基于支持向量机的颤振在线智能检测

为了检测车削过程中的颤振,提出一种颤振在线智能检测方法。使用最小二乘一类支持向量机,训练出描述特征矢量集的超球面,通过计算被测样本与超球面的距离来判断其是否颤振。基于相干准则和分块矩阵求逆,构造了在线稀疏结构的最小二乘一类支持向量机,将特征信息存储于特征库(字典)中,通过更新特征库实现检测模型的在线进化。在颤振检测的应用中,首先使用小波包分解,得到第三层节点能量的比例作为特征矢量,以离线数据构造特征矢量作为输入,训练得到初始检测模型以及特征库,在线检测中不断更新特征库,实现检测模型的在线进化。试验结果表明,在车削颤振识别中,在线进化的检测模型的识别效果更好,颤振预报准确率高达至99.04%,优于离线模型的预报准确率96.74%。     

基于BP神经网络的数控机床主轴性能评估模型

通过采集长征718机床的振动数据,利用butterworth滤波器进行了数据滤波,将低频干扰滤去;之后对数据进行了时域分析和频域分析,提取了5个时域特征和5个频域特征;再将提取的特征值输入BP神经网络训练网络,建立了基于BP神经网络的数控机床主轴性能评估系统,对于解决机床主轴的主动维护具有重要的经济及战略意义。     

基于ADAMS的机床主轴刚柔耦合系统建立及性能分析

对于数控机床来说,车削精度是影响车削质量的关键因素,而机床主轴系统在车削过程中的运动和变形又是影响车削精度(如表面粗糙度)的重要因素。以ADAMS为主要仿真软件,通过ADAMS建立了传动系统的刚柔耦合虚拟样机模型,研究了空转工况下、切削激励作用下主轴的动态响应;通过ANSYS和ADAMS的联合仿真,得到了主轴的动态相应曲线。本研究对数控车削机床的设计与研发提供了有力的技术支持。