精密内圆磨削过程的质量控制系统

为提高内圈磨削质量和生产率,设计了质量控制系统,该系统以8098准16位单片质量控制计算机为核心,具有顺序控制、自动测量与采样、实时在线建模以及预报补偿控制的功能。基于建模速度以及预报精度,重点分析了时间序列AR(n)模型与离散勒让德多项式L(m,n)模型,并探讨了用灰色系统理论对内圈磨削过程建模的可能性。计算机的模拟结果表明,AR_(n)模型L(m,n)模型均可适用于内圆磨削过程,灰色模型GM(1,1)亦是内圆磨削过程的适用模型之一。附图5幅,参考文献6篇。     

精密内圆磨削过程的灰色系统模型研究与质量控制系统设计

预报补偿与控制技术是提高精密内圆磨削质量的有效途径。在分析轴承内圈内圆磨削质量的基础上，指出精密内圆磨削过程可视为一典型的灰色系统，灰色系统ＧＭ（１，１）模型将有助于进一步认识内圆磨削过程的本质。建模仿真结果表明，ＧＭ（１，１）模型可以较好地描述工件磨削尺寸误差序列的趋势项，基于此，就可以对内圆磨削过程实施预报补偿控制。设计了旨在提高轴承内圈内圆磨削质量和效率的控制系统。     

无心内圆磨削加工尺寸精度控制

本文研究了在无心内圆磨削工序中,采用自校正控制提高内径磨削尺寸精度的方法。分析了磨削过程中的误差规律,建立了磨削过程的误模型。并研制了计算机控制系统,用于无心内圆磨削过程的控制,使用情况表明可以显著地提高内径磨削的尺寸精度。     

基于模糊神经网络的自动生产线故障诊断方法研究

针对自动生产线故障的特点,选择了利用模糊神经网络对其进行故障诊断的方法,并给出了进行故障诊断的总体方案。在此基础上,建立了基于模糊神经网络与信息融合技术的自动生产线故障诊断模型。为了验证该模型,结合某球轴承套圈磨削超精自动生产线,运用MATLAB神经网络工具箱对该生产线上数控内圆磨床砂轮部分的故障数据进行建模、仿真与测试,结果表明,该模型能快速、准确、有效地诊断出故障。     

基于LabVIEW的数控中小孔内圆磨床监控系统软件设计

为提升数控内圆磨床磨削效率及对磨削加工动态监测,提出了构建基于LabVIEW平台的数控内圆磨床监控系统。监控系统通过AE传感器采集信号,利用LabVIEW平台编制控制软件实现信号的处理分析及状态决策,并通过MODBUS通讯协议将决策信息实时反馈给机床PLC,进而通过PLC控制机床实现磨削效率的提升与磨削过程控制。     

磨加工精度控制及零位测量系统

提出一种利用微机建模预报提高轴承套圈内圆磨削加工精度的方法。介绍了磨加工精度控制及零位测量系统的组成及工作过程,该系统将加工中测量与加工后测量有机结合,可有效控制轴承套圈内径尺寸的分散度,显著提高加工精度。     

模糊神经网络在磨削参数决策系统的应用研究

提出运用模糊神经网络的非线性建模和自学习能力，构造磨削参数智能抉择选择，并应用于实际磨削过程，达到控制磨削加工质量。     

基于CAE的深孔内圆磨床内圆磨具的结构分析及优化

介绍了运用三维仿真分析软件Pro/ENGINEER所建立的内圆磨具三维几何与仿真模型。通过在Pro/E的子模块Pro/MECHANICA中对内圆磨具进行结构的优化分析,最终减小了长径比较大的内圆磨具在磨削过程中产生的振动与变形量。实践证明,该内圆磨具刚度高,对工件的磨削性能好,在实际生产中达到了预期效果。     

基于有限元的新型超声内圆磨削系统特性研究

基于有限元分析方法,对新型超声内圆磨削系统的振子、主轴部件等效模型进行整体特性分析研究,根据套筒长度、套筒壁厚对超声内圆磨削系统主轴振动模态的影响规律,提出了应用旋转式非接触电信号传输装置的新型超声振动内圆磨削系统的设计方法。使用激光多普勒测振仪对振子、主轴部件及超声内圆磨削系统样机进行了特性实验研究,验证了新型超声内圆磨削样机和理论设计方案的一致性。     

负载对超声内圆磨削系统性能参数的影响特性研究

研究了超声内圆磨削系统性能参数受负载影响的变化特性。通过力-电类比分析,给出了超声内圆磨削系统谐振频率附近的等效电路模型。在实际安装工况下,对比测试分析了不同负载状态时的等效电路参数,重点研究了超声内圆磨削系统性能参数随负载磨削力变化的关系曲线。研究结果对超声内圆磨削系统参数匹配及磨削工艺设计具有指导意义。     

一种提高阀座内圆磨削质量的解决方案

阀座内圆磨削是一种比较复杂的精密加工方式,它涉及到塑性力学、材料学、摩擦学、热传导等等。目前,还没有通用的理论公式可以适用于这个领域,很多成果都是靠大量的经验积累。企业迫切需要一套行之有效的控制方法,以获得优良的阀座磨削质量、稳定的工艺能力。现把阀座内圆磨削质量和磨削加工的过程参数作为研究对象,以前人在磨削领域中的理论分析和经验总结为基础,使用实验对比的方法,对影响阀座内圆质量的磨削工艺参数展开研究;并通过实验,证明本文的分析和优化可以使得阀座内圆磨削质量更优良、稳定,且直接降低了生产成本,提高了产品的竞争性。     

基于砂轮径向振动主动控制的ELID内圆磨削

在线电解修整(ELID)磨削过程中砂轮表面会生成一层具有一定厚度的氧化膜,其刚度远小于工件及砂轮结合剂的刚度,可以有效衰减磨削过程中的振动。将ELID技术应用到无心内圆磨削中,通过调节电解参数来改变氧化膜的状态,进而对砂轮径向振动进行控制。通过试验研究了电解参数的改变对砂轮径向振动的影响规律,并基于此规律设计了控制器,对磨削过程中的砂轮径向振动进行了主动控制磨削试验。试验结果表明,该控制器可以将磨削过程中的砂轮径向振动控制在设定值附近,维持ELID磨削的稳定。在实际的ELID内圆磨削中,可以先将砂轮径向振动控制在较高值,以实现较大的材料去除率;一段时间后再将砂轮径向振动控制在较低值,以提高工件表面质量。     

内圆切入磨削的理论与实践

与外圆磨削、平面磨削相比,内圆磨削条件恶劣,存在许多困难,而内圆磨削在许多工业部门,特别是在滚动轴承工业中广泛应用,因此,内圆磨削的磨削质量和效益等问题一直困扰着人们。本文对内圆切入磨削进行了理论分析和试验研究,所得结论相符,可供生产参考。     

L-M神经网络的磨削淬硬参数预测

针对基于传统BP算法的神经网络训练中收敛速度较慢的缺点,提出一种基于L-M(Lev-enberg-Marquardt)算法的磨削淬硬层厚度预测,并开发了基于L-M算法的磨削淬硬神经网络预测系统.仿真结果表明:该系统模型显著缩短了训练时间,具有较高的准确性.通过网络训练和网络检验,得出该神经网络系统的预测值与实测值十分接近的结论,可充分证明L-M法BP神经网络对于磨削淬硬参教预测具有很好的效果.     

基于ART与RBF网络的混合网络模型设计

为了解决自适应共振理论(adaptive resonance theory,ART)网络对新的输入样本处理能力差,网络记忆能力差,径向基(radial basis function,RBF)网络选择径向基函数,确定隐节点数目困难的问题,设计了一种基于ART与RBF网络的混合网络模型。将ART网络的特点引入到RBF网络中,通过ART网络的识别与比较功能快速确定RBF网络最少的隐节点数目,同时通过ART理论中警戒门限的检验在线确定是否合并或删除隐节点。并且引入了异常数据修正方法和模糊预处理方法。通过MATLAB神经网络工具箱,对该混合网络进行仿真试验。结果表明:该方法能够有效地减少隐含在数据中的随机性,加快神经网络收敛速度,提高神经网络的建模精度。     

内圆磨削过程的有限元数值模拟

针对现有磨削零件的热损伤,以圆环内圆磨削为例,基于有限元分析方法,采用命令流方式建立了圆环传热的二维有限元分析模型,对磨削温度场、热变形过程进行了模拟仿真。计算结果得到工件的温度场基本上呈环状分布,周向基本均匀,磨削内圆进入了垫}生状态,磨削内圆时的热变形基本是对称的。分析结果合理可行,为实际切削奠定理论基础。     

超声辅助内圆磨削40Cr15Mo2VN轴承套圈的试验研究

针对传统加工方式难以获得轴承套圈较小的表面粗糙度和表面波纹度的问题,采用超声辅助内圆磨削的加工方法来改善轴承套圈的表面质量.基于超声内圆磨削单颗磨粒运动轨迹分析,建立了表面粗糙度的理论模型,通过对轴承套圈进行超声内圆磨削试验,研究了各个加工参数对轴承表面质量的影响.研究结果表明:超声内圆磨削加工方法可明显改善轴承的表面...     

磨削过程建模与仿真研究现状

概述磨削过程建模与仿真的国内外研究现状,对基于经验分析、理论解析及有限元分析的三类建模与仿真研究发展历程与趋势进行综述,并对各类模型建立方法与仿真结果进行详细论述,同时深入分析这些模型应用的局限性,指出建立在有限试验数据基础上的经验模型预测水平较低;基于理想假设基础上的理论模型建模过程复杂;而由于技术问题,有限元法则仅限于对单颗磨粒磨削过程的仿真,有鉴于此,提出基于超硬磨粒有序排布砂轮的磨削过程建模与仿真方法,并进一步着重阐述其在高速高效磨削过程预测、优化与控制应用前景及意义。     

内圆磨削力的一些试验研究

平面磨削力和外圆磨削力的试验研究,国内外已有不少结果,但内圆磨削力的试验研究则很少。深入研究内圆磨削力的规律性为实现内圆控制力磨削或内元适应控制磨削创造必要的件条。通过研究可把内圆磨削各用量参数和磨削力之间的关系由感性认识上升到理性认识。此外,研究内圆磨削力还可为内圆磨床设计提供一个必要的原始数据,弄清磨削力对磨削效率的影响情况,为在动态条件下测定磨床刚度创造条件。     

表面粗糙度模糊神经网络在线辨识模型

为解决零件加工中表面粗糙度在线检测困难这一问题,提出一种基于模糊神经网络的零件表面粗糙度在线辨识方法,并以外圆纵向磨削为例,建立表面粗糙度模糊神经网络在线辨识模型.首先研究前人建立的外圆纵向磨削零件表面粗糙度理论公式及经验公式,得出加工中的工件速度、砂轮速度、磨削深度和纵向进给量对零件表面粗糙度有直接影响,并进一步提出以在线测得的加工中工件与砂轮的速度比、磨削深度和纵向进给量作为零件表面粗糙度辨识模型的输入.由于加工过程极其复杂,无法建立加工中零件表面粗糙度与加工参数之间的精确数学模型,故将模糊神经网络引入建模过程中.同时,由于加工中零件表面粗糙度的对数与加工参数的对数存在线性关系,故模型中采用了T-S型模糊推理.此模型应用于实际磨削加工中,建模型精度可达97%,这进一步证明此在线辨识方法的可行性.