基于时间卷积网络的刀具磨损在线监测

在刀具磨损监测领域中,传统卷积神经网络难以选择合适的卷积核大小,循环神经网络容易发生梯度消失和梯度爆炸,为克服以上缺点,引入时间卷积网络构建在线监测模型对刀具磨损量进行监测。考虑到原始数据量过大且每次走刀过程所采集数据量不同,对数据进行降采样处理,获得了大小为(7,5000)的网络输入数据。通过一维卷积神经网络和时间卷积块的依次叠加,对数据进行特征提取,使用全连接网络将特征映射到刀具磨损值。最后,使用PHM大赛中铣刀磨损的数据验证了模型的效果。实验结果证明,基于时间卷积网络的刀具磨损在线监测模型具有较强的泛化能力,在验证集上均方误差和平均绝对误差分别仅为65.16与6.21,相较于隐马尔科夫、梯度提升树等模型具有较大的提升。

薄壁零件的铣削加工稳定性研究

为控制薄壁结构零件加工过程中的变形和切削振动,在考虑刀具和工件两个方向的自由度的基础上,分析、建立了薄壁零件的动态铣削模型。针对2A12铝合金薄壁结构零件,利用M ikron高速加工中心和相关仪器,通过铣削力实验和模态实验,分别测得特定刀具和工件系统的动态铣削力系数和模态参数,从而绘制出高速铣削薄壁零件的稳定性叶瓣图,得到了不同径向切深条件下的极限轴向切深,并通过试验进行了验证。这种方法可用于相关薄壁零件加工时合理选择切削用量。

薄壁零件高速铣削振动影响因素研究

铣削振动对薄壁零件的加工过程有很大的影响。进行了薄壁件动态特性分析工艺试验,在不同走刀顺序、不同切削参数下进行了振动位移动态信号分析,对试验结果进行了讨论;研究了几种切削参数对薄壁零件加工颤振的影响。通过对比,得到了系列有益的结论:为了保证薄壁零件加工过程的平稳和加工质量,应采用大径向切深、小轴向切深的切削方式、选择合适的每齿进给量和切削速度等,为进一步研究薄壁件切削加工动态特性、进行切削参数优选奠定了基础。

薄壁零件高速铣削稳定性的分析

针对薄壁零件在铣削加工过程中存在的切削颤振问题,建立了铣削颤振理论模型,进行模态分析试验和铣削加工试验,获取系统动态性能参数和铣削力系数.在此基础上建立了薄壁结构零件铣削加工的稳定性耳瓣图,为今后的薄壁零件加工稳定性研究工作打下了基础.