析方法与蒙特卡洛采样方法识别出了关键误差项为刀具的定位误差;在此基础上,采用带磁力表座的千分表对刀具定位误差进行了测量,确定了误差补偿基准;最后,采用基于PMAC系统脉冲值补偿法对刀具轴定位误差进行了补偿。研究结果表明:弹簧成形机的成形过程中共有20项几何误差影响成形精度;其中,刀具定位误差影响权重为55%;误差补偿前成形机定位误差为单边误差,大小为0.3 mm,补偿后刀具定位误差减小为0.16 mm左右,定位精度提高了44.6%。通过试验,验证该方法适用于弹簧成形机几何误差补偿,填补了弹簧成形机成形精度研究方法的空白。     

精密切削刀具磨损监控系统设计

设计了刀具磨损检测控制系统,采用EPF10K10TC144-4主控芯片、位移传感器,采用分布式算法编制了控制软件并进行了系统仿真。将数据输入到CNC系统,修改刀具参数,并在数控车床上进行了切削实验。对比研究结果表明,该系统避免了人工检测误差、机床频繁停机,减少了换刀次数和重新对刀引入的二次误差,延长了刀具有效使用时间,且加工效率、加工精度、产品合格率都有明显提高。     

曲轴加工与成形刀具

以曲轴加工为例,分析了成形刀具在切削过程中误差的形成机理,给出了如何调整刀具形状和切削参数,以及获取最佳工艺效果的方案。     

数字孪生驱动的数控铣削刀具磨损在线监测方法

针对数控铣床不断老化导致刀具磨损预测模型误差较大,加工过程中动态数据难以在线采集等问题,提出一种数字孪生驱动的刀具磨损在线监测方法。采用神经网络对加工过程中的多源数据进行特征提取,建立考虑机床老化的刀具磨损时变偏差量化模型,并在此基础上提出数控铣削刀具磨损的在线预测方法;开发了面向刀具磨损的数控铣削数字孪生系统,在线感知加工过程中的动态数据并实时仿真刀具磨损过程;最后,将该方法应用于实际加工中并与其他的预测方法进行了对比,结果表明该方法有效降低了机床老化带来的误差,实现了刀具磨损的精确预测。     

基于刀具磨损映射关系的微细铣削力理论建模与试验研究

微细铣削加工过程中,刀具直径小且磨损较快,刀具磨损对微细铣削力有着明显的非线性影响,同时刀具跳动又对刀具每齿的磨损表现出不同的影响效应,这些影响因素会导致加工过程的不稳定性和精度。然而,目前缺乏考虑具有刀具跳动和磨损效应的通用微细铣削力模型,研究了刀具跳动与刀具每齿磨损量之间的变化规律,提出了一种同时包括刀具跳动和刀具磨损效应的新型的微细铣削力模型。该模型中,根据刀具每齿磨损量与切削位置的几何关系,改进了瞬时切削厚度模型,基于不同切削刃所对应的受力情况,同时将刀具直径方向上磨损变化量与力模型系数相关联,从而来提高力模型的精确度。最后,通过不同铣削参数下的铣削试验,论证了所提出模型的准确性和有效性。利用所提出的模型,可以通过监测铣削力的大小来辨别刀具尺寸是否在可持续铣削的范围内,从而提高微铣削的加工精度和效率。     

EA4T空心车轴深孔加工刀具磨损特征的研究

EA4T空心车轴的深孔加工存在质量不稳定、断屑排屑困难、刀具成本高、磨损破损严重等问题。本文重点研究了单齿和错齿BTA深孔刀具的磨损特点,分析了涂层BTA刀具的磨损机理,提出了改善BTA深孔刀具非正常磨损的途径。通过大量生产实践表明,改善刀具的非正常磨损能有效提高深孔加工的精度和表面质量,并降低加工成本。     

多传感器融合下多工况刀具磨损状态预测的深度森林方法研究

准确监测加工过程刀具磨损状态有助于避免因刀具失效导致的产品质量问题。 建立不同工况的刀具磨损监测模型,往 往需要对每组工况调参以保证精度。 为减少调参并保证预测精度,结合深度森林的超参数少、参数对模型不敏感和训练过程自 适应等优点,利用深度森林建立了多传感器信号及多工况下自主特征选择的刀具磨损状态预测模型。 基于 3 组不同工艺参数 下 TC18 铣削过程的多传感器及磨损数据,以及预测与健康管理(PHM)学会 2010 年高速数控机床刀具健康预测竞赛的开放数 据,深度森林在 3 组工况的预测精度分别为 95. 35% 、96. 63% 和 97. 06% ,在 PHM 数据上为 98. 95% ,验证了深度森林对多工况 下刀具磨损预测的高精度和适用性,为在线监测技术提供了有力的指导。     

基于细胞神经网络图像识别的刀具监控方法的研究

针对传统的刀具磨损状态监测方法与磨损程度无严格对应关系的缺点,提出一种新方法——采用普通的CCD摄像机拍摄刀尖形状的图像,经细胞神经网络图像处理后与正常的图像进行比较,判断刀具是否产生磨损。该系统可用于实现自动化精密加工过程中的实时在线工件形状监控和刀具诊断,仿真证明了理论算法的有效性。     

PCBN刀具干切削淬硬轴承钢时磨损机理的研究

通过干切削淬硬GCr15轴承钢的PCBN刀具磨损试验 ,得出了后刀面刀具磨损曲线 ,结合扫描电镜对刀具的磨损形态进行了宏观和微观观察 ,研究了PCBN刀具的磨损特征及磨损机理 ,并对切屑形态与刀具磨损之间的关系进行了初步探讨     

微细铣削加工刀具磨损数值模拟的研究

采用商业有限元DEFORM-3D软件,建立了三维微细铣削加工模型,利用该模型动态模拟了硬质合金微径铣刀铣削加工2A12工件时刀具的磨损变化形态。结果表明,与常规刀具磨损形态不同,微径铣刀的磨损主要发生在刀尖处,后刀面磨损形态为近似三角形。针对这一特点,提出利用后刀面刀尖处的最大磨损高度hmax判断微径铣刀磨损量的方法,研究铣削方式对刀具磨损量影响的变化规律。仿真结果可用于预测刀具磨损变化规律,为微细铣削加工参数的优化、微径铣刀的合理选用、设计及进一步有效控制刀具磨损提供研究手段。     

基于图像处理的刀具角度测量系统

针对加工过程中刀具磨损会影响零件加工精度的问题,利用图像处理技术实现了刀具角度的测量,以达到对刀具磨损情况进行动态跟踪的目的。以Matlab软件作为图像处理平台,通过图像灰度转换、二值化、边缘提取等技术手段,获得了刀具边缘轮廓,进一步用最小二乘法将轮廓拟合,最终求出了刀具角度。实验结果表明,该方法能较好地测量刀具角度,也可用于刀具几何参数的测试。     

基于切削力信号的钻头磨损状态实时监测

研究了钻削过程中刀具在线磨损状态特征信号的提取方法。以轴向力和扭矩为监测信号,在普通钻床上建立起相应的实时信号数据采集系统,通过对信号进行幅域和频域分析,提取了特征信号随刀具磨损量增加的变化规律,为实现机械加工过程刀具状态的智能识别提供了依据。试验结果表明,该方法具有较好的抗干扰能力和较高的识别精度。