基于VSSPMP的非线性立铣加工过程振动控制研究

综合考虑了再生振动效应与刀具偏心模型对动态铣削厚度的影响,建立了非线性立铣加工过程消耗能量表达式,以此作为目标函数提出了铣削振动状态预估与控制措施;利用铣削过程虚拟仿真系统对该方法的有效性和实用性进行了验证。     

虚拟加工建模的研究

文章针对虚拟制造的关键技术之一－－虚拟加工进行了深入的研究。针对铣削加工过程，提出了一种过程仿真模型。该模型通过在几何仿真中实时计算瞬时切削厚度来计算刀具振动，从而将几何仿真与物理仿真有机地结合起来。仿真与实验结果证明了该模型的合理性。该方法的进一步研究对于建立加工过程物理几何动态仿真模型具有重要的意义。     

高速铣削系统动态测试及切削力分析

工件的切削加工与过程动态力学之间存在着必然的内在联系.由于铣削系统中的振动,特别在高速铣削加工过程中的振动,在运用KISTLER测力计系统测量切削力时,通常会出现信号失真现象.文章进行了铣削系统的动力学分析,测量了切削过程中工件的振动,分析了高速条件下铣削铝合金铣削力随切削速度变化的规律.     

基于RBF的AR模型在数控振动仿真中的应用

为了更加有效地提高生产效率,数控加工仿真系统在进行几何仿真的同时,还要对加工系统的动态性能进行分析。提出了一个对数控加工过程中振动信号仿真的新方法,可以实现加工状态下的车削振动信号的仿真。该方法应用RBF神经网络预测AR模型的参数,从而建立不同切削条件下的振动仿真模型。实验表明,仿真信号和测量信号可以很好的吻合。     

非线性铣削动力学仿真建模优化算法研究

基于铣削加工二阶常系数非齐次线性微分方程,对比多种求解算法的计算精度和计算效率,提出采用变步长四阶显式Runge-Kutta作为求解该动力学方程的最优算法.将其作为动态铣削过程虚拟仿真系统的建模仿真算法,完成铣削过程振动状态的预测与研究,取得较好的仿真效果.     

一种面向数控工艺参数优化的铣削过程动力学仿真系统研究

针对当前国内数控加工过程中工艺参数选择和优化存在的问题,在对国内外铣削过程动力学建模、仿真和优化进行深入研究的基础上,开发了一套面向数控铣削加工过程的动力学仿真优化系统。该系统以Matlab-GUIDE为软件开发平台,可以快速、有效地预测铣削加工过程中刀具的瞬时铣削力、主轴功率、主轴转矩等物理量,预测加工表面的形貌与刀具的振动情况。同时,借助于实验模态分析结果,可以准确地计算出整个系统的稳定切削区域,为数控机床工艺参数的合理、有效选择提供了有益的指导和理论依据。整个仿真系统的主要功能在多台数控加工中心上得到了成功的验证。     

基于RBF的AR模型在数控振动仿真中的应用

为了更加有效地提高生产效率，数控加工仿真系统在进行几何仿真的同时，还要对加工系统的动态性能进行分析。提出了一个对数控加工过程中振动信号仿真的新方法，可以实现加工状态下的车削振动信号的仿真。该方法应用RBF神经网络预测AR模型的参数，从而建立不同切削条件下的振动仿真模型。实验表明，仿真信号和测量信号可以很好的吻合。     

精密数控机床铣刀故障监测方法的研究

刀具在加工过程中不可避免的存在着磨损和破损现象,刀具的消耗直接导致工件精度下降和生产成本增加。开展了一系列实验,深入研究刀具状态监测方法,构建了新型铣削过程刀具磨损监测试验系统。通过振动传感器和声发射传感器对铣削过程中不同磨损程度刀具的信号进行检测、采集、分析。选择对刀具磨损状态反映敏感的特征量。采用BP神经网络,建立刀具磨损特征向量与刀具磨损状态之间的非线性映射关系。     

基于铣削力与神经网络刀具磨损状态识别研究

以铣削难加工材料——高锰钢加工过程为研究对象。建立了以铣削力作为监测信号的铣刀磨损监测实验系统。应用小波包理论对铣削力信号进行分析和消噪处理。并提取了信号的能量特征作为神经网络的输入向量。基于神经网络极强的非线性映射能力及分类能力。选用小波包分析与BP网络结合的方式对刀具磨损状态进行识别。建立了模式识别BP网络结构,构造了网络训练样本及测试样本。对网络进行了训练、仿真及验证测试,结果表明该网络能够对刀具磨损状态进行准确的识别。对刀具的在线监测具有良好的现实意义。     

圆柱铣刀铣削力过程的物理建模

密切结合先进制造技术的需要,以虚拟制造技术作为研究课题,运用金属切削理论等,对铣削力建模进行了系统深入的研究.该模型中考虑了前刀面上作用的正压力和摩擦力,给出了适用于圆柱螺旋刃铣刀的三维单元铣削力模型.论文为丰富虚拟制造建模理论体系、开发实用的铣削加工过程物理仿真系统奠定了坚实的基础.     

应用神经网络优化设计盘形成形铣刀齿数

针对整体盘形成形铣刀的设计,基于刀体强度、刀齿磨光部分长度和刀齿强度对铣刀齿数的要求,提出了利用BP神经网络优化设计铣刀齿数的方法。该方法基于BP神经网络的非线性映射特性,建立了铣刀齿数与铣刀切削参数的非线性BP网络模型,模拟选齿参数曲线,达到自动设计铣刀齿数的目的。仿真结果表明,神经网络方法不但提高了铣刀的设计效率,而且使铣刀齿数的设计得到了优化。     

基于BP神经网络的铣齿切削功率计算方法研究

通过对物理样机的实验测量,借助MATLAB神经网络工具箱,将BP神经网络的理论和算法应用于铣齿功率建模的研究中。通过铣齿切削试验获取训练样本,对齿轮铣削功率的网络模型进行训练和测试。结果表明,人工神经网络能较准确地预测铣齿功率的大小,解决了传统经验公式误差较大的问题,为铣齿机床的传动设计提供了依据。     

基于BP神经网络的铣削力仿真技术研究

应用人工神经网络技术建立了铣削力仿真的BP网络模型。通过正交试验,获取训练样本,并对网络进行了训练。最后将网络预测结果与实验数据进行比较和误差分析,证明了人工神经网络能够准确地预测铣削力的大小。     

正前角圆弧铣刀齿形的神经网络模拟与设计

对圆弧铣刀在正前角情况下进行齿形的修正计算,铣刀修正后前刃面齿形无法用明确的函数关系式表达的情况下,分别运用椭圆拟合方法和神经网络模拟方法进行圆弧铣刀前刃面齿形的设计。将椭圆拟合数据与神经网络模拟结果进行分析比较;仿真结果证明,运用神经网络的非线性映射特性设计圆弧铣刀的修正齿形,能有效地提高了圆弧铣刀齿形的设计精度和设计效率。     

一种新的螺旋刃球头铣刀铣削力模型

为提高铣削加工的安全性和生产效率，有必要在加工实际进行之前准确地预测切削过程的物理信息，如铣削力、刀具振动等。给出了球头铣刀丸线几何模型，采用理论削力分析与实验--系数识别相结合的方法建立了新的螺旋刃球头铣刀的铣削力模型。对不同切削条件下的铣削力进行了仿真，与实验测量数据吻合良好，证明离线仿真可以对铣削力做出较准确的预测。     

基于BP神经网络的球头铣刀铣削力建模与仿真

将BP神经网络的理论和算法应用于球头刀具铣削力建模的研究中.采用LM算法建立了铣削力预测的神经网络模型,模型中考虑了影响铣削力的加工参数,选取铣削力试验数据对神经网络模型进行训练,用训练好的神经网络模型对铣削力进行仿真.仿真结果表明,用BP神经网络方法建立的铣削力模型能够对铣削力进行准确的预测.     

MULTIMILLING-INSERT WEAR ASSESSMENT USING NON-LINEAR VIRTUAL SENSOR, TIME-FREQUENCY DISTRIBUTION AND NEURAL NETWORKS

The objective of this study is to establish a signal processing methodology that can infer the state of milling insert wear from translational vibration measured on the spindle housing of a milling machine. First, the tool wear signature in a translational vibration is accentuated by mapping the translational vibration into a torsional vibration using a previously identified non-linear relationship between the two, i.e. a virtual sensor. Second, a time-frequency distribution, i.e. a Choi–Williams distribution, is calculated from the torsional vibration. Third, scattering matrices and orthogonalisation are employed to identify the time–frequency components that are best correlated to the state of wear. Fourth, a neural network is trained to estimate the extent of wear from these critical time frequency components. The combination of the virtual sensor, time–frequency analysis and neural network is then validated with data obtained from real cutting tests.     

模具钢铣削中刀具磨损的试验研究

以面铣刀刀片磨损为研究对象,结合类神经网络系统建构高速数控铣削加工的预测模型。以加工参数为模型输入条件,刀腹磨耗为输出条件。采用多因素试验方法,选择切削速度、进给速度、切削深度三个试验参数,利用直交表式的试验计划法设计试验点。依照试验点铣削工件后再测量刀具加工后的刀腹磨耗量,进而求得倒传递网络所需的36组训练范例与11组验证数据。刀腹磨耗预测模式是利用类神经网络中的倒传递网络原理,以田口法求得倒传递网络参数的最优值。试验结果显示,刀腹磨耗随着切削速度、进给速度、切削深度增加而上升。铣削模具钢后,刀具磨耗预测值的平均误差为4.72%,最大误差为11.43%,最小误差为0.31%。整体而言,类神经网络对于铣削加工可进行有效预测。     

Accuracy Optimisation for Mould Surface Profile Milling

In the profile milling process for mould surfaces, for any type of curve combination, when implementing the milling process on a CNC machine, the surface can be produced from straight lines or curves in a piecewise or continuous milling process. This work employs the features of a CNC machine: 1. To divide the various sizes of curve at different slopes. 2. To use with different milling spindle speeds. 3. To use cutting feeds for actual milling experimentation. The results of the profile dimension accuracy and profile surface roughness from these experiments are then used in a neural network to establish an experiment result and a model for the milling variables. The neural network is composed of a number of functional nodes. Once the milling parameters (spindle speed, feed speed and milling angle) are given, the milling processing performance (the surface roughness, the surface profile-error) can be accurately predicted by the net-work developed. The optimal milling processing parameters can be searched for by a simulation annealing (SA) optimis-ation algorithm with a performance index to obtain a satisfactory mould surface. The experiment is then used to show that improved conditions for mould profile processing can indeed be obtained.     

In-process modelling of numerical control end milling

A computer-aided modelling system which can simulate the in-process cutting geometry and then calculate the corresponding dynamic cutting force in numerical control (NC) end milling is presented in the paper. In the developed system, the varying cutting geometry in end milling operations is simulated by a geometrical cutting simulation system using Boolean operations. Once the varying cutting geometry is identified, the dynamic cutting force can be calculated by a cutting process model. As a result, cutting performance in NC end milling can be verified through this developed system.