排序方式: 共有29条查询结果,搜索用时 0 毫秒
1.
为减少零部件试切,检验数控工艺合理性,构建了虚拟龙门加工中心。研究了龙门加工中心运动,阐述了侧面铣头运动由旋转中心和换刀点控制,提出了虚拟机床侧面铣削运动构建方法,可实现各角度侧面铣。搭建了虚拟加工环境,通过零件仿真加工,完成了零件顶面及4个侧面的铣削加工,验证了数控代码的正确性,检验了数控工艺合理性,减少了零件试切,缩短了开发周期,仿真结果表明虚拟龙门加工中心的正确性。 相似文献
2.
3.
针对受损的水轮机叶片等具有空间复杂曲面结构,在其安装位置直接进行修复工作,设计了一种基于移动平台的焊接机器人虚拟样机。为确定焊枪末端与机器人6个关节之间的运动关系,建立虚拟样机DH坐标系,借助Matlab软件得到运动学方程正、逆解。将在Solid Works软件中建立的焊接机器人三维模型,导入ADAMS仿真软件进行运动学分析。仿真结果表明:机器人在狭窄空间启动时,由滑动、转动关节运动引起的焊枪末端空间位移变化小,速度、加速度曲线变化平缓,无任何突变,证明了该虚拟样机设计的有效性,满足基坑内的焊接工作要求。 相似文献
4.
5.
为了快速准确地识别数控机床误差因素,提出了一种基于深度学习框架的运动误差智能溯因方法。首先,建立数控机床圆运动误差轨迹基准圆模型,生成理论样本解决深度学习大数据训练问题;然后,基于深度学习目标检测框架,提出数控机床运动误差溯因模型,构建深度卷积网络层自动提取圆运动轨迹特征,改进候选区域生成机制实现轨迹判别及区域生成;最后,模型的区域识别层准确识别误差轨迹类型,通过圆运动轨迹与误差源的映射关系实现对运动误差快速准确智能溯因。实验表明,本文方法可行且适应性好,识别溯源准确,正确率超过96%。 相似文献
6.
为提高数控机床热误差预测的准确性和适应性,提出一种基于序列深度学习网络的数控机床热误差建模和预测方法。提出一种基于LSTM的序列深度学习预测网络,构建包含历史序列数据的动态数据矩阵为模型输入;通过截断式训练方法降低深度预测网络中每项参数更新的复杂度,利用序列深度学习网络自动提取温度时间序列的时空特征,准确表征温度序列信号与热误差之间复杂的映射关系,采用Softmax输出层对热误差进行准确预测。实验结果表明:该方法解决了传统浅层方法因未考虑历史序列数据对当前输出的影响而存在的预测精度不高、鲁棒性差等问题,将热误差预测的均方根误差降低到2.5 μm以内,优于传统的SVM和BP等浅层神经网络预测方法,为数控机床热误差补偿提供了参考。 相似文献
7.
8.
9.
10.