复杂曲面加工过程准适应控制

建立了复杂曲面加工准适应控制系统．该系统以切削功率和工件表面粗糙度为约束，通过改变刀具切削进给速度，改善了机床切削特性，提高了加工效率．且该系统适用于任意数控机床．     

曲面铣削加工安定界限的理论解析与预测

讨论了用球头铣刀进行曲面加工时共振安定界限的预测方法,重点分析了法向方向角对共振安定界限的影响,以Tobias稳定切削理论为基础,将Altintas的有关分析方法扩展到曲面切削,通过建立当量比切削指数,可绘出曲面铣削加工理论安定界限图,为曲面加工的振动控制提供了一个理论基础。     

基于MATLAB/SIMULINK的超声波振动加工过程仿真研究

在建立超声波振动加工过程中“刀具—工件”系统的动力学模型的基础上,应用MATLAB软件中的Simulink建立了该系统的控制系统模型,并对振动加工过程中工件的运动规律进行了仿真分析.仿真结果表明,超声波振动加工方法能够极大地降低普通切削过程中工件的振动,对提高工件的加工表面质量和加工精度具有重要意义,是实现精密切削加工的一种有效方法.     

检测信号处理方法在镗削加工中的应用

1检测信号理论 镗削加工是最常用的孔加工方法。传统工艺在一定程度上影响了零件的加工质量和效率。为了消除镗刀在高速切削加工时产生的振动,同时获得较高的精度,采用数控机床检测系统（见1图）的组合滤波器,可以有效抑制振动,制造高精度的零件。     

曲面铣削加工安定界限的理论解析与预测

讨论了用球头铣刀进行曲面加工时共振安定界限的预测方法，重点分析了法向方向角对共振安定界限的影响．以Tobias稳定切削理论为基础，将A1tintas的有关分析方法扩展到曲面切削，通过建立当量比切削指数，可绘出曲面铣削加工理论安定界限图．为曲面加工的振动控制提供了一个理论基础．     

基于虚拟加工的数控车削过程优化

为了优化车削加工过程,提高加工效率,提出基于虚拟加工技术预测实际切削参数,采用数控程序优化实现数控切削过程优化的方法.应用轮廓多边形的工件模型表示法,研究车削过程中瞬时切削深度和切削速度的获取算法,进一步利用优化算法和数控程序修正,实现数控车削过程的优化.实际切削实验和分析对比表明:加工时间显著缩短,充分利用了机床加工能力,优化后的切削过程得到了改善,提高了加工效率。     

螺旋桨叶片曲面数控加工几何模型研究

目前在螺旋桨叶片曲面数控加工中,普遍存在着加工效率太低的现象,如何在保证加工精度的前提下提高加工效率已成为急待解决的问题。难过给出一般螺旋桨叶片工作面的方程,应用微分几何理论推导了数控加工所用球头铣刀的最大允许半径计算公式、走刀步长以及切削行距的计算公式,给出了根据刀具运动包络面计算实际加工误差的方法,最后通过实例验证了所建立模型的可行性和可靠性,为提高螺旋桨叶片曲面的加工效率提供了有效途径。     

涡旋曲面铣削加工工艺改进

涡旋线是一种曲率在时刻变化的复杂曲线,涡旋面铣削加工中,动态前后角、切削层厚度（切深）以及切削力都随之变化,如果切削用量设计不当,将使动态切削状态恶化,严重降低刀具寿命,影响加工效率,这些影响切削性能的因素都与进给量直接有关。当曲率增大,切深加大,动态后角变小,以及切削力增加,这种现象明显地表现在涡旋曲线接近中心的部位,往往导致刀具急剧磨损以致断裂,严重影响生产率。因此涡旋曲面铣削加工进给率计算必须考虑其曲率的变化,但通常是根据经验按曲率的变化分段安排进给率,不是以精确计算为依据。为了改进涡旋曲面铣削加工工艺,本文工作结合涡旋压缩机主体涡旋盘常用的涡旋线建立数学模型,计算单位时间进给的切削层厚度,提出进给率优化方法,并利用Weilenmann方法计算相应的切削力,参照工艺性和经济性的要求、改善现行的涡旋加工工艺。     

基于遗传算法的刀具路径优化排布方法

为缩短数控(NC)加工时间和提高加工效率，提出了一种新的基于遗传算法的刀具路径优化排布方法.该方法以加工代码分析为基础，将刀具路径分解为一系列切削路径组和对应的辅助运动路径，根据加工类型将切削路径细分为开放式切削路径和封闭式切削路径.构造了一种新的分段染色体模型，将染色体分为主节和附加节，用不同的编码方法对开放式切削路径和封闭式切削路径进行编码表示.采用改进的遗传算法，对分组后的切削刀具路径进行优化运算，得到了刀具路径排布的近似最优解.实验结果表明，该方法具有良好的优化效果，可以明显缩短辅助运动路径的总长度，减少加工时间.     

曲面上非径向孔加工工艺的研究

本文分析曲面上非径向孔的加工方法及其切削模型，提出了一种合理的钻削模型，并给出了相应专用钻头的结构设计、几何参数选择及切削用量推荐值。     

自适应切削技术在汽轮机制造过程中的应用

自适应切削可以保证在加工条件不断变化的情况下使切削过程始终处于最佳状态. 文章对自适应切削原理进行了综述,并以汽轮机中各主要零件的切削加工为例,对电力设备修造过程中采用自适应切削的可能性及优越性进行了探讨.     

基于物理学的铣削过程仿真关键技术

为了预测零件加工变形，基于铣削加工有限元理论，构建了基于物理学的铣削加工过程仿真环境，研究了刀位轨迹离散、材料去除、网格自适应生成及动态网格数据维护等关键技术的处理.针对刀具的每次进给运动，系统自动检测刀具和工件毛坯网格相交的区域，通过网格自适应求精、粗化和删除以及有限元分析计算，模拟真实的铣削加工过程.该仿真环境可综合考虑加工参数、刀具路径等因素对零件加工变形的影响，优化加工工艺，保证加工精度.     

Adaptive compensation of sculptured surface machining errors by open architecture manufacturing system

0　ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｍａｃｈｉｎｉｎｇｅｒｒｏｒｓｔｈａｔｇｅｎｅｒａｌｌｙｏｃｃｕｒｉｎｔｈｅｅｎｄ ｍｉｌｌｉｎｇｐｒｏｃｅｓｓｃａｎｏｒｉｇｉｎａｔｅｆｒｏｍａｎｕｍｂｅｒｏｆｓｏｕｒｃｅｓ ,ｓｕｃｈａｓｔｏｏｌｄｅｆｌｅｃｔｉｏｎ ,ｔｏｏｌｗｅａｒ ,ｔｏｏｌｒｕｎ ｏｕｔ,ａｎｄｃｈａｔ ｔｅｒｖｉｂｒａｔｉｏｎ .Ｏｆｔｈｅｓｅ ,ｔｏｏｌｄｅｆｌｅｃｔｉｏｎｉｓｔｈｅｂｉｇｇｅｓｔｐｒｏｂ ｌｅｍｔｈａｔｓｔａｎｄｓｉｎｔｈｅｗａｙｏｆｐｒｅｃｉｓｉｏｎｍａｃｈｉｎｉｎｇ[1,2 ] .…     

Adaptive control of machining process based on extended entropy square error and wavelet neural network

Combining information entropy and wavelet analysis with neural network,an adaptive control system and an adaptive control algorithm are presented for machining process based on extended entropy square error(EESE)and wavelet neural network(WNN).Extended entropy square error function is defined and its availability is proved theoretically.Replacing the mean square error criterion of BP algorithm with the EESE criterion,the proposed system is then applied to the on-line control of the cutting force with variable cutting parameters by searching adaptively wavelet base function and self adjusting scaling parameter,translating parameter of the wavelet and neural network weights.Simulation results show that the designed system is of fast response,non-overshoot and it is more effective than the conventional adaptive control of machining process based on the neural network.The suggested algorithm can adaptively adjust the feed rate on-line till achieving a constant cutting force approaching the reference force in varied cutting conditions,thus improving the machining efficiency and protecting the tool.     

薄壁板高速铣削加工过程中的让刀误差预测

为了研究薄壁工件在铣削加工过程中的让刀误差以及获得使让刀误差较小的优化铣削参数，以薄壁板为例，在进行高温拉伸试验和高速压缩试验获得材料力学性能的基础上，建立了薄壁板铣削过程的热力耦合有限元模型.通过模拟螺旋立铣刀与工件材料之间相互的物理作用，获得了铣削力的变化曲线和铣削热的分布，同时得到了在刀具与工件之间物理作用下壁板随刀具的旋转与进给运动而产生的让刀变形，从而得到了薄壁板在铣削过程中的最大让刀误差.根据该有限元模型的结果可以优选薄壁件铣削用量，优化刀具几何形状，弥补让刀变形.     

机加零件质量预测与工艺参数优化方法

为了有效利用机加零件工艺信息和检测信息,提出基于机器学习算法的质量预测与工艺参数优化方法. 以集成工艺信息和检测信息的基于模型定义（MBD）模型为输入,通过对三维建模软件的二次开发实现参数提取,并建立结构化数据集. 利用多种机器学习分类器构建基于工艺参数与质量分类标签的质量预测模型. 结合信息增益算法对所有工艺参数进行优先级排序,筛选出对质量影响最大的工艺参数;开发质量预测与工艺参数优化工具集,利用梯度提升树模型优化对质量影响最大的工艺参数. 以某航空企业提供的铣削实验数据验证所提出方法的有效性和可靠性. 验证结果表明,该方法能够较好地实现机加零件的质量预测和工艺参数优化.     

Intelligent learning model-based skill learning and strategy optimization in robot grinding and polishing

With the rapid advancement of manufacturing in China, robot machining technology has become a popular research subject. An increasing number of robots are currently being used to perform complex tasks during manual operation, e.g., the grinding of large components using multi-robot systems and robot teleoperation in dangerous environments, and machining conditions have evolved from a single open mode to a multisystem closed mode. Because the environment is constantly changing with multiple systems interacting with each other, traditional methods, such as mechanism modeling and programming are no longer applicable. Intelligent learning models, such as deep learning, transfer learning, reinforcement learning, and imitation learning, have been widely used; thus, skill learning and strategy optimization have become the focus of research on robot machining. Skill learning in robot machining can use robotic flexibility to learn skills under unknown working conditions, and machining strategy research can optimize processing quality under complex working conditions. Additionally, skill learning and strategy optimization combined with an intelligent learning model demonstrate excellent performance for data characteristics learning, multisystem transformation, and environment perception, thus compensating for the shortcomings of the traditional research field. This paper summarizes the state-of-the-art in skill learning and strategy optimization research from the perspectives of feature processing, skill learning, strategy, and model optimization of robot grinding and polishing, in which deep learning, transfer learning, reinforcement learning, and imitation learning models are integrated into skill learning and strategy optimization during robot grinding and polishing. Finally, this paper describes future development trends in skill learning and strategy optimization based on an intelligent learning model in the system knowledge transfer and nonstructural environment autonomous processing.

     

基于MBD模型的工序模型构建方法

针对“基于模型驱动”的产品研制模式中,难以高效地构建工序模型以准确描述实际加工过程的问题,开展机加件工序模型构建方法的研究,提出以基于模型定义（MBD）模型为输入的工序模型构建方法.以零件MBD模型为输入,采用CAD系统二次开发技术进行模型参数提取,提出MBD模型参数信息结构化表达方法.交互进行加工工序设计,建立常见的机加工序工艺信息库辅助具体加工方案设计;根据MBD模型参数和工序参数得到工序模型构建数据文件.读取工序模型构建数据文件,实现工序模型快速建模.开发了工序模型辅助构建工具,以某航空企业典型机加件为例,验证了所提方法的有效性.     

永磁同步电机伺服系统自适应迭代学习控制

针对执行重复性任务的永磁同步电机伺服系统,由于参数摄动、随机扰动等不确定因素影响导致的跟踪精度下降,误差发散问题,提出一种自适应迭代学习控制方法.该方法在PD型反馈控制的基础上增加自适应迭代项对控制律中未知参数进行迭代学习,减少不确定因素对系统性能的影响.建立了含有不确定性扰动的系统模型和PMSM自适应迭代学习控制系统,并且基于Lyapunov稳定性理论,分析了该方案的收敛性.结果表明,与传统PD型ILC相比,该方法收敛速度更快,跟踪精度更高,可有效改善系统的性能.     

面向数控机床运行状态的切削稳定性预测研究

切削加工过程中出现的颤振失稳现象,是限制机床加工质量和加工效率的主要因素。传统切削稳定性预测模型大多基于机床静止状态下的动力学特性,并采用恒定的切削力系数表征不同的切削条件。但在加工过程中,系统动力学特性和切削力系数会随着主轴转速等影响因素而变化,导致预测的切削稳定性叶瓣图在实际工程运用中出现偏差。针对机床运行状态下切削稳定性的准确预测问题,提出一种切削稳定性叶瓣图修正方法。该方法以刀具系统动力学特性与切削力系数为研究对象,首先建立主轴转速样本信息,将考虑转速效应的主轴轴承运行刚度写入机床有限元模型中,获取刀尖频率响应函数及其对应的各阶模态参数,以此结合模态拟合法和插值算法重构任意转速下的刀尖频响函数,同时以各切削参数为变量构建切削力系数响应面预测模型,进而将与转速对应的刀尖频率响应函数和不同切削条件下的切削力系数作为传统切削稳定性预测模型的输入,并通过结合自适应粒子群算法共同求解各转速下的极限切削深度,从而在全转速范围内绘制切削稳定性叶瓣图。将该方法应用于1台3轴立式加工中心的实际工序中,采用多组预测的无颤振切削参数进行切削实验,并通过切削力信号的频谱分析判定切削过程中未出现颤振,验证了稳定性叶瓣图修正方法的有效性,为无颤振切削参数的合理选择奠定了技术支持。