主成分分析结合极限学习机辅助激光诱导击穿光谱用于铝合金分类识别

随着我国社会发展,废旧产品的数量迅速增长,废旧铝随之大量产生。铝是优良的再生资源,传统分选技术不能将废旧铝按各自的成分牌号进行精细分类,导致很多优质铝资源被降级使用,造成巨大的浪费。研究了主成分分析(PCA)结合极限学习机(ELM)算法辅助激光诱导击穿光谱(LIBS)技术在铝合金分类识别方面的应用。选用2种系列的4个牌号铝合金作为实验样品,通过LIBS技术激发实验样品获得420组光谱数据。对原始光谱数据进行了预处理,并选取样品铝合金中5种主要差异元素(Mg、Mn、Cu、Fe和Si)的21条特征谱线构成了420×21的光谱数据矩阵,通过主成分分析对光谱数据进一步降维,使得模型输入变量从21个降至8个。选取120组光谱数据作为训练集,建立了基于极限学习机的铝合金分类模型,余下300组数据作为测试集。研究发现在主要非铝元素(Mg、Mn、Cu、Fe和Si)含量差异只有0.0021%~3.68%的情况下,PCA-ELM分类模型的平均识别准确率达到98.01%,标准差为0.82%,建模时间为0.081s。结果表明,PCA-ELM分类模型有着很高的效率及稳定性,将其与LIBS技术结合可以适用于工业快速分类领域,为精细分类行业提供了一种参考方法。     

基于遗传算法的多主轴头加工空行程轨迹规划

针对多主轴头五轴机床加工时需手动规划空行程的问题,提出一种空行程轨迹自动规划方法.在机床运动学建模的基础上,针对刀位点轨迹和刀轴矢量,分别提出基于最短路径的刀位点轨迹规划和无碰撞刀轴矢量规划,将空行程规划问题转化为参数优化问题.为了简化碰撞检测,提出两级相交检测算法.通过加权系数法建立空行程规划的目标函数,并采用遗传算...     

滚珠丝杠副使用寿命预测建模技术研究

以数控机床进给轴的滚珠丝杠副为研究对象,结合滚珠丝杠疲劳损伤寿命的定义,分析了工艺参数对滚珠丝杠副寿命的影响,提出了一种滚珠丝杠副使用寿命预测建模方法。该方法通过对疲劳损伤寿命的进一步理论推导,使疲劳寿命公式更为详细且可以对不同切削路径和切削参数进行使用寿命的预测,得出丝杠上不同位置的使用寿命情况。在现有数控机床的基础上,选用三向测力仪器,采集卡等组成实验的切削力数据采集部分,运用VB开发的采集软件对数控机床OPC系统进行信息采集,建立不同工艺参数的切削实验,对特定零件进行加工,采集实际加工过程中的信息。运用MATLAB结合使用寿命预测模型对实验数据进行分析。实验结果表明,所建立的使用寿命预测模型能够反映各种工艺参数下的丝杠疲劳损伤寿命情况及变化规律。     

电主轴温度场与热变形的仿真与实验研究

以Setco 231A240型高速电主轴为研究对象,考虑了内置电机的损耗生热和轴承的摩擦生热,计算了电主轴各部分之间的传热系数,利用有限元软件Workbench建立电主轴有限元模型,分析得到了电主轴在不同因素影响下的温度场分布,基于电主轴热-结构耦合关系分析得到了温度影响下电主轴的热变形。仿真结果显示,较低转速下电主轴转子温度最高,转速对电主轴温度影响较大;电主轴头尾部热变形较大,主要为轴向变形。最后,将温度场仿真数据与实验数据对比,验证了仿真分析的准确性。     

四主轴头五轴机床多工步加工路径优化

针对四主轴头多工步加工空行程耗时多的问题，基于空行程路径最短原则研究了无碰撞多工步加工路径优化方法。以四主轴头机床为对象确定了关节坐标系，在单面加工空行程规划基础上，建立了多面空行程计算模型和防碰撞多工步路径优化模型。基于同一面优先排序原则，在内层混合粒子群算法(GA-PSO)基础上融合了贪心算法，提出了双层混合粒子群优化算法(GA-PSO)。其中内层算法用于优化单一面上路径轨迹，外层算法用于优化多面间加工顺序。通过内外层优化算法间的不断迭代分层优化空行程，实现了整体多工步路径优化。对双层GA-PSO算法进行了算例分析，与遗传算法相比具有更快的收敛速度和更短的加工路径，最后通过虚拟仿真进一步验证了该路径优化算法的可行性。