排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
从分析国内外现有工具存在的问题入手 ,着重解决超硬材料精密小深孔珩磨加工中走偏量较大、圆度误差较大等问题 ,提出了一种三导向的BTA型珩磨工具结构 ,使超硬材料精密小深孔加工的质量得到了提高 .实验证明 ,采用新型珩磨工具加工出的小深孔可达到走偏量 0 .0 0 1~ 0 .0 0 2mm/1 0 0mm ,锥度 0 .0 0 5mm/1 0 0mm ,圆度误差 0 .0 0 2~ 0 .0 0 4mm ,表面粗糙度可达到Ra0 .0 8~ 0 .1 6 μm (采用W1 0油石 ) ,最高可达Ra0 .0 4~ 0 .0 8μm ,尺寸精度可达IT5,可获取以珩代研的效果 . 相似文献
2.
从分析国内外现有工具存在的问题入手,着重解决超硬材料精密小深孔珩磨加工中走偏量较大、圆度误差较大等问题,提出了一种三导向的BTA型珩磨工具结构,使超硬材料精密小深孔加工的质量得到了提高.实验证明 ,采用新型珩磨工具加工出的小深孔可达到走偏量0.001~0.002 mm /1 00 mm,锥度0.005 mm/100 mm,圆度误差0.00 2~0.004 mm,表面粗糙度可达到Ra0.08~0.16 μm(采用W10油石),最高可达Ra0.04~0.08 μm, 尺寸精度可达IT5,可获取以珩代研的效果. 相似文献
3.
针对普通多尺度形态学在滚动轴承微弱故障识别时的结构元素尺度优化问题,提出了自适应多尺度形态学的滚动轴承故障诊断方法。首先,以基本形态算子为基础,构建了具有双向脉冲特征提取能力的差分形态算子;为了在结构元素尺度范围定义出敏感于轴承故障的尺度,将以峭度作为其选取依据,并将得到最优尺度下的形态处理结果平均处理来重构故障信号,最终实现故障信号的综合分析和故障特征解调。通过对实际滚动轴承内、外圈故障振动信号的分析,结果表明:优化算法能够提取出强噪声背景下的滚动轴承微弱故障特征;且相比于普通多尺度形态学,该方法所提取的轴承故障特征频率幅值提升近1倍,适合处理弱信噪比的滚动轴承内、外圈故障识别。 相似文献
4.
针对普通多尺度形态学在滚动轴承微弱故障识别时的结构元素尺度优化问题,提出了自适应多尺度形态学的滚动轴承故障诊断方法。首先,以基本形态算子为基础,构建了具有双向脉冲特征提取能力的差分形态算子;为了在结构元素尺度范围定义出敏感于轴承故障的尺度,将以峭度作为其选取依据,并将得到最优尺度下的形态处理结果平均处理来重构故障信号,最终实现故障信号的综合分析和故障特征解调。通过对实际滚动轴承内、外圈故障振动信号的分析,结果表明:优化算法能够提取出强噪声背景下的滚动轴承微弱故障特征;且相比于普通多尺度形态学,该方法所提取的轴承故障特征频率幅值提升近1倍,适合处理弱信噪比的滚动轴承内、外圈故障识别。 相似文献
5.
1