排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
面向柔性折弯加工中心控制的低成本、便捷性、功能集成与定制化需求,提出并开发了一款基于EtherCAT通信的双CPU总线型柔性折弯加工中心专用数控系统。首先,通过分析十轴柔性折弯加工中心成型原理,基于EtherCAT通信协议,提出了一种“PC+运动控制卡”的双CPU总线型控制模式,确定了数控系统的硬件架构;然后,采用C#编程语言,完成了专用数控系统软件开发,重点解决了板材精确定位、考虑回弹的折弯控制、人机交互界面优化等关键问题;最后,开展了加工测试和实验验证。结果表明,开发的专用数控系统加工角度误差范围小于±4 5′,直线度间隙误差小于0.3 mm,符合钣金行业GB/T 33644-2017标准,且人机交互性友好、功能集成度高、运行稳定,能够很好地满足实际生产需要。 相似文献
4.
针对在机测量传统采样方法存在的采样点过于集中和采样区域遗漏影响曲面轮廓度的问题,将MacQueen K-means(MK)算法与模拟退火(SA)算法相结合,提出基于MKSA的复杂曲面在机测量自适应采样方法。利用MK算法生成二维质心Voronoi结构(CVT结构),将复杂曲面离散点云数据的高斯曲率绝对值作为生成CVT结构的密度函数,以方差函数为收敛准则,通过全局算法SA的退火准则设置降温系数,提高MK算法的全局寻优能力,生成全局最优的二维CVT结构;将质心点映射回原曲面,获得质心位置对应的曲面采样点,从而实现复杂曲面的自适应采样。仿真及实验结果表明:MKSA算法使曲面测量采样点分布更合理,拟合曲面与CAD模型的最大偏差及平均偏差均小于传统方法,更逼近CAD模型的理论曲面。 相似文献
5.
针对刀具磨损状态在线监测需求,提出一种基于卷积门控循环神经网络的刀具磨损状态在线监测方法。综合卷积神经网络和门控循环神经网络的优点,构建了卷积门控循环神经网络;以切削力为输入信号,通过小波变换滤除噪声;利用卷积神经网络提取表征刀具磨损状态关键信息的高维特征;通过门控循环神经单元使模型在时间尺度上的累积效应得到充分表达,体现磨损的时序特性。实验表明,在有限的刀具磨损数据样本条件下,通过卷积门控循环神经网络进行刀具磨损状态监测具有较好的效果,其准确率达到97%。 相似文献
6.
7.
针对薄壁件超声铣削加工时产生的颤振严重影响工件质量,加剧刀具磨损的问题,搭建了颤振图像监测系统,利用卷积神经网络(CNN)进行颤振图像辨识,综合运用趋磁细菌算法(MB)、爬山算法(HC)和禁忌算法(TS)的优点,改进MB算法进行超参数优化,提出了一种基于改进趋磁细菌卷积神经网络(IMB-CNN)的薄壁件超声铣削颤振辨识方法。首先,通过MB算法进行全局搜索,再以最优解为初始点,通过HC算法进行邻域搜索,避免了MB算法在最优解附近的振荡;同时,通过禁忌列表跳过已搜索的节点,减小计算规模,加快计算效率;最后,将获得的最优超参数用于CNN,实现颤振图像的精确辨识。与其他方法相比,该方法实现了97.69%的识别率,判断时间为363ms,能有效地进行颤振监测,且整体性能较优。 相似文献
1