基于改进松鼠搜索算法优化神经网络的数控机床进给系统热误差预测

为探究数控机床进给系统中各因素对热误差的影响规律,建立精准的热误差预测模型。在进给速度为10 m/min、环境温度20℃的条件下进行进给系统热误差测量实验,获得进给系统关键点的温升及热误差。为提高预测精度,采用Tent混沌改进松鼠搜索算法,并利用改进的算法对神经网络进行优化,建立热误差预测模型。利用热误差测量实验获得的数据进行验证,结果表明改进前的神经网络预测误差为12.23%,改进后的模型预测误差为8.92%,精度有较大提升。利用预测模型针对不同进给速度下相同位置处热误差进行分析,结果表明,进给系统中关键测温点的温度和丝杠各点的热误差随着进给速度的增加而增加。因此提出的预测模型可实现进给系统热误差的准确预测,为误差补偿提供理论依据。

新工科视域下机械类专业学位研究生创新能力提升研究

研究生作为高层次人才,其创新能力的提升在我国装备制造业发展的过程中起着举足轻重的作用。当前,我国研究生招生规模日益扩大,但是在数量大幅增长的同时,也出现研究生培养质量难以完全满足社会需求的问题。该文基于新工科的基本理念,从课程体系建设、“多师制”培养模式构建、联合培养基地建设等几方面入手进行机械类专业研究生创新能力提升探索。通过近年研究生培养的结果,表明提出的方法对提升研究生创新能力具有较明显的促进作用。后续可根据专业特点推广至其他相关专业,可为提升研究生创新能力提供参考。

基于改进支持向量机的砂带磨损程度识别

为了准确判断砂带在磨削螺杆转子时的磨损程度,根据砂带磨损过程中表面图像颜色特征和纹理特征的变化规律,对砂带磨损程度进行识别。对磨削加工后砂带表面图像的纹理特征和颜色特征进行提取,根据不同磨削时间段螺杆转子表面粗糙度划分砂带磨损程度。支持向量机的分类性能受到自身核函数与惩罚函数的影响较大,因此提出利用天鹰优化算法对支持向量机的核参数与惩罚参数进行优化,建立AO-SVM砂带图像识别磨损程度模型。利用自主研发的螺杆转子专用砂带磨削装置完成实验。磨削参数设置如下:砂带线速度为10 m/s,工件轴向进给速度为50 mm/min,张紧轮的气缸压力为0.35 MPa,主动轮的气缸压力为0.5 MPa,磨削时间为25 min。AO-SVM对砂带磨损程度模型的识别准确率达到92.5%,比随机森林算法(RFC)和XGboost分类算法分别高出5.0%和3.6%,且收敛速度更快。AO-SVM模型可以通过砂带表面图像的颜色特征变化和纹理特征变化对砂带磨损程度进行识别,可以有效避免砂带磨损过度损伤工件,为砂带磨削螺杆转子时判断砂带的磨损程度和换带时间提供理论指导。

螺杆铣床主轴振动对螺杆转子表面质量影响分析

为探究螺杆铣床的主轴振动对工件表面质量影响规律。通过螺杆转子外包络铣削加工试验,建立主轴振动特性预测的神经网络模型,使用预测模型预测分析不同加工参数下主轴振动特性的变化规律,分析主轴振动与工件表面粗糙度值之间的影响规律。采用压电集成电路型加速度传感器对铣削过程中主轴振动特征值进行测量,采用TR200便携式表面粗糙度仪测量工件表面粗糙度值。针对主轴振动特征值与表面粗糙度值进行灰色关联度分析,结果表明信号峰值与表面粗糙度值关系显著,表面粗糙度值随信号峰值减小而降低。使用粒子群算法在构建的主轴振动预测模型进行工艺参数寻优,利用试验进行模型精度验证,误差在6%以内。加工试验结果表明采用最佳参数组合加工工件可使主轴振动信号峰值减小,从而获得较高的表面质量。该方法对螺杆转子生产实践工艺选择具有一定的启发和指导意义,也可为金属切削加工的表面质量提升提供参考。

ITO导电玻璃单颗磨粒切削机理仿真试验研究

为研究氧化铟锡(indium tin oxide,ITO)导电玻璃材料的去除机理,采用单磨粒对材料进行切削仿真,建立了ITO导电玻璃的材料模型,根据加工表面形貌、应力和切削力情况分析了材料去除机理,之后研究了切削参数对切削力和残余应力的影响,并与钠钙玻璃进行对比分析。结果表明:在磨粒的切削过程中,材料的去除受ITO薄膜层、玻璃基底和内聚力接触行为的共同影响,会产生分层、通道开裂和层间断裂等失效形式;随着磨粒的进给,切削力在一定范围内波动,且呈现上升、稳定、降低的变化,同时磨粒的切削力与切削速度和切削深度呈正相关;薄膜上残余应力相比玻璃基底,数值更大且波动更剧烈;当切削深度接近ITO薄膜厚度时,薄膜的存在对磨粒切削行为的影响显著。

工艺参数对不锈钢管切割表面质量的影响研究

不锈钢管切割质量主要受到切口断面毛刺的影响,对不锈钢管切割时毛刺的形成过程及工艺参数对切口质量的影响规律进行分析。首先,建立解析模型描述切口毛刺的产生过程,分析切口毛刺形成的影响因素;其次,运用有限元仿真软件,建立奥氏体不锈钢316L材料的三维切削仿真模型,模拟切削加工过程,分析切削完成后切口毛刺的形貌特征;最后,针对切口毛刺形成的影响因素,对切削过程进行单因素仿真。对减少切口毛刺的形成和优化工艺参数提供理论指导。

基于CNN-GRU组合神经网络的数控机床进给系统热误差研究

热变形引起的误差是影响数控机床精度的主要因素之一。为了减小热误差对数控机床精度的影响,提出一种基于CNN-GRU组合神经网络的热误差预测方法。通过热误差实验,采集螺旋曲面专用数控机床直线进给系统的温升数据和热误差数据;利用模糊C均值聚类和灰色关联度分析筛选进给系统温度敏感点;以温度敏感点的温升数据和进给系统热误差为数据样本,建立CNN-GRU热误差预测模型。为验证模型的准确性和实用性,与基于CNN-LSTM和基于LSTM的传统热误差预测模型进行预测对比分析,结果表明CNN-GRU模型预测结果的平均绝对误差、均方根误差和决定系数均优于CNN-LSTM模型和LSTM模型,具有较高的预测精度和鲁棒性。提供的热误差模型可为后续误差补偿奠定基础,为数控机床的热误差预测提供思路。

基于改进神经网络算法的数控钻攻中心进给轴热误差预测

为降低数控机床热误差对数控钻攻中心的影响,提高工件的加工精度,解决不同工况下热误差预测精度不佳的问题。在进给速度为10 m/min、环境温度20°的工作条件下进行数控机床进给系统热误差测量实验,采用鹈鹕优化算法对神经网络进行优化,确定BP神经网络的最优权值和阈值,建立进给系统热误差的POA-BP预测模型,并与传统BP神经网络和GA-BP神经网络以及SCN随机配置网络进行实验对比分析。结果表明,传统BP神经网络预测平均相对误差为12.23%,GA-BP神经网络平均相对误差为11.5%,SCN预测模型预测平均相对误差为12.71%,POA-BP预测模型预测平均相对误差为9.93%,精度有所提升。结论:提出的鹈鹕优化算法改进的神经网络在热误差预测中具有较强的有效性和精确性,可以提高进给运动精度,为热误差补偿的实现提供理论指导。

基于结构光测量技术的DMD自适应掩膜生成

为解决强反射表面物体测量过程中易发生局部镜面反射,影响测量精度的问题。将数字微镜添加到结构光测量光路中并设计搭建测量系统,包括数字微镜、CCD相机、投影仪等器件。完成了系统的匹配、相机和投影仪的参数标定以及相位计算,采用麻雀搜索算法优化BP神经网络的方法建立数字微镜单元和相机像素单元之间的坐标映射关系,映射误差为0.583 pixels。基于PID控制器提出一种自适应掩膜生成方法,并对具有强反射表面的量块进行了测量实验,实验表明该方法能有效降低过曝光区域的灰度,实现了高动态范围成像。提出的方法可为强反射表面的三维测量提供理论支撑。

数控机床进给系统热特性分析

为探究数控机床进给系统中部分关键结构的温度分布规律,对i5M1.4钻攻加工中心的滚珠丝杠进给系统进行了有限元仿真,对i5M1.4滚珠丝杠的温度场、热变形场的分布情况进行了分析。仿真分析结果表明:随着温度的增加,i5M1.4滚珠丝杠的热变形增大且热变形呈线性增长。通过对i5M1.4钻攻加工中心热特性仿真实验,能较好地了解机床中温度场和变形场的分布情况,为机床进给系统热特性分析、提高机床的加工精度提供理论指导。

螺杆转子磨削去除深度研究

砂带的磨削过程受多个工艺参数的影响,螺杆表面材料的去除均匀性会影响螺杆转子的机械性能。对于螺杆转子的磨削,砂带的旋转速度、砂带的进给速度、主气缸的压力、砂带磨损量等都会对螺杆转子的磨削深度产生影响。利用自主研发的实验设备对螺杆转子进行打磨实验,采用线性激光测量仪对螺杆转子的打磨深度进行测量,探究各工艺参数对螺杆打磨深度的影响规律。实验结果表明:螺杆转子的打磨深度随着砂带旋转速度的增加先增大后减小,随着主气缸压力的增加而增加,随着砂带的进给速度与磨削时间的增加而减小。

基于响应面法的分级注水泥器结构优化

分级注水泥器在实际使用过程中结构刚度不能完全达到固井需求,经常由于结构变形造成循环孔打开或关闭失败。为此,采用响应面优化方法对分级注水泥器本体和滑套的5个关键尺寸参数进行改进,以达到提高结构刚度的目的。优化结果表明:采用拉丁超立方试验设计法的计算结果拟合出滑套最大变形量与质量,本体总变形、径向变形及质量的响应曲面;根据拟合的响应面,通过多目标遗传算法预测出滑套和本体设计变量的最优参数组合,并进一步构建了相应的优化模型;通过对滑套及本体进行热流固耦合分析可得,优化后滑套最大变形量减少了47.3%,本体最大总变形量减少了32.0%,本体最大径向变形量减少了62.7%。所得结论可为分级注水泥器设计提供理论参考。

盘铣刀铣削过程中刀具磨损研究

为实现对盘铣刀铣削转子过程中刀具磨损率预测,达到预测刀具有效加工时间的目的,采用线性回归方法建立了刀具磨损率预测模型,并验证了模型的准确性;基于该模型分析了工艺参数对刀具磨损率的影响规律。研究结果表明:当主轴转速增加时,刀具磨损率逐渐增大;当间歇进给量增加时,刀具磨损率先减小后增大;当加工倍率增加时,刀具磨损率逐渐增加。

基于数字微镜的高动态范围成像方法研究

使用结构光三维测量技术对强反射表面进行测量时,其表面的镜面反射光往往会导致相机采集的图像中出现过曝光现象,将数字微镜添加至结构光测量系统中能够降低图像的灰度值。利用搭建的高动态范围测量系统先后完成了数字微镜与CCD相机的像元匹配、相机与投影仪的参数标定及相位计算,采用BP神经网络解算了系统中的坐标映射关系,映射精度为0.58像素。为实现高动态范围成像,基于PID控制器提出一种自适应掩膜生成方法,并对强反射表面进行了测量实验,结果表明该方法可以减弱曝光区域的光强,获得高动态图像。

基于改进鲸鱼算法的B样条曲线拟合

为改进鲸鱼算法的B样条曲线拟合在自动配置节点向量时收敛速度慢、局部搜索能力弱等缺点,采用Sobol序列来初始化种群,采用二次插值法来优化气泡网的捕捉策略。最后,通过3个测试函数仿真与另外2种算法的实验数据对比,验证了改进算法具有更好的全局收敛性和较快的收敛速度。

基于激光位移传感器的自由曲面精密测量方法

针对数据采集误差严重影响激光位移传感器(LDS)测量精度的问题,基于激光三角法测量原理,分析了激光束和会聚光斑质心对系统测量精度的影响,建立了定量计算LDS物面倾角误差和感光元件倾角误差的数学模型。采用该模型,可对LDS采集数据进行实时补偿。实验结果表明,引入两个补偿模型对测量结果进行修正后,不仅大幅提高了LDS的数据采集精度,使其测量误差控制在0.008 mm以内,而且提升了LDS在自由曲面中的测量精度。

螺杆转子砂带磨削装置开发及材料去除率预测

为实现螺杆转子表面磨削材料的均匀去除,开发了一种新型砂带磨削装置,该装置由接触轮式及自由式砂带磨削工具组成。针对磨削工具与工件的接触特点分别采用半解析法及几何近似法建立接触模型,获得接触区域内接触应力分布规律。提出了基于ThunderGBM算法的材料去除率预测模型,以接触应力及磨削工艺参数作为输入,对螺杆转子砂带磨削材料去除率进行了预测,然后针对五头螺杆转子设计并实施了磨削实验。实验数据与数值计算结果的对比表明提出的去除率预测模型具有较高的准确性与有效性。

激光三角法高精度测量模型

为提高检测准确性,提出激光三角法高精度测量模型,由变阈值亚像素灰度重心提取算法和CCD倾角误差补偿模型两部分组成;光斑中心定位算法对激光检测准确度起关键作用,针对已有激光中心定位算法的缺陷,提出了变阈值亚像素灰度重心提取算法,通过梯度函数和高斯拟合算法设定阈值去除光斑边缘噪声区域对中心定位的影响,并利用多项式插值提高灰度重心法精度;同时为提高实际工业生产环境中的测量准确性,建立CCD倾角误差补偿模型;应用激光三角法高精度测量模型,以STM32F407为硬件核心建立系统,以锥螺纹为被测物进行实验;实验结果表明:该测量模型实现了对锥螺纹信息的准确采集,且精度明显高于传统的灰度重心法,可以将锥螺纹检测的误差控制在10μm内。

基于改进遗传算法的机床主轴径向回转误差分离技术研究

以提高精密机床主轴回转误差的测量精度为研究目标,基于四点法矩阵算法,采用多圈重合式方法对主轴回转误差测量中的传感器输出数据进行处理。为提高传统遗传算法的收敛速度,降低优化结果对初始值的依赖性,对交叉和变异概率因子列式进行更新,并使用改进遗传算法对传感器安装角度和输出权值系数进行优化。使用改进遗传算法,收敛速率较传统遗传算法提高50%左右。利用多功能斜轨数控车床进行主轴径向回转误差测量及分离实验,分离后的标准芯棒形状误差值与标定值相比,误差在5%以内,且误差重复性低于5%。结果表明分离的结果精度较高,从而验证提出的算法的正确性和可行性。

石油钻杆螺纹廓形参数在机测量系统研究

为解决石油钻杆因尺寸长、重量大等装卸不便因素给其两端内、外螺纹廓形参数测量带来的困难,设计并实现了一种安装于SCK230型数控石油钻杆螺纹修复机床上的非接触式石油钻杆螺纹在机测量系统。该系统利用数控机床的伺服功能带动二维激光位移传感器获取螺纹某轴截面的廓形数据;采用基于不连续度的自适应滤波算法对采集的廓形信息进行降噪处理,根据石油钻杆螺纹牙形的几何特征对降噪后的离散数据分段,以加权整体最小二乘法为基础拟合出各段廓型数据的回归模型;实时计算螺纹参数,判断加工质量。对NC50型石油钻杆螺纹及其标准环规的测量结果表明,该系统可在7.5 s内完成长度为25 mm的螺纹测量,测量精度为±8μm,重复性限≤4μm且重复性较高。设计的在机测量系统利用了良好的数控资源,实现了石油钻杆螺纹廓形参数的在机测量,提高了测量精度和效率。