基于多传感器信息决策级融合的刀具磨损在线监测

针对无法精确掌控机械加工过程中刀具磨损状态的现状,提出一种基于多传感器信息决策级融合的刀具磨损在线动态监测模型。该模型对采集的振动、力、声发射传感器信号进行特征提取后,将特征按传感器类型划分为独立样本。划分后的独立样本分别对同一个刀具磨损量进行回归预测,进而对每一个独立样本预测得到的刀具磨损量进行加权综合决策,最终决策出刀具磨损量。实验结果表明：刀具磨损在线动态监测模型能够有效地提高刀具磨损动态预测精度,平均预测准确率可达97.9%;与现有研究方法相比,预测准确率至少提升4%以上,预测时间仅为0.016 s,具有较大优势。     

基于声发射CFRP加工刀具磨损及孔出口损伤研究

针对碳纤维复合材料加工过程中刀具磨损及孔出口损伤问题,监测CFRP钻削过程的声发射信号,分析不同钻削参数和不同孔数下刀具后刀面磨损、声发射信号及孔出口损伤。结果表明:在钻削过程中,转速一定时,随着进给量的增加,刀具磨损速度加快,声发射信号幅值也增大,孔出口处更容易产生撕裂与毛刺。声发射信号幅值小于1.5 V,孔出口质量较好;当幅值大于1.5 V,则孔出口产生撕裂与毛刺。刀具的磨损会引起声发射信号的变化,利用小波包分析提取刀具磨损声发射信号的频段能量特征,通过监测这些频段的能量百分比变化可有效判断刀具的磨损情况。     

氟金云母玻璃陶瓷切削加工中的刀具磨损量建模

采用响应曲面法对氟金云母玻璃陶瓷进行车削加工试验,以高速钢刀具磨损为响应,以切削用量为试验因素,通过回归分析、模型检验及方差分析,建立刀具磨损量与切削用量之间的数学模型,分析切削用量对刀具磨损的影响规律。研究表明:建立的刀具磨损量模型具有较好的适合性和显著性,预测精度较高,能较好地描述刀具磨损与切削用量参数之间的关系;切削用量对刀具磨损量的影响程度依次为进给速度、切削速度和切削深度;应用刀具磨损量模型,有助于选择合理的切削用量,减少和控制刀具磨损。     

ELM 在机床切削刀具磨损快速检测中的应用

为检测加工过程中切削刀具的磨损和破损,探讨一种基于声音识别的超限学习机(extreme learning machine,ELM)模型检测方法.论述切削声音信号的时频域特性,讨论基于小波包分解的刀具工作状态敏感频谱能量统计特征量提取方法,构建基于声音特征量识别的ELM快速检测模型.以某操作现场刀具切削磨损声音信号识别实验为例,实测数据验证了采用该模型可获得更高的检测准确度且响应速度更快.实验仿真结果表明:采用ELM模型借助声音识别检测切削刀具磨损的方法是有效的.     

氟金云母陶瓷钻削参数对刀具磨损的影响

通过氟金云母可加工陶瓷钻削试验,测试钻头主后刀面磨损宽度,计算材料去除体积。以单位材料去除体积的刀具磨损量(VB/V)为考查对象,通过单因素试验法讨论了刀具材料、冷却条件、主轴转速、钻头角度等加工参数对刀具磨损的影响。试验结果表明:刀具材料主要影响切削过程,氟金云母陶瓷钻削加工中,不宜选用高速钢钻头;冷却条件对刀具磨损率影响比较显著,加工过程中应采取必要的冷却措施;当主轴转速3 000相似文献   

辅助超声振动车削金属基复合材料试验研究

选取金属基复合材料为加工对象,于刀具上加载超声振动进行车削试验。对比研究表明:辅助超声振动车削较常规方式车削的加工质量好且刀具磨损程度轻;试验参数不同程度地影响辅助超声振动车削试样的表面质量以及刀具磨损程度;随着切削深度增加和进给量增大,试样表面粗糙度和刀具后刀面磨损量均呈递增趋势;而随着转速加快,试样表面粗糙度呈递减趋势,刀具后刀面磨损量则呈递增趋势。     

车床刀具温度测试系统的调理电路设计

高速数控车床切削过程中,刀具的温度变化是科学分析该刀具受热变形的重要依据,由此搭建了一个基于LabVIEW的温度测试系统。分析了刀具温度信号所存在的问题并为该温度测试系统设计了调理电路,通过Multisim仿真验证了所设计电路的正确性。在现场测试中可以看到温度信号经该调理电路调理后明显的抑制了信号中的高频噪声,提高了温度采集系统的总体性能和精度。对所设计电路采用Multisim软件进行仿真来验证其正确性,再将其应用到现场测试采集中。     

TC4铣削加工的刀具磨损与切削力和振动关系研究

采用AlCrN涂层整体硬质合金立铣刀铣削TC4钛合金,测量周刃磨损量、切削力和切削振动。使用扫描电镜（SEM）观察刀具磨损形貌,应用能谱分析的方法研究刀具失效表面元素的分布规律。在揭示磨损机理的基础上,进一步探讨刀具磨损对切削力、切削振动的影响规律,为实现钛合金加工刀具磨损状态的在线检查提供理论和技术支持。研究表明：前刀面主要出现机械裂纹、热裂纹、粘结磨损和氧化磨损,后刀面出现机械裂纹、粘结磨损和氧化磨损;整体上,切削力和振动随着磨损量的增大而增大,但不同磨损状态对切削力和振动的影响不同。     

切削参数对切削高强钢刀具磨损仿真研究

34CrNiMo6高强钢硬度高、强度高,在切削加工中刀具磨损严重.针对切削参数与刀具磨损的关系,建立车削34CrNiMo6高强钢刀具磨损仿真模型.用三因素四水平正交试验法研究切削用量三要素在切削过程中对刀具的影响.结果表明:刀具磨损量受切削深度影响最小,受切削速度影响最大.     

基于实体造型与几何建模的数控加工仿真系统

采用实体造型技术建立加工过程中零件毛坯、机床、夹具及刀具的实体几何模型,并进行快速布尔运算,并显示真实感图形.在加工过程中动态显示及模拟零件、机床、夹具及刀具的实际加工过程.若图形与被加工零件不符,返回修改直到正确为止.     

基于注意力机制与深度学习算法的机床主轴系统故障辨识

针对具有复杂非线性特点的数控机床主轴系统整体动态退化故障较难辨识及故障研究难度大的问题,从数据分析入手,提出一种基于注意力机制与深度学习算法的智能化故障辨识方法,研究机床主轴系统的整体故障辨识问题.该方法设计了注意力机制的研究框架,将研究问题分为全局纵向大分类区间和局部横向细粒度区间两个维度:采用训练并调优后推理平均绝...     

基于融合评价指标和神经网络的刀具磨损预测

机械加工过程中的刀具磨损状态对零件的加工质量、生产效率和成本影响极大。对刀具磨损的采集信号进行合理准确地降噪处理,是实现刀具磨损检测的核心技术。利用熵值法构造出信噪比、平滑度、均方根误差3个传统评价指标的权重,提出降噪质量的融合评价指标。对比仿真信号的去噪结果与真实信号发现,融合评价指标更具可行性和优越性。以最大融合评价指标为目标,提出降噪参数的优化方法。针对小波阈值去噪后的实际刀具磨损振动信号,与传统的单个评价指标相比,融合评价指标优选出来的降噪参数,不仅能够去除\[6 kHz,12 kHz\]高频部分的噪声信号,而且能够比较完整地保留\[0 kHz,6 kHz\]低频部分的真实信号。通过提取出刀具磨损特征值,建立切削工艺参数与刀具磨损之间的神经网络预测模型。刀具磨损试验结果表明,预测结果与试验测量值之间的最大误差不超出6.0%,进一步验证了基于多指标融合评价的最佳降噪参数能够准确地提取出刀具磨损信号的特征量。     

镍基合金蜂窝材料冰固持条件下的超低温铣削研究

由于低刚度航天用薄壁镍基合金蜂窝材料在机械加工后常伴有卷曲、开焊、塌边等缺陷,故需改进其固持和加工方法。将该材料进行冰固持方法处理,采用数控铣床进行高速超低温加工。分析蜂窝铣削性能和加工缺陷产生原因,揭示冰固持超低温铣削机理。试验结果表明：相比于传统固持加工方式,冰固持超低温铣削后,蜂窝表面质量有很大提高,相关加工缺陷得到了有效抑制,切削深度对表面质量影响较大;获得了加工参数对铣削力影响顺序：切深最大,可提高3倍,其次为主轴转速,进给速度最小。该方法提高了蜂窝强度,改善了断屑方式。冰固持超低温工艺为面内径向等效强度小、低刚度薄壁金属蜂窝材料的高效加工提供了新方法。     

正交车铣高强度钢刀具磨损的研究

针对某种高强度钢材料,在改造的CE7132A仿形正交车铣机床上进行了一系列的正交车铣刀具磨损试验,分析并研究了正交车铣高强度钢时刀具的磨损过程、磨损形态和磨损机理。发现车铣刀具的磨损形态为前刀面的月牙洼磨损与刀具表层材料的剥落磨损,后刀面的磨损以及副后刀面的磨损。车铣刀具的磨损机理与切削速度和刀具材料、工件材料相关,在较低的切削速度下以疲劳一剥落磨损、粘结磨损为主,在此基础上伴随有磨料磨损和扩散磨损等;而在较高的切削速度下以扩散磨损为主,并伴随有疲劳一剥落磨损、粘结磨损和磨料磨损等。切削速度对车铣刀具的磨损过程、磨损形态及磨损机理等影响最大。     

加工中心的改造

介绍一种立式加工中心的改造,结合机床的特点,重点介绍机床主轴部分的改造。选用FANUC 0i-MC数控系统及αi轴伺服系统及主轴伺服系统对机床进行控制,并使用HEIDENHAIN光栅尺作为各轴的位置检测元件,构成全闭环控制系统。     

新型玻璃磨边机数控系统

针对传统的靠模磨边机存在的成本高、精度低等缺点,提出一种玻璃磨边机数控系统。该数控系统实现的功能包括：手动功能、编程输入、自动磨制、参数设置、故障诊断、系统管理和辅助控制。在数控系统上直接绘图输入各种异型零件图形后,数控磨边机的一个伺服电机（C轴）通过机械传动件带动加工零件作旋转运动,另一个伺服电机（X轴）通过机械传动件带动磨头作直线运动,进行磨削,即可加工出相应的零件。实际证明,该玻璃磨边机控制系统能有效提高工艺和提升自动化程度。