基于CCD成像的外圆纵向磨削表面粗糙度在线测量

为了提高外圆磨削加工零件表面粗糙度的测量效率,可以采用在线测量的方法.基于CCD成像技术,利用激光图谱比较法以及图像傅立叶变换后的能量谱,对外圆纵向磨削后的零件表面粗糙度进行非接触式在线测量,并判定加工零件表面粗糙度的等级.使用的测量方法,可以实现在线检测表面粗糙度的目的,达到了预想的效果.     

基于支持向量回归机的外圆纵向磨削表面粗糙度预测

表面粗糙度是评价磨削加工质量的重要指标,表面粗糙度预测是实现表面粗糙度在线控制的前提。针对现有神经网络方法在预测外圆纵向磨削表面粗糙度方面存在的不足,提出了一种新的基于支持向量回归机的外圆纵向磨削表面粗糙度预测方法。在分析了影响外圆纵向磨削表面粗糙度预测主要因素的基础上,建立了基于支持向量回归机的外圆纵向磨削表面粗糙度预测模型。应用实例的仿真结果表明,所建立的预测模型具有较强的泛化能力和较高的预测精度。     

外圆纵向磨削表面粗糙度的在线检测研究

现代机械制造工艺对机械加工过程中的表面粗糙度的测量要求日益提高,不仅要保证测量精度,而且要提高测量效率。表面粗糙度测量有接触式和非接触式两种方法。接触式测量仪器稳定性好,示值客观、可靠,使用方便。但是,触针式表面粗糙度测量仪存在着易划伤软性材料表面、易使薄壁试件变形、测量速度低、测量范围小及不易实现自动化在线检测等弊端。而在表面粗糙度的非接触式测量中,光学法是测量的主体,其测量精度高,适合对软材料、易损工件以及某些带有有用信息的表面进行测量,可以较好地弥补触针式表面粗糙度测量仪的不足。目前光学法测量表面粗糙度的仪器有许多种,它们各有特点,但多数只限于在实验室良好环境下使用,能够在现场恶劣环境中对精加工后工件的表面粗糙度值进行在线测量的仪器并不是很多。     

外圆磨削表面粗糙度的智能控制

针对外圆磨削表面粗糙度难以控制这一工艺难题,结合自适应模糊推理系统,提出了磨削过程的智能控制。在表面粗糙度预测模型基础上,以纵向进给速度为直接调整变量,以工件表面轮廓算术平均偏差为最终控制目标,通过智能化调整纵向进给速度实现对表面粗糙度的自适应模糊控制,建立了磨削加工粗糙度的模糊控制器。磨削实验结果表明,实测的粗糙度以较高精度在目标值周围变动,该模型能够满足对表面粗糙度控制的要求。     

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.     

基于最小二乘支持向量机的外圆磨削表面粗糙度预测系统

为解决磨削加工中影响因素多,难以实现自动化加工的困难,对磨削系统的表面粗糙度预测系统进行了研究。在分析目前常用预测方法的基础上,建立了基于最小二乘支持向量机的外圆纵向磨削表面粗糙度预测模型。该模型采用等式约束,把原来求解一个二次规划问题转化成求解一个线性方程组,方法简单且有效。比较实验显示,该方法响应时间快、测量精度高,测量精度误差比BP神经网络预测方法小4%,比进化神经网络(BP+GA)预测方法小1.3%,所提供的预测方法可以实现对工件表面粗糙度的在线预测。将其应用于外圆纵向磨削智能系统中,实时计算预测值与给定粗糙度的差值,引导磨削专家系统修正磨削参数,实现智能控制,取得了较好的效果。     

氧化锆陶瓷主轴外圆磨削表面粗糙度分析

目的:应用于高速数控机床中的全陶瓷高速电主轴,要求具备高的高速旋转稳定性和高运转精度,其中主轴外圆表面质量对提高主轴的运转性能是非常重要的技术指标。通过分析主轴外圆表面的磨削加工工艺,来获得最佳的主轴外圆表面质量,进而满足高速电主轴的应用性能。方法:在MGA1432A高精度万能磨床上,采用金刚石砂轮磨削陶瓷主轴表面,重点研究砂轮粒度、砂轮线速度、轴向进给速度、横向进给量磨削参数与外圆表面粗糙度的关系。结果:通过正交试验分析,获得全陶瓷主轴外圆磨削最佳工艺参数,按此工艺参数加工后的陶瓷主轴外圆表面粗糙度达到0.11μm。结论:此结果能够完全满足全陶瓷电主轴外圆表面质量的设计要求,并且增强了主轴耐腐蚀、抗疲劳破损能力,提升了整个电主轴的可靠性、寿命等整体工作性能。     

基于模糊基函数网络和自适应最小二乘算法的外圆纵向磨削表面粗糙度的预测

建立了外圆纵向磨削表面粗糙度的模糊基函数网络（FBFN）预测模型，网络的训练采用自适应最小二乘算法（ALS）。ALS将最小二乘算法和遗传算法相结合，能够自主学习，不用人为干预，FBFN和粗糙度的分析模型相结合，只需少量实验数据便可完成网络的训练，自动产生模糊规则，确定隐含层的节点数。仿真和实验结果表明，FBFN网络结构非常适合粗糙度的预测和控制，采用ALS学习方法比BP算法、传统的遗传算法和正交二乘法等能产生更好的结果。     

低表面粗糙度值外圆磨削工艺参数的选择

1.前言 低表面租糙值磨削(包括精密磨削、超精磨削和镜面磨削)可获得R_α0.16～0.006的表面粗糙度,而且工件形状精度和尺寸精度也比较高。所以大部分高精度和低表面粗糙度值的零件质量,都是通过精密磨削来达到的,经过淬硬的高精度零件更是如此。与手工研磨相比,它的生产效率高,易实现自动测量,加工范围广,可加工内外圆柱面、内外圆锥面、端面     

基于人工神经网络的磨削表面粗糙度预测研究

将人工神经网络（ANN）技术引入磨削加工领域,研究磨削表面粗糙度随磨削用量变化的神经网络预测模型。并用验证试验证明体研究方法的正确性。     

零件表面粗糙度的在线检测方法研究

根据零件表面粗糙度形成的复杂性，建立了基于具有结构和参数学习的模糊神经网络逻辑系统，通过该模糊神经网络搜索最优推理规则，并且通过最优模糊推量规则来在线检测零件表面粗糙度。该检测方法可在线检测零件的附加表面粗糙度。     

基于BP神经网络的切削表面粗糙度预测方法

利用神经网络理论,提出一种利用BP神经网络预测切削表面粗糙度的方法。简单分析了粗糙度的影响因素及预测原理。介绍了BP神经网络的特点、原理、算法和公式。在对Matlab及其神经网络工具箱简要介绍的基础上,采用BP网络的方法对钢Q235材料粗糙度进行了训练、预测和分析。结果表明,该方法的预测误差小于3%。     

外圆磨削表面粗糙度的BP网络建模与验证

基于零件加工表面粗糙度在线检测困难问题,应用BP网络建模对外圆磨削加工表面粗糙度值进行预测,并通过实验验证所建模型的正确性,同时也验证了实验数据的准确性。     

基于Elman网络的切削表面粗糙度预测方法

根据Elman神经网络模型能够逼近任意非线性函数的特点和具有反映系统动态特性的能力,讨论神经网络非线性、多因素预测原理及其拓扑结构的基础上,提出利用Elman神经网络建立切削表面粗糙度预测模型的方法;在Matlab及其神经网络工具箱的基础上,采用Elman神经网络对铝6061切削表面的粗糙度进行训练、预测、分析.结果表...     

基于RBF神经网络的难加工材料高速铣削粗糙度预报研究

表面粗糙度的预报是切削加工质量分析的重要研究方向。本文运用RBF神经网络建立了粗糙度预测模型,将预报结果与试验真值以及由经验公式的处理结果进行对比验证,结果表明此方法可行,为切削参数优化和数据库研制提供了依据。     

砂轮新模型对平面磨削表面粗糙度产生机理

探讨了在研究磨削表面粗糙度的过程中,能否在传统的以磨粒切削刃为研究对象的研究方法之外,建立一种新的研究途径的可能性.提出了平面磨削加工中,从宏观角度研究表面粗糙度影响因素的磨削模型,认为砂轮可以等效成若干个宽度为f的连续的小砂轮组成的砂轮组.提出在一定的磨削条件下,存在磨削参数对表面粗糙度影响的临界值.指出材料弹性模量在磨削加工中对表面粗糙度具有非常重要的影响.同时结合传统理论,进行了一系列的试验验证,得到了很好的吻合.认为在目前加工参数范围内,对Ra影响显著的因素是砂轮线速度、轴向进给量和砂轮的磨损.     

基于BP神经网络的表面粗糙度声发射预测

介绍了BP神经网络的原理、算法和公式,在对Matlab及其神经网络工具箱介绍的基础上,采用声发射信号有效值、FFT峰值和标准差作为输入,工件表而粗糙度作为输出,用BP神经网络的方法对高效深磨加工工程陶瓷Al2O3的工件表面粗糙度进行了训练、预测和分析.创新的研究方法是直接从磨削声发射信号中提取磨削表面粗糙度信息.结果表明,该方法可以实现高效深磨加工工程陶瓷工件表面粗糙度的监测.     

外圆磨削砂轮形貌仿真与工件表面粗糙度预测

对磨削砂轮形貌、外圆磨削过程及工件表面形貌进行了仿真,实现了对工件表面粗糙度的预测,并对仿真模型进行了验证。采用Johnson变换和Gabor小波变换,实现了高斯域和非高斯域的转化,在随机域内对磨削砂轮形貌进行了仿真。根据外圆磨削运动过程,通过对砂轮和工件相互作用过程的分析,建立了磨粒运动轨迹方程和工件形貌方程,在考虑磨粒切削、耕犁与摩擦作用的条件下,对外圆磨削过程进行了仿真。建立了外圆磨削模型,实现了对加工工件形貌的仿真和粗糙度预测。     

曲面圆弧包络磨削表面粗糙度特性研究

对曲面磨削表面粗糙度成型原理进行了分析,得出曲面磨削时其表面粗糙度由磨粒划痕和砂轮两步距间的残留高度构成。探讨了其分布均匀性的原理,揭示了各参数对其均匀性的影响。通过砂轮进给速度的变速控制,可以降低约60%的表面粗糙度波动率。根据理论分析可知,在加工凹曲面时,其理论残留高度值约为凸曲面的两倍。实际加工时,采用较小的砂轮进给步距或砂轮圆弧半径可达到凸曲面的表面粗糙度效果。