排序方式: 共有45条查询结果,搜索用时 15 毫秒
21.
以六米大型丝杠硬旋铣系统为研究对象,运用全局假设模态法,建立了丝杠工件在断续周期性移动切削力激励和卡盘、浮动支撑、抱紧装置,尾架约束下的动力学模型,分析了丝杠工件在移动切削力激励下切削全程的动态响应特性,以及抱紧及支撑装置对丝杠工件切削全程中各切削点动态响应幅值均值的影响.结果表明:抱紧装置的移动对丝杠工件的动态响应影响较小,而浮动支撑的升降显著影响工件系统的动态特性;丝杠工件的动态响应不是随抱紧刚度的增大而单调减小,选择合理的抱紧刚度可以减小工件的装夹变形,同时工件的动态特性也能满足加工精度的要求. 相似文献
22.
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。 相似文献
23.
24.
螺纹旋风铣削的多刀具断续切削方式将加剧刀盘与工件间的交互冲击,引起刀盘系统的扭振,影响加工质量。以旋风铣削刀盘系统为研究对象,针对其在周期性切削力矩下发生扭振的特点,提出在铣削刀盘上安装硅油式减振器的抑振方案,进而建立基于硅油式减振器的旋风铣削刀盘系统动力学模型,对模型进行幅频特性分析,并对有无减振器两种方案下旋风铣削刀盘系统的动力学响应特性进行分析,以研究硅油式减振器对旋风铣削刀盘系统的减振效果。结果表明:硅油式减振器可有效地减小旋铣刀盘系统在不同切削频率下的振幅。当系统发生共振时,基于硅油式减振器的旋铣刀盘系统的响应幅值可降至7.10×10-4rad,降低了刀盘系统的扭振对螺纹工件加工质量和刀具寿命等的影响。 相似文献
25.
采用直驱技术制造回转功能部件目前已经成为国际机床产业的发展趋势,针对目前精密数控螺母磨床用回转工作台多采用蜗轮蜗杆传动,其结构复杂,精度不高,设计了直驱数控回转工作台,包括整体机械结构设计,电动机选型及液压夹紧系统设计.系统采用高精度力矩电动机直接驱动工作台进行运转,通过带集成角度测量系统的推力/向心轴承支承整个工作台面,并且通过液压夹紧装置完成了工作台的夹紧与松开动作.该工作台结构简单紧凑,取消了中间的传动环节,有效的提高了测量精度,为实现精确的自动分度,扩大数控机床加工范围提供了有参考价值的加工手段. 相似文献
26.
与外螺纹的接触式对刀不同,由于螺母结构尺寸小且内部空间非常有限,使得内螺纹非接触式自动对刀的方法研究和装置设计难度较大.文章针对滚珠螺母内螺旋滚道非接触式自动对刀技术的原理进行了研究,并设计出了一种自动对刀模块.其中,自动对刀方法可根据开关个数和电平变化类型分为两种形式:单开关式(分为高低高、低高低两种情况)和双开关式(分为先低后高、先高后低两种情况),它们都是通过电平变化和位移测量的配合实现高效高精的砂轮对刀定位,在效率上双开关式要优于单开关式.文中所提出的非接触式自动对刀方案对滚珠螺母的实际磨削加工有借鉴意义. 相似文献
27.
采用单因素全面试验的方法,在汉江8m螺纹旋风铣床上进行了大型螺纹高速硬态旋风铣削试验。为进一步研究大型螺纹的加工质量,对加工后的螺纹滚道侧表面的粗糙度进行非接触式测量,分析了各主要切削参数对螺纹滚道表面粗糙度的影响规律及影响程度,并预测了较优的加工工艺参数。结果表明:铣削位置、刀具个数对表面粗糙度的影响较大,切削线速度、抱紧系数的影响次之,切削深度的影响较小;抱紧系数hc=30%、切削线速度vt=200m/min、中等切深ap=0.06mm可作为较优的切削参数。 相似文献
28.
精密磁性联轴器是真空机械手的核心部件。精确分析和优化设计直接影响着真空机械手的传动性能,也避免了高昂的实验费用。对磁性联轴器的分析与设计的国内外研究现状做了评述,建立了实用的优化设计评判指标和数学模型。改进了等效磁荷法,从求解效率和求解精度两方面,将其与改进前的等效磁荷法、片电流方法和三维有限元法进行了比较。将正交实验法引入优化过程中,提出了一种实用的磁性联轴器优化设计方案。求解结果表明:改进的等效磁荷法的求解精度比原方法提高了约6%,求解效率提高了117%。片电流法求解效率极高,但误差大,比三维有限元法高约30%。通过正交实验法,仅需使用九组分析模型即可获得适合的初始参数值,结合标准的最优值搜索技术可方便获得多组最优参数设计值。该方案满足磁性联轴器优化设计的稳定可靠、精度高、方便实用等要求。 相似文献
29.
30.
为了提高机械加工过程中刀具磨损在线监测的准确性,提出了一种基于长短时记忆卷积神经网络(LSTM-CNN)的刀具磨损在线监测模型。在该监测模型中,通过振动、力、声发射传感器对刀具切削过程中的振动、力和声发射信号进行采集,采集的数据其本质为时间序列数据。考虑采集数据的序列和多维度特性,采用LSTM-CNN网络对采集的数据进行序列和多维度特征提取,利用线性回归实现特征到刀具磨损值的映射。通过实验验证了该模型的有效性和可行性,模型的精度较其他几种方法有了较大的提高。 相似文献