一种基于多步回溯算法的铣削稳定性预测方法

在加工过程中,由于薄壁件的弱刚性易发生加工颤振,从而对工件表面质量和刀具寿命等造成不良的影响,对铣削过程的稳定性进行预测是至关重要的。通过提出一种多步回溯算法来预测铣削过程的稳定性,将铣削过程离散化成时滞周期方程,在每个时间间隔上采用多步回溯的方法来近似时间周期及时滞项。通过构建状态转移矩阵,根据Floquet理论获得了铣削稳定性边界参数。最后,通过仿真对比实例验证了算法的计算精度和收敛率。结果表明,多步回溯算法具有快速收敛及高计算精度等特点,尤其在低速铣削的稳定性预测中具有良好的应用前景。     

基于EMD-SVM的钛合金铣削过程刀具磨损监测

以硬质合金刀具铣削Ti-6Al-4V为研究对象,提出了一种基于经验模态分解（empirical mode decomposition, 简称EMD）及支持向量机（support vector machine,简称SVM）的刀具磨损阶段识别方法。首先,将原始加速度信号及力信号分解为一系列模态分量（intrinsic mode function,简称IMF）,选择了有效的IMF来组合一个新的信号;其次,计算新信号的多评价指标矩阵,将得到的多指标矩阵（I-kazTM、功率谱熵及均方根）作为输入特征向量,得到了基于线性分类器的刀具磨损识别模型;最后,将检测信号输入模型中进行识别,对刀具磨损阶段的识别精度达到了99.17%。EMD-SVM相较于SVM、BP神经网络及小波包SVM模型,运算时间减少,运算精度提高。实验结果表明,该模式对钛合金铣削过程中的刀具磨损具有良好的识别效果,为刀具磨损状态的监测提供了一种新方法。     

基于分层蚁群遗传算法的多目标柔性作业车间调度方法

针对离散制造柔性作业车间实际工况,提出了一种基于分层蚁群遗传算法的柔性作业车间资源驱动的多目标调度方法,其基本特征是：基于连续生产中不同调度周期剩余或空闲资源等调度相关实时信息;基于完工时间和机床负荷等多目标;采用分层蚁群-遗传混合算法进行决策,通过逐步筛选,获得优化解。该方法特别适用于车间资源变化、任务执行情况变化、急件任务必须插入等情况下的动态调度。应用标准案例并设计相关组合案例进行了测试,与MOGV混合算法相比,25%的案例计算结果优于MOGV算法,最大完工时间减少5%~7%,62.5%的案例计算结果等同MOGV算法。因此,该智能调度方法不仅可以有效地取得对指定优先目标的最佳优化效果,且可自动获得多目标综合的最优解,智能调度效果显著。     

考虑刀‑屑变摩擦因数的铣削力预测

针对铣削过程中刀具磨损或破损导致切削力波动剧烈,进而使得铣削过程控制难的问题,需要建立考虑刀?屑间的摩擦特性进行切削力精确微元建模。由于常数表示摩擦因数无法全面地描述铣削过程中的摩擦特性,因此以硬质合金立铣刀铣削Cr12MoV淬硬钢过程为研究对象,根据前刀面温度分布和刀?屑间相对滑移速度建立摩擦因数的经验模型。在考虑材料硬度和刀具后刀面磨损的基础上建立第1剪切区、第2剪切区和第3剪切区受力预测模型,并通过离散微元法建立整体铣削力预测模型。仿真结果与铣削实验测得的结果有很好的一致性,验证了所建立模型具有较高的预测精度,进一步证明了随着后刀面磨损宽度的增加,铣削力随之增大。该结果为Cr12MoV淬硬钢铣削加工加工参数优化提供了理论支持。     

激光加工超疏水表面抗结冰性能研究进展

在低温环境中，表面结冰会严重影响户外装备的运行效率和安全，基于疏水材料的新型被动式防除冰方法引起了广泛关注。超疏水表面凭借其优越的拒水、抑制冰核形成和降低冰黏附强度等能力，在防除冰技术领域表现出广阔的应用前景。激光加工技术具有高效率和灵活性，成为制备超疏水表面的有效方法，并被进一步用来研究表面的抗结冰性能。首先，概述了固体表面润湿理论和结冰机理。其次，综合评估了激光加工超疏水表面的抗结冰性能，包括静态水滴延迟结冰时间、动态水滴累积、冰黏附强度、延迟结霜与抗冻能力、表面积冰与除冰等方面。静态水滴延迟结冰时间受到水滴与表面接触界面的成核速率和传热速率的影响，动态水滴累积与表面润湿性密切相关，冰黏附强度反映了表面对冰的附着性和除冰的难易程度。超疏水表面具有显著的延迟结冰能力，但在低温高湿条件下，表面的超疏水性可能会减弱，甚至失效。除冰过程也可能破坏超疏水表面的微观结构，进而影响其持续的抗结冰性能。最后，对超疏水表面激光加工与抗结冰性能的未来研究方向进行了展望。