基于自修正模型的五轴机床RTCP标定方法

针对传统五轴机床回转中心的标定方法的精度和效率问题,提出一种带有自动修正功能的双摇篮式五轴机床RTCP的标定方法。应用最小二乘拟合的粗自动标定和“自校验-自修正”的精自动标定方案,通过引入试切校验思想,使用接触式探头和标准球对现有RTCP参数进行精度自校验,并根据误差反推RTCP参数,然后再次校验,不断迭代优化并逐步逼近最优解,形成闭环标定。经过试切和标准球校验显示,经过自修正精度优化的结果单方向误差在0.01 mm以内,对比粗标定误差0.03~0.06 mm,精度提升66%以上,且多组实验的重复性能良好。

基于排队论的废旧零部件再制造生产优化

针对废旧零部件质量高度不确定导致再制造生产决策难以优化的问题,以废旧机床的主轴再制造为例,基于排队论理论建立了一个再制造生产排队网络模型,综合考虑排队指标与系统的服务成本和等待成本,以最小化再制造系统的单位时间成本为目标函数,通过调控再制造不同工艺流程之间的数量配比实现再制造生产的优化。最后,通过对某再制造车间废旧主轴再制造的算例仿真,求解出排队网络各节点排队指标,验证了决策模型的可行性,为再制造系统的优化决策提供了一种新的思路。

废旧滚动轴承再制造质量评价方法

滚动轴承作为长期处于高速、高负荷运行状态下的零部件,其再制造的质量将极大地影响再制造产品的寿命周期。对再制造后滚动轴承的4种状态进行测试,分析其产生的质量问题,并提出了一种基于小波包分解和BP神经网络相结合的滚动轴承再制造质量评价方法。首先对再制造后的滚动轴承进行不同状态下的振动信号采集,利用小波包分解对信号进行预处理,得到信号的能量特征;接着将此能量特征转化为特征向量并作为BP神经网络的输入,在经过训练后的网络中对其进行测试,从而来对信号进行识别,达到确定再制造轴承的质量状况的目的。