基于砂轮磨损参数的立铣刀后刀面磨削轨迹补偿算法

整体立铣刀后刀面通常采用数控工具磨床按照理想砂轮形状的运动轨迹进行磨削加工,然而在实际磨削过程中,砂轮参与磨削的区域(主要是砂轮边缘轮廓)会逐渐磨损,从而导致后刀面几何精度下降甚至轮廓错误。针对该问题,本文提出了基于砂轮磨损参数的整体立铣刀后刀面磨削轨迹补偿算法。首先,针对立铣刀后刀面磨削工艺,定义了磨削坐标系,推导了砂轮在磨削工艺参数下的姿态计算模型;其次,建立了针对砂轮轮廓磨损的结构参数定义;最后,基于上述模型和参数定义,推导了砂轮磨损状态下的磨削轨迹补偿坐标计算方法,保证了后刀面结构的完整和准确。通过磨削仿真和实际加工试验,对磨损砂轮的补偿效果进行对比测试。结果表明,所提出的砂轮轨迹补偿算法可以有效减少砂轮磨损对后刀面磨削加工的影响,对减少砂轮修整次数和提高磨削质量稳定性有重要意义。     

基于正交试验-遗传神经网络的陶瓷球面精密磨削参数优化

针对陶瓷等难加工材料的精密加工要求与特点以及球面磨削传统加工模式,分析了氮化硅陶瓷材料球面廓形工件砂轮法向跟踪精密磨削的方法。采用正交试验法设计试验,运用极差法和方差法综合分析相关磨削工艺参数对工件加工质量与效率的影响规律。考虑到当前磨削加工工艺方案选择与优选的难点,利用遗传神经网络算法建立了工件加工质量与效率和相关磨削工艺参数之间的非线性映射关系,并基于正交试验法的分析结果对遗传神经网络算法进行了改进,实现了相关磨削工艺参数的优化,缩短了氮化硅陶瓷材料球面廓形工件数控磨削工艺制定与操作的时间,提高了磨削加工质量和效率。     

超高强度钢AerMet100磨削烧伤研究

针对超高强度钢AerMet100磨削烧伤问题,基于磨削热力耦合及烧伤测试方法的结合获得磨削烧伤机理和定量化分析方法。在正交磨削工艺参数条件下对磨削温度和磨削力测试分析,建立了磨削力和磨削温度关于磨削工艺参数的回归经验模型。在此的基础上,分别采用酸洗法、显微硬度法、微观组织法研究了的磨削烧伤机理和测试方法,同时采用巴氏杂讯法获得了磨削烧伤关于磨削工艺参数的回归经验模型,分析了磨削工艺参数对磨削烧伤的影响规律。研究结果表明:磨削烧伤是磨削热力耦合作用的结果,采用巴克杂讯法检查烧伤具有无损测试、量化分析的优点;磨削力、磨削温度和磨削烧伤BN值均对磨削深度的变化最敏感,磨削烧伤BN值随着磨削深度、砂轮速度和工件速度的增大而增大。其为超高强度钢AerMet100构件的磨削烧伤测试和控制提供数据依据和理论指导。     

磨削动态特性对光学材料亚表面损伤机理研究

本文在面向光学元件的加工需求背景下,对其磨削加工做了基础设计,并根据课题组研究基础设定了不同的磨粒尺寸。研究动态特性对光学材料磨削亚表面损伤的影响,以断裂力学中的裂纹扩展模型为基础,建立运动副动态特性指标以及磨削参数与亚表面损伤深度和分布的量值传递模型,通过对不同支承形式运动副磨削系统的建模仿真对量值传递模型进行检验和修正,并采用磨削工艺试验、动态特性参数监测和亚表面损伤检测方法对所建立的模型进行验证,形成以光学材料磨削亚表面损伤确定性控制为目标的运动副动态特性指标设计和磨削工艺参数优化方法。     

基于聚类与 ANFIS 的磨削工艺环境影响评价方法

针对磨削加工环境影响的客观评价问题,提出一种具有自我学习能力的综合评价方法。首先采用减法聚类初始聚类中心并确定聚类数,然后建立基于自适应神经模糊推理的评价模型,并应用模糊C均值与最小均方的混合算法对评价模型的参数进行优化修正。最后以凸轮轴工件的磨削加工为例,通过仿真试验进行检测,结果表明该方法具有良好的有效性和实用性。     

基于BP神经网络的机器人砂带磨削表面粗糙度研究

为提高机器人砂带磨削工件表面粗糙度的预测精度,采用基于BP神经网络方法进行研究,进行机器人砂带磨削铝合金板材试验,基于试验结果采用BP神经网络建立各工艺参数与工件表面粗糙度之间的预测模型。对该模型进行仿真预测,并通过试验验证该模型的预测精度。结果表明该模型预测精度高,可以预测不同工艺参数磨削后的工件表面粗糙度,实现了机器人砂带磨削铝合金板材工艺参数的优化。     

磨削加工质量与生产效率的综合优化研究

针对目前存在的磨削优化研究成果偏重于加工质量,而无法兼顾加工效率的不足,对磨削加工质量与生产效率的综合优化策略进行了研究,对外圆磨削的主要目标及影响因素进行了归纳,以常规工艺参数及零件技术要求为约束条件,将外圆磨削表面粗糙度模型与材料去除率模型有机结合后形成综合目标函数,提出了外圆磨削加工的非线性优化模型。以正交设计法的磨削试验数据为基础,通过序列二次规划算法对模型加以训练,预测出最优磨削用量,在给定的磨削条件下,获得最优磨削用量为:磨削深度ap=0.011 mm,工件线速度vw=30 m/min,纵向进给量f=20 mm/r。最后,通过随机选取的工艺参数对模型进行了试验验证,试验结果表明,模型最大预测误差不超过16%,预测结果可为实际工艺规程编制中选择最优工艺参数提供参考。     

基于时间常数外圆切入磨削砂轮钝化的监测方法

基于外圆切入磨削力模型研究,提出了一种在线监测功率信号的时间常数算法,并利用时间常数对外圆切入磨削砂轮钝化状态进行识别。为提高计算准确性,选取了进给阶段稳定功率信号和驻留阶段功率信号变化率对时间常数进行计算。通过不同磨削工艺参数和不同修整工艺参数实验,验证了利用功率信号的时间常数方法对砂轮钝化监测的有效性。     

外圆纵向磨削力和磨削功率模型研究

磨削力和磨削功率是磨削过程中最重要的工艺参数,利用现有磨削力和磨削功率模型,通过实验,对模型中各个参数与磨削力的关系进行了单因素验证,采用MATLAB软件进行仿真,并采用角正回归算法求解出磨削力和磨削功率与磨削加工参数间的模型参数,通过正交实验进行校验,其最大相对误差为3.2％,平均相对误差为1.54％.研究对于磨削烧伤的判别、磨削工艺技术的优化和磨削过程的在线监测及智能控制的实现有着积极的作用.     

外圆磨削在线优化

基于基本的磨削模型,利用小生境蚁群算法和小生境粒子群算法,对磨削进给量和磨削深度进行在线优化。并采用Matlab编程,利用声发射信号和优化模型,对磨削过程进行仿真,实现了外圆磨削实际磨削过程的在线监测和优化。对提高磨削质量和磨削效率,实现磨削过程的在线监测和智能化控制有着极大的推动作用。