确定铣削力模型中刀具偏心参数的一种算法

对数控加工中球头铣刀铣削力建模时刀具偏心参数的确定进行了研究。在铣削力模型的建立中考虑了刀具偏心的影响,推导出刀具偏心参数的表达式,考虑到刀具单刃切削条件,提出了刀具偏心参数的确定算法。在通过铣削力试验数据计算铣削力系数的过程中,采用上述算法确定了刀具的偏心参数,用于铣削力的仿真预测中,仿真结果和铣削力试验的结果表明,算法效果良好。     

基于频域多目标优化的铣削力系数及偏心参数识别

在正交切削假设基础上,根据刀具运动几何关系,推导铣削力微元表达式,并从严格的铣削切屑载荷模型出发,考虑刀具偏心引起的多种效应,通过积分运算建立铣削力模型的矩阵形式.随后采用傅里叶变换得到铣削力的频域模型,并用矩阵运算对频域的仿真结果与测量结果的各次谐波进行比较分析,推导得到谐波残差的多元函数,在此基础上提出频域多目标优化的铣削力系数及刀具偏心参数识别方法.以典型航空铝合金材料的多次大偏心率铣削试验为参照,文章模型铣削力仿真误差在2%～6%范围,验证了该方法识别的铣削力系数及偏心参数准确有效.并通过与文献模型时域对比,说明频域多目标优化模型与本次试验结果更为吻合,特别在大偏心率的铣削条件下与文献模型相比有所改进.     

球头铣刀刀具姿态对铣削力影响的试验研究

试验研究了球头铣刀在不同刀具姿态下的铣削力影响规律,结果表明在采用球头铣刀进行铣削加工时,为了得到较小的铣削力,适宜采用前倾角+15°,侧倾角+15°这种刀具姿态.     

基于铣削力识别的铣削监测与铣刀故障诊断

为提高铣削过程监测与刀具故障诊断精度，通过测量铣床的频响函数和在铣削加工中的铣床振动加速度响应信号，用载荷识别的方法计算铣削力，分别得到了用4刀齿和2刀齿加工时横向铣削力的识别结果，所得到的铣削力曲线与加工工况吻合良好。以所识别铣削力为特征参量，用ART2神经网络进行了铣削过程监测与铣刀故障诊断，其结果比直接用振动响应信号进行监测与诊断更可靠，从而得到较好的监测诊断结论。     

球头铣刀曲面加工铣削力建模与仿真分析

在曲面铣削过程中,由于工件外形复杂,刀具位姿多变,使球头铣刀铣削力模型的建立较为困难。本文在考虑工件表面几何特征和刀具位姿变化的基础上,通过解析法确定了刀-工切削接触区域的边界条件,利用空间坐标旋转变换得到了适用于复杂曲面加工的五轴球头铣刀铣削力模型,对铣削力模型进行仿真并通过试验验证了模型的有效性。     

球头铣刀三维曲面加工的铣削力预报

针对球头铣刀三维曲面加工,提出一种考虑进给方向和刀具切触界面任意变化的铣削力预报方法。基于微分的思想,将曲面加工中单个齿频周期内的切削过程看成是切削条件恒定的微小稳态加工,进而将整个三维曲面加工视为一系列微小稳态加工的组合。根据各微小稳态加工的始、末刀位点坐标,建立进给转向角和进给倾斜角模型,刀具切触界面应用基于逻辑数组的Zmap方法确定,并修改了未变形切屑厚度模型的参数,使其适应三维曲面加工中刀具切触界面和进给方向的任意变化。分别进行凸圆弧曲面、凹圆弧曲面和自由曲面三个铣削加工试验,数值计算及试验测量结果表明,提出的方法能够很好地描述曲面加工中进给方向及刀具切触界面的变化,预报的铣削力和试验测量结果在幅值和变化趋势上都吻合良好,从而验证了该铣削力预报方法的有效性。     

基于DEFORM-3D有限元模拟的高速铣削刀具偏心跳动分离与辨识研究

利用DEFORM-3D三维有限元软件模拟高速铣削过程,分析铣削力与切削厚度间的线性关系,建立瞬时铣削力-瞬时切削厚度数学模型.通过一维搜索分离出刀具偏心跳动引起的铣削力并予以再次有限元模拟,完成刀具偏心跳动参数辨识,最终通过平头立铣刀加工AL6061-T6试验验证有限元模拟预测刀偏铣削力模型的正确性,为铣削力学分析与参...     

瞬时铣削力建模与铣削力系数的粒子群法辨识

为获得精确的瞬时铣削力模型,对微元铣削力进行分析,建立了微元铣削力模型。依据立铣加工的特点,提出了微元铣削刃参与铣削的判断方法,给出了具体的计算公式。在此基础上,建立了包含剪切效应和犁入效应的瞬时铣削力模型。利用粒子群算法收敛速度快的优点,提出了基于粒子群的单位铣削力系数辨识方法,给出了算法的实现步骤。铣削试验结果表明,该方法能够精确辨识出单位铣削力系数,利用所提出的瞬时铣削力模型获得的铣削力预测值与铣削力实测值的大小和变化趋势基本一致。     

微细铣削氧化锆陶瓷铣削力特征分析

针对硬态氧化锆陶瓷的微细精密加工问题,采用金刚石涂层微铣刀进行了微细铣削试验。介绍了微细铣削陶瓷材料时加工区的几何特征,分析了可能产生单齿铣削的原因。通过测力仪记录了铣削力信号,对特征力信号进行了描述和分析,研究了铣削参数以及刀具磨损对铣削力大小的影响。结果表明,微细铣削陶瓷材料时,由于每齿进给量非常小,故铣削过程易产生单齿铣削现象;铣削力轴向分量Fz的值最大,随着每齿进给量的增大,Fz呈明显上升趋势;随铣削路程的增加,刀具磨损加剧,铣削力也随之增大,受刀具磨损影响产生一定波动,特别是Fz,其增加幅度明显大于Fx和Fy的增加幅度。     

基于球头微铣刀的铣削力建模与试验研究

以光学玻璃材料为加工对象,基于铣削力微元分析方法,建立了微铣削力理论模型,并通过试验研究对理论分析进行了验证,结果表明,理论计算模型与实验实测的结果较为吻合,球头铣刀动态铣削力模型与实测铣削力曲线总体趋势基本吻合,其误差范围在20%以内。     

基于动态峰值力的客车车架轻量化研究

以某纯电动城市客车车架为研究对象,建立客车整车虚拟样机模型,选择满载弯曲工况与扭转工况对客车进行整车仿真分析,提取各工况各载荷动态峰值力,对客车车架进行参数化优化设计,并对优化前后车架进行对比分析。结果表明,优化后的车架减重12.73%,在扭转工况下最大应力为200 MPa,最大变形为7.45 mm,车架强度与刚度满足安全要求。     

正则化技术在状态空间载荷识别中的应用

针对载荷识别问题中的不适定性,提出了一种基于局部最小准则(local minimum criterion,简称LMC)的正则化技术处理方法。通过对线性系统离散状态空间方程的研究,建立了基于该正则化技术的状态空间载荷识别数学模型。仿真结果表明,该方法能有效地识别出载荷且计算效率较高,并结合数值试验结果分析研究了测点数、采样时间间隔和激励力频率因素对识别结果的影响,为载荷识别的高精度提供参考     

基于接触理论的叶轮机械偏心传动的偏心量计算

介绍了一种应用于叶轮机械的传动方式,即偏心传动,该传动方式具有装配方便的特点;将弹性接触理论应用于该传动方式偏心量的计算,建立了考虑弹性变形时偏心量的计算方法;采用一组实际数据,分析计算方法的适用性,以及弹性变形对偏心量计算的影响.     

基于螺旋理论对单环空间RSUR机构受力分析

用传统方法对并联机构或复杂机构进行受力分析是十分不方便的,尤其是要计算所有运动副的约束反力时,常常需要联立大量的方程才能得到最终结果.基于螺旋理论对这类机构进行受力分析会使这个问题简化.运用此方法可以方便地求出在外力作用下机构的主动力和所有运动副的约束反力,并且对于主动力和各运动副的约束反力是以单独构件逐个求解为特点的,可以确保分析每个杆件联立求解的方程数目不多于6个.为详细说明基于螺旋理论对这类机构进行受力分析的方法的优点,以由两个转动副、一个球副和一个万向铰组成的一个单环空间机构为例运用此方法求解其主动力和所有运动副的约束反力,通过求解就可以看出运用此方法可以使机构的受力分析过程大大简化,并且思路清晰容易理解.     

基于BP算法的传感器单气体定量识别

气体的定性识别与定量分析一直是气体检测领域的主要难点,也是气体传感器应用中的研究热点.文中在对多个气体传感器进行气体定性分析和实时数据采集基础上,通过BP网络分析方法,实现了气体的定量识别,然后对训练前后气体浓度的误差进行对比分析,仿真结果表明:平均相对误差均控制在1％以内,最大相对误差控制在2％以内,提高了对气体浓度的预测精度.     

基于六维力传感器的机器人动力学参数辨识

采用基座布置六维力传感器的方式进行机器人动力学参数辨识。以递推牛顿-欧拉方程为基础建立机器人动力学模型，给出六维力传感器输出与机器人关节间动力学关系，分离待辨识动力学参数并确定其最小惯性参数集，最终建立基于基座六维力传感器的机器人辨识模型。为了进一步提高辨识精度，采用两层低通滤波算法推导出加速度替代公式和速度滤波算法，减少加速度和速度噪声的影响。最后，以六自由度协作机器人的前2个关节为对象，设计辨识实验，获得两关节的最小动力学参数集。通过结果逆向验算表明，基座布置六维力传感器方式能以较高的精度辨识出机器人动力学参数。     

带钢卷取对边电液伺服系统分析

介绍了太原钢铁集团轧钢车间的一套带钢卷取边缘纠偏控制设备(EPC)，分析了其电液伺服系统原理和数学模型，并进行了稳定性分析。     

基于足地接触力跟踪的单足机器人弹跳运动控制

为了使足式弹跳机器人在运动中避免由于地面接触刚度的变化对弹跳运动产生的影响,首先建立了单足弹跳机器人在弹性地面条件下的运动简化模型,进而分析了地面弹簧刚度变化对机体重心运动轨迹以及着地相中足地接触力的影响。采用足地接触力补偿控制的手段,通过主动控制单腿的伸缩,使模型中弹簧系统的足力输出与期望保持一致,消除了地面刚度变化对机体运动的干扰。利用仿真实验表明了控制方法的可行性。     

利用单传感器数据基于GAF-CNN的结构损伤识别

为了减少损伤识别所需传感器数量,降低监测系统造价及海量数据的处理成本,提出了基于单传感器数据结合格拉姆角场（Gramian angular field, 简称GAF）和卷积神经网络（convolutional neural networks,简称CNN）的结构损伤识别方法。采用GAF理论将原始振动信号分别转换为格拉姆角和场（Gramian angular summation field,简称GASF）和格拉姆角差场（Gramian angular difference field,简称GADF）二维图像,以转换后的GASF和GADF两类图像数据集为输入,基于LeNet-5结构下的浅层卷积神经网络模型,训练最优二维CNN模型用于结构损伤识别。以国际桥梁维护和安全协会提出的结构健康监测基准模型结构及一榀钢框架结构为例,研究振动信号转化为二维图像算法、卷积神经网络模型参数、传感器布置位置及测量噪声对识别结果的影响。结果表明：所提算法仅需单个传感器数据即可实现损伤识别的目的,数值模拟及模型试验的损伤识别准确率均为100%,单条样本测试时间为8.5ms左右,满足结构健康监测在线损伤识别的需求,且受传感器布置位置和噪声程度影响较小;GADF图较GASF图收敛效率更高,震荡幅度更小,受局部最优值影响较小,在样本数量规模一致的状态下,更易训练生成最优二维CNN模型。