排序方式: 共有36条查询结果,搜索用时 15 毫秒
1.
针对工业机器人在压脚压紧力作用下由于结构变形所引起的压脚沿工件表面滑移的问题,提出压脚约束下的机器人刚度模型,并基于该模型对机器人变形进行预测和补偿,以提高机器人制孔的定位精度. 基于改进的Denavit-Hartenberg方法建立机器人运动学模型;在此基础上,通过研究机器人末端平移变形与压脚压紧力之间的相互耦合关系,建立压脚约束下的机器人刚度模型,通过基于L-M算法的关节刚度辨识实验获得机器人6个关节刚度的具体数值;应用该刚度模型预测一定压脚压紧力作用下不同孔位的机器人末端平移变形,并对理论孔位信息进行离线补偿. 试验结果表明,在采用上述方法补偿机器人滑移变形后,机器人制孔的平均位置误差由原先的0.22 mm降低到0.05 mm,满足机器人自动化制孔定位精度要求. 相似文献
2.
航空铝合金薄壁件加工变形有限元仿真与分析 总被引:1,自引:0,他引:1
综合考虑薄壁件粗精加工工序,建立了薄壁件铣削加工全过程三维有限元模型,系统地研究了残余应力施加、切削力建模及动态加载、材料去除等加工过程建模所涉及的关键技术.通过自行构建的加工仿真平台,对处在不同毛坯初始残余应力分布情况下的薄壁件分别进行了加工过程模拟.仿真结果表明,加工过程中残余应力对切削力引起的薄壁件加工变形具有重要影响,较大的初始残余应力导致薄壁件侧壁首末自由端附近产生加工变形波动,容易引起或加剧切削振动, 严重影响其加工精度及表面质量. 相似文献
3.
高锁螺栓干涉连接中极限干涉量 总被引:5,自引:0,他引:5
干涉配合是提高螺栓连接疲劳寿命的有效工艺方法,针对钛合金高锁螺栓的干涉配合静态压入过程,建立有限元模型并进行数值模拟.分析不同干涉量下螺栓上最大应力、孔壁上最大应力值和叠层板上应力分布特点.结果表明,采用静态压入方法的最大干涉量为2.0%,并分析塑性区随干涉量的变化特点及数值模拟结果中的凸瘤大小.在数值模拟的基础上进行高锁螺栓液压压入试验,通过对比试验和模拟压入力的峰值、历史曲线和孔出口处凸瘤大小,有限元模拟得到了验证,利用有限元结果分析带孔边压痕的试验件孔口易产生裂纹的根本原因,并分析试件孔口凸瘤范围大小对结构疲劳磨损的影响,得出干涉量不宜超过2.0%. 相似文献
4.
为了研究薄壁工件在铣削加工过程中的让刀误差以及获得使让刀误差较小的优化铣削参数,以薄壁板为例,在进行高温拉伸试验和高速压缩试验获得材料力学性能的基础上,建立了薄壁板铣削过程的热力耦合有限元模型.通过模拟螺旋立铣刀与工件材料之间相互的物理作用,获得了铣削力的变化曲线和铣削热的分布,同时得到了在刀具与工件之间物理作用下壁板随刀具的旋转与进给运动而产生的让刀变形,从而得到了薄壁板在铣削过程中的最大让刀误差.根据该有限元模型的结果可以优选薄壁件铣削用量,优化刀具几何形状,弥补让刀变形. 相似文献
5.
高速硬加工中切屑成形的有限元模拟 总被引:1,自引:0,他引:1
为了研究AISI4340钢高速加工中切屑形成机理,建立了高速加工的有限元模型.该模型采用Johnson-Cook(JC)模型作为工件材料模型,采用JC破裂模型作为工件材料失效准则,刀-屑接触摩擦采用可自动识别滑动摩擦区和黏结摩擦区的修正库仑定律,并采用任意拉格朗日-欧拉方法实现切屑和工件的自动分离.利用建立的有限元模型模拟了四种切削条件下的材料加工,分析了切屑形成过程,模拟得到了不同切削条件下的切削力,并对其进行了比较.研究结果表明,在高速加工条件下形成了不连续状切屑,不连续状切屑形成机理与基于自由表面破裂的锯齿状切屑形成机理不同. 相似文献
6.
钛合金的已加工表面残余应力的数值模拟 总被引:1,自引:0,他引:1
为了揭示高速切削对航空钛合金加工表面残余应力的影响,利用三维斜角切削有限元模型对钛合金Ti6Al4V的高速切削加工过程进行了模拟,获得了不同切削速度和不同切削深度下的已加工表面残余应力分布.模拟结果表明:切削速度对已加工表面残余应力具有重要影响,而切削深度对已加工表面残余应力影响较小; 已加工表面层残余应力为拉应力,沿深度方向由拉应力逐渐过渡到压应力; 3个主方向的残余应力值随切削速度的增加而增加,而随切削深度的增加无明显变化; 切削速度和切削深度对残余应力层的厚度影响都很小. 相似文献
7.
铣削加工中薄壁件装夹方案优选的有限元模拟 总被引:19,自引:3,他引:19
针对薄壁零件刚性差,制造过程中容易产生装夹变形的工艺难题,采用有限元分析方法,对加工过程中的薄壁件装夹方案进行了优选.将工件视为弹性体,装夹/支撑作为刚体,运用有限元分析软件,分别对装夹位置、装夹顺序以及加载方式三个因素在装夹过程中对框类薄壁零件产生变形的影响进行了模拟.结果表明,夹具或支撑间距较大,先在刚性较差的表面上进行装夹,每个夹紧力均在一步内施加的方案是最佳装夹方案. 相似文献
8.
基于一维卷积神经网络的螺旋铣刀具磨损监测 总被引:1,自引:0,他引:1
基于传统机器学习的螺旋铣刀具磨损监测方法需要复杂的特征提取和丰富的经验知识,不同磨损阶段具有相同的错误分类代价,针对这些问题,结合电流信号一维性特点,提出基于一维卷积神经网络(1D CNN)和代价敏感学习的螺旋铣刀具磨损监测方法. 采集机器人螺旋铣末端执行器主轴、公转轴和进给轴电流作为监测信号,并采用滑动窗口法进行样本划分,在降低网络容量的同时增加样本数量和多样性;在网络损失函数中引入代价矩阵并增加急剧磨损阶段的错误分类代价,使得1D CNN具有代价敏感性;直接将电流时域信号输入1D CNN,网络可以自动提取刀具磨损特征,并将特征提取和不同磨损阶段分类融合在一起. 试验结果表明,在机器人螺旋铣系统中,该方法的刀具磨损监测准确率为99.29%,在急剧磨损阶段的查全率为99.60%. 相似文献
9.
针对机器人精镗飞机交点孔时容易出现颤振,影响加工表面质量的问题,通过分析颤振发生时的压脚位移信号,提出基于Hilbert-Huang变换的颤振特征提取方法,实现机器人镗孔颤振的快速识别.对颤振前后的压脚位移信号进行时域分析和频域分析,获得颤振发生的频段.将压脚位移信号进行经验模态分解,得到一系列具有不同频段的固有模态函数(IMFs).根据颤振频段筛选出与颤振相关的IMF,通过Hilbert变换得到瞬时频率.分析瞬时频率的变化规律,从中提取颤振特征以识别颤振.试验结果表明,在机器人镗孔系统中,此方法能够在颤振形成前0.5 s及时识别颤振. 相似文献
10.