TensorFlow框架下的车削工件表面粗糙度预测方法

利用TensorFlow机器学习框架建立了前馈神经网络模型,以三个切削参数作为输入变量,分别是刀具切削深度ap、切削速度vc和进给量f,输出变量是表征工件表面粗糙度的三个指标,即轮廓算数平均偏差Ra、轮廓最大高度Ry或微观不平度十点高度Rz.利用数控车床加工数据对神经网络进行训练,训练好的网络可以用来预测工件的表面粗糙度.预测结果表明基于TensorFlow框架的表面粗糙度预测方法具有建模方便和精度高的特点,因此提出的方法对车削工艺的智能化编制有一定的参考价值.     

渐开线齿轮副啮合效率分析方法比较研究

运动副的效率可以用功或力的方法来进行描述,渐开线齿轮副的啮合效率计算同样如此。首先,以节点和齿廓接触点间的距离为变量,分别从功和力的角度推导出了齿廓啮合的瞬时效率;然后,将瞬时效率在实际啮合线上进行平均,得到两种方法下的齿轮副啮合效率的表达式;最后,结合数值算例对两种方法进行了对比研究,分析了传动比、小齿轮齿数及齿面摩擦因数对齿轮副啮合效率的影响。结果表明,基于力的齿轮副啮合效率计算方法更为合理。     

RV减速器主轴承拟静力学模型简化分析方法

针对RV减速器主轴承球数较多导致求解受力和变形的非线性方程组数量成倍增加,求解速度慢的问题,建立了径向载荷、轴向载荷及力矩载荷联合作用下的五自由度角接触球轴承拟静力学模型,在牛顿-拉弗森算法的基础上,提出了假设相邻几个球的接触角、接触载荷与接触变形一致,计算中将其作为相同零件处理的简化分析方法.并以某减速器用主轴承H7...