用于铣削加工振动监测的智能刀柄技术研究

针对目前铣削加工自动化的需要和传统振动监测方式使用不方便、可重复性及可移植性差的缺点,开发了用于铣削加工中振动信号监测的智能刀柄系统。通过设计智能刀柄系统并基于Labview平台开发信号采集系统,实现了对铣削加工中振动信号实时监测和预警,并以实验室XS5040立式升降台铣床为例,通过试验验证了该系统的有效性和实用性。

反拱形爆破片翻转行为数值模拟研究

以反拱带锥形爆破片为例,针对爆破片在缓慢加载过程中“失稳翻转”阶段机理不明、翻转压力影响因素复杂、仿真计算难以收敛等问题,采用LS-DYNA对反拱形爆破片的慢载过程进行数值模拟研究。研究结果表明,基于隐-显自适应切换的仿真方法能有效模拟反拱形爆破片的稳态加载与瞬间失稳翻转的非线性屈曲过程。通过仿真计算与试验验证,发现反拱形爆破片随着气压的加载存在“根部自稳定”现象,其翻转行为根据助爆锥与爆破片尺寸匹配程度的不同表现为顶部塌陷的高压力翻转与根部塌陷的低压力翻转,依据此现象可有效实现对爆破压力的调控。

基于铣削力仿真样本和降维分类算法的刀具状态监测方法

针对铣削加工过程中刀具磨损造成的主切削力增大现象,提出一种基于计算仿真、降维和分类模型的铣削力判断方法。该方法基于瞬时切厚推导铣削力计算公式,模拟铣削加工过程的时域切削力。依据刀具磨损和切削力增大的关系,生成模拟样本。对生成的样本进行主成分分析(Principal Component Analysis,PCA)和核支持向量机(kernel-based Support Vector Machine,k SVM)分类训练。试验表明,该方法对铣削力样本具有很强的辨认能力,成本较低,可以应用到刀具磨损判断领域。

基于数据驱动的铣削刀具寿命预测研究

建立了一种基于轨迹相似性和支持向量回归机的集成预测模型,可以预测刀具的寿命。对试验采集到的信号进行了时域和小波分析,研究了信号特征量与刀具磨损之间的关系。计算了45个特征量与刀具磨损之间的相关系数,最终选择5个特征向量作为预测模型的输入向量。样本刀具1、2和3在稳定加工阶段的寿命预测精度分别为88.5%,87.5%和90.5%。并同其他模型进行了对比,结果表明,所提出的集成模型在刀具剩余使用寿命预测方面预测精度更优。

基于小波包分析和LS-SVM的钻削刀具状态识别研究

为了有效地识别钻削刀具磨损状态,提出一种基于小波包分析和最小二乘支持向量机(LS-SVM)的状态识别方法。通过在线监测钻削加工过程中的钻削轴向力和刀具状态,采用时域分析、频域分析以及小波包分析法对刀具磨损状态的信号进行特征向量提取,建立基于最小二乘支持向量机(LS-SVM)的分类识别模型。通过试验验证了该方法可以提高刀具磨损状态的识别精度。

航空结构件典型特征的虚拟高性能加工研究

航空整体结构件由不同的典型特征构成,对整体结构件加工性能的研究,可以通过分别对典型结构特征的加工性能进行研究,然后再组合特征进行特征关联研究的方法实现。虚拟加工是研究切削加工过程的重要仿真方法。在虚拟环境下构建由典型特征组合而成的被加工零件,然后分别应用大进给铣削和大切深铣削两种高性能加工策略进行加工仿真试验。试验结果显示:大进给铣削策略下的主切削力、切削功率和材料去除率明显小于大切深铣削策略下的,并且大进给铣削策略下的比能耗在转角特征处出现明显的突变点。分析发现,由于在转角特征处频繁升降进给速度,使得大进给铣削策略下的材料去除率与理论值出现较大偏差。