基于多传感器多元特征融合决策的铣刀磨损辨识方法

针对铣削加工过程中刀具磨损预测准确率低、单一传感器覆盖特征缺乏对照的问题,提出了一种结合粒子群优化(PSO)-最小二乘支持向量机(LS-SVM)算法与多传感器特征的刀具磨损判断方法。首先,构建了以振动、切削力和声发射为刀具磨损监测信号的磨损辨识系统;然后,采用时域特征:最大值p1、均方根p2、标准差p3、绝对值均值p4结合小波频段能量特征分析的方法进行了铣削加工信号分析,采用PSO-LS-SVM算法建立了刀具磨损状态识别模型和刀具磨损量预测模型;最后,通过时域与小波分析,从采集到的振动、铣削力及声发射信号中提取了71维信号特征,并优化降维至24维;以24维特征作为输入,刀具磨损状态和刀具磨损量为输出,对该刀具磨损识别及预测算法进行了验证。研究结果表明:基于PSO-LS-SVM算法的刀具磨损状态辨识模型在多传感器特征方面的磨损识别准确率为99.39%,相比单传感器特征,其识别准确率更高;刀具磨损量预测模型的预测精度达到了99.75%,相比其他模型,平均准确率提高了8.02%。

基于多项式加减速的多头螺纹磨削算法研究

对多头螺纹进行磨削加工时,为了实现砂轮与切入点对齐,砂轮需要回到零点,并在零点等待一转信号和主轴转过偏转角度,而等待固定的信号会导致插补效率降低。针对这一问题,设计了一种基于混合非对称多项式加减速控制算法的多头螺纹快速分头算法。首先,分析了螺纹分头原理和砂轮切入方法,提取了切入点选择特征;然后,采用分区建立了插补时间规划模型,根据插补时间规划方法和砂轮切入点选择特征,建立了砂轮与每个切入点对齐的脉冲时间变化模型;之后,根据五次速度曲线加减速控制算法和三次速度曲线加减速控制算法的基本原理,设计了混合非对称多项式加减速控制算法模型,建立了参数控制模型及快退区目标速度预测模型;最后,采用MATLAB仿真的方法,验证了多头螺纹快速分头算法的正确性和有效性。研究结果表明:在工况1、工况2条件下(螺纹头数分别为20、25,其他条件相同),顺序切入和对称切入的加工效率分别提高了12.98%、0.67%,根据工况参数可以确定加工效率最高的砂轮切入方法;采用变加减速控制的方法,在快退区减速段可以实现±4 ms的容差控制目标,降低了砂轮与切入点对齐算法的容差压力;采用混合非对称多项式加减速控制算法,可以对多头螺纹快速分头插补和加加速度进行柔性控制,以提高螺纹分头的效率。

高硬度结构件绿色平面抛光工艺研究

针对精密气体静压转台高硬度结构件超精密加工需求,研究并提出一种高硬度结构件绿色平面抛光工艺。采用单因素试验法,优化抛光液组分,当磨粒粒径为3μm,磨粒浓度质量分数为20%时,抛光工件的表面质量最优。采用正交试验设计,分析各工艺参数对加工表面质量的影响规律,进而获得最优因素水平组合。