带有浮动机构的曲轴孔镗刀应用研究

四缸机的曲轴孔有5档,其加工一般分为粗、半精、精加工与珩磨4道工序。批量生产中,其效率很多情况下已成为瓶颈,由此集粗、半精、精加工为一体同时加工5个档的复合镗刀应用逐渐成为一种趋势,由于刀体较长,机床内设计有前后轴承对其进行支撑,为保证刀体与轴承的配合,刀具设计有可径向浮动的法兰机构。在应用过程中,工件圆度超差、毛刺问题普遍存在。为此通过优化浮动量、加工参数和刀片材质彻底解决了此类问题,为相关厂家类似问题的解决提供借鉴。

缸孔加工多刀夹展开式刀具的稳定性研究

在发动机的缸体大批量生产过程中,能够提升切削效率并可实现直径可调整的展开式刀具应用越来越广泛。作为精度要求高的缸孔也不例外,近些年以MAPAL、KENNAMETAL等为代表的刀具厂家不断推出多刀夹缸孔精加工刀具,显著提升了加工效率,但同时也由于本身复杂结构导致了加工的不稳定。通过优化一种7刀夹展开式刀具的回缩量,为今后的缸孔加工相关刀具的问题解决提供一种思路和解决方法。

双进给陶瓷珩磨刀具的应用研究

总结了5年多某品牌某4缸汽油机双进给、陶瓷材质砂条的珩磨刀具在生产应用中遇到的几种问题及解决方法,为行业其他厂家类似问题的解决提供参考。

发动机缸体止推面的展开式镗刀研究

某发动机缸体止推面加工所用镗刀为带浮动头的展开式刀具,加工过程中需借助机床夹具上的前后轴承对其进行支撑。镗削分为粗加工和精加工两步,其中粗加工刀夹轴向可调,精加工刀夹轴向不可调。针对镗刀结构特点,结合机床HMI界面及在线测量机制建立精加工刀片调整方案,有效保证了刀片更换的速度和成功率。同时,针对加工余量和每齿进给量等参数进行优化,大幅提高精加工刀片寿命。

基于双向神经网络的图像分类算法

卷积神经网络需要把特征矩阵转换成向量才能进行全连接,对特征空间结构信息造成破坏。针对这个问题,提出一种基于双向神经网络的图像分类算法。利用双向(Two-Directional)层替代原先网络框架中的全连接层并进行端到端的训练,减少特征空间结构信息的损失,提出一种扩展BP算法,用于求解双向神经网络的学习问题。改进CaffeNet及vgg-16模型并在Caltech-256和Oxford Flower-102数据集上进行图像分类对比实验,实验结果表明,在相同的实验条件下双向神经网络算法能有效提升图像分类的性能。

车辆运动轨迹建模和跟踪滤波

针对视频车辆跟踪检测任务中由于被遮挡、阴暗变化等噪声而导致的跟踪结果不精确问题,提出了一种基于运动模型的车辆运动轨迹建模和跟踪滤波方法。通过对连续视频图像上的车辆位置信息进行分析,准确把握当前车辆运动状态,建立准确的车辆运动轨迹模型,预测车辆在下一帧图像中的位置。进而与传统车辆检测跟踪算法相结合,提升车辆跟踪的准确率。通过在OTB2015车辆数据集和自选数据集上进行两种算法的优化对比实验。实验结果表明,车辆运动轨迹建模方法能显著地提高系统的跟踪性能,在相同的评估条件下,融合了上述算法的传统跟踪算法在原来的基础上精确度提升了6到8个百分点,成功率提升了4个百分点。