四主轴头五轴机床多工步加工路径优化

针对四主轴头多工步加工空行程耗时多的问题,基于空行程路径最短原则研究了无碰撞多工步加工路径优化方法。以四主轴头机床为对象确定了关节坐标系,在单面加工空行程规划基础上,建立了多面空行程计算模型和防碰撞多工步路径优化模型。基于同一面优先排序原则,在内层混合粒子群算法(GA-PSO)基础上融合了贪心算法,提出了双层混合粒子群优化算法(GA-PSO)。其中内层算法用于优化单一面上路径轨迹,外层算法用于优化多面间加工顺序。通过内外层优化算法间的不断迭代分层优化空行程,实现了整体多工步路径优化。对双层GA-PSO算法进行了算例分析,与遗传算法相比具有更快的收敛速度和更短的加工路径,最后通过虚拟仿真进一步验证了该路径优化算法的可行性。

框架剪力墙结构填充墙裂缝产生的原因和防治措施的探讨

框架剪力墙结构的填充墙,是墙体裂缝经常发生和出现的地方,论文主要从材料的选用,施工的过程以及采用的一些新工艺等方面来阐述如何有效地防止裂缝的出现。

基于遗传算法的多主轴头加工空行程轨迹规划

针对多主轴头五轴机床加工时需手动规划空行程的问题,提出一种空行程轨迹自动规划方法。在机床运动学建模的基础上,针对刀位点轨迹和刀轴矢量,分别提出基于最短路径的刀位点轨迹规划和无碰撞刀轴矢量规划,将空行程规划问题转化为参数优化问题。为了简化碰撞检测,提出两级相交检测算法。通过加权系数法建立空行程规划的目标函数,并采用遗传算法求解,规划出一条无碰撞、运动时间最短、旋转轴角度变化量最小、末端轨迹最短的具有柔性的理想轨迹。在Vericut建立的仿真平台上,验证了该方法的可行性和有效性。所提方法具有拓展性,通过多次分解轨迹求取棱交点能够实现复杂工件的空行程规划。

主成分分析结合极限学习机辅助激光诱导击穿光谱用于铝合金分类识别

随着我国社会发展,废旧产品的数量迅速增长,废旧铝随之大量产生。铝是优良的再生资源,传统分选技术不能将废旧铝按各自的成分牌号进行精细分类,导致很多优质铝资源被降级使用,造成巨大的浪费。研究了主成分分析(PCA)结合极限学习机(ELM)算法辅助激光诱导击穿光谱(LIBS)技术在铝合金分类识别方面的应用。选用2种系列的4个牌号铝合金作为实验样品,通过LIBS技术激发实验样品获得420组光谱数据。对原始光谱数据进行了预处理,并选取样品铝合金中5种主要差异元素(Mg、Mn、Cu、Fe和Si)的21条特征谱线构成了420×21的光谱数据矩阵,通过主成分分析对光谱数据进一步降维,使得模型输入变量从21个降至8个。选取120组光谱数据作为训练集,建立了基于极限学习机的铝合金分类模型,余下300组数据作为测试集。研究发现在主要非铝元素(Mg、Mn、Cu、Fe和Si)含量差异只有0.0021%~3.68%的情况下,PCA-ELM分类模型的平均识别准确率达到98.01%,标准差为0.82%,建模时间为0.081 s。结果表明,PCA-ELM分类模型有着很高的效率及稳定性,将其与LIBS技术结合可以适用于工业快速分类领域,为精细分类行业提供了一种参考方法。

电主轴温度场与热变形的仿真与实验研究

以Setco 231A240型高速电主轴为研究对象,考虑了内置电机的损耗生热和轴承的摩擦生热,计算了电主轴各部分之间的传热系数,利用有限元软件Workbench建立电主轴有限元模型,分析得到了电主轴在不同因素影响下的温度场分布,基于电主轴热-结构耦合关系分析得到了温度影响下电主轴的热变形。仿真结果显示,较低转速下电主轴转子温度最高,转速对电主轴温度影响较大;电主轴头尾部热变形较大,主要为轴向变形。最后,将温度场仿真数据与实验数据对比,验证了仿真分析的准确性。

滚珠丝杠副使用寿命预测建模技术研究

以数控机床进给轴的滚珠丝杠副为研究对象,结合滚珠丝杠疲劳损伤寿命的定义,分析了工艺参数对滚珠丝杠副寿命的影响,提出了一种滚珠丝杠副使用寿命预测建模方法。该方法通过对疲劳损伤寿命的进一步理论推导,使疲劳寿命公式更为详细且可以对不同切削路径和切削参数进行使用寿命的预测,得出丝杠上不同位置的使用寿命情况。在现有数控机床的基础上,选用三向测力仪器,采集卡等组成实验的切削力数据采集部分,运用VB开发的采集软件对数控机床OPC系统进行信息采集,建立不同工艺参数的切削实验,对特定零件进行加工,采集实际加工过程中的信息。运用MATLAB结合使用寿命预测模型对实验数据进行分析。实验结果表明,所建立的使用寿命预测模型能够反映各种工艺参数下的丝杠疲劳损伤寿命情况及变化规律。

基于激光诱导击穿光谱与径向基函数神经网络的铝合金定量分析

采用激光诱导击穿光谱(LIBS)技术激发铝合金标样表面的不同位置,得到320组光谱数据;然后对原始光谱数据进行预处理,并选取铝合金中6种主要元素的20条特征谱线构成320×20光谱数据矩阵;再采用主成分分析法对光谱矩阵进行降维,使模型输入变量从20个降至6个;最后,将经过主成分降维的光谱数据作为径向基函数神经网络的输入量,对铝合金中5种主要非铝元素(Si、Fe、Cu、Mn和Mg)建立多元定标模型。结果表明:该模型的拟合优度均值为0.978,均方根误差均值为0.31%;主成分分析结合径向基函数神经网络的方法能够有效减小参数波动,并能校正基体效应,提高模型定量分析的精度和稳定性,尤其是对于Fe、Si和Cu等低含量元素的分析精度具有明显的提升作用。

激光诱导击穿光谱中分析谱线的自适应选择方法

激光诱导击穿光谱技术具有实时在线、非接触式测量和无损分析等优点,在物质检测领域得到了广泛应用,选择合适的分析谱线是其取得良好检测效果的重要基础。结合遗传算法(GA)的全局优化能力和粒子群算法(PSO)的局部搜索能力,提出了一种从激光诱导击穿光谱的原始光谱数据中自适应选择分析谱线与内标谱线的方法,利用该方法选择的分析谱线与内标谱线对铝合金中4种主要非铝元素(Mg、Mn、Si和Fe)进行定量分析,得到的拟合优度均值为0.972,均方根误差均值为0.35%,相对标准差均值为3.53%,最后遍历其他所有分析谱线进行定量分析,并对比它们的定标性能。结果表明,利用PSO-GA搜索优化得到的分析谱线与内标谱线较PSO、GA算法获得的谱线更优。

基于响应面法的激光诱导击穿光谱实验装置参数优化研究

激光诱导击穿光谱技术(LIBS)具有无需制备样品、多元素同时测量和快速检测等优点,在物质检测领域得到了广泛应用,选择合适的实验装置参数是其取得良好检测效果的重要基础。在单因素实验的基础上,以激光能量、延迟时间和焦深为影响因素,以光谱信背比作为响应指标,建立了一种优化激光诱导击穿光谱实验装置参数的多因素响应面模型。研究了不同影响因素及它们之间的耦合作用对光谱质量的影响,得到的最优实验参数为激光能量114 mJ,延迟时间1.86μs,焦深1.75 mm。最后,对响应面法所得的最优实验参数进行实验验证,得出谱线信背比均值为7.45,较单因素实验法提高了1.92%,相对标准偏差为3.16%,较单因素实验法下降了0.94%。结果表明,响应面法比单因素实验法更加有效、可靠。