双转台五轴数控机床主轴热误差测量与建模

为了测量数控机床实际切削加工过程中主轴的热误差,并优化热误差模型的输出,提出利用热测试件测量机床主轴热误差的方法,并利用误差特性分离出热误差。针对机床热误差建模中温度测点优化选择的问题,提出基于K-means++算法和相关系数法相结合的方法选取温度敏感点,采用K-means++算法对所有温度测点进行聚类,相关系数法计算各个温度变量与主轴热误差之间的相关性,从而确定温度敏感点,结合分离出的热误差建立主轴热误差多元线性回归模型。在VMC-C50双转台五轴数控机床上对该方法进行试验验证,结果表明,温度测点的数量由8个减少为2个,模型的预测精度及鲁棒性得到有效提升。

深度学习与多信号融合在铣刀磨损状态识别中的研究

为精确地识别刀具磨损状态,提出了一种深度学习与多信号融合相结合的识别方法。以自编码网络为基础,构建了堆叠稀疏自编码网络。采集铣刀不同磨损状态下的力信号、振动信号及声发射信号,并对上述信号进行小波包分解以便获取能够表征铣刀磨损的时频域特征。利用无监督学习和有监督学习对堆叠稀疏自编码网络进行训练,建立了深度学习的铣刀磨损状态识别模型。研究结果表明,多信号融合的深度学习模型对铣刀磨损状态识别准确率达到94.44%。

考虑力致变形影响的薄壁件铣削多点接触稳定性预测

薄壁件具有弱刚性的特点,因此在加工过程中极易诱发颤振,同时由于铣削力的存在,导致工件的变形不可避免。力致变形的存在导致径向切深的改变,从而造成切入和切出角的变化,最终影响了加工的稳定性。同时,在侧铣过程中,薄壁件动力学参数沿刀轴方向变化明显,所以在建立动力学模型时,需要同时考虑力致变形和多点接触的影响。首先,对铣削力进行了建模,并考虑了铣刀螺旋角的影响;其次,提出了一种变形量迭代提取的方法,借助Workbench软件提取了不同轴向切深处由于铣削力导致的工件变形并进行了拟合。然后,对工件进行了模态分析,提取了工件的模态振型并进行了拟合。最后,将刀-工接触域沿刀轴方向进行了离散,计算了各节点处的振型和由于铣削力导致的工件变形,综合这些因素建立了考虑力致变形的多点接触动力学模型。最后以钛合金(Ti6Al4V)为研究对象,进行了实验验证,并与未考虑力致变形的多点接触动力学模型进行了对比,证明了本文所提模型的优越性。

钛合金铣削过程刀具前刀面磨损解析建模

钛合金Ti6Al4V作为典型的航空航天难加工材料,在其铣削过程中硬质合金刀具的磨损会降低加工过程稳定性,进而影响加工效率和已加工表面表面质量。刀具前刀面磨损会导致刀具刃口强度降低,并影响切屑的流向和折断情况。针对前刀面磨损机理进行分析并构建了月牙洼磨损深度预测模型。首先运用解析方法构建了前刀面应力场模型,得到切屑在前刀面滑动过程中的刀具前刀面应力分布情况及磨损位置。基于刀-屑接触关系的基础上建立了前刀面温度场模型。然后,基于所得刀具前刀面应力与温度分布,构建综合考虑磨粒磨损、粘结磨损与扩散磨损的铣刀月牙洼磨损深度预测模型,获得月牙洼磨损预测曲线;结合铣刀月牙洼磨损带沿切削刃方向分布的特点,建立了随时间变化的铣刀前刀面磨损体积预测模型。最后通过试验验证了切削宽度对前刀面磨损的影响规律,预测结果与试验测量值具有较好的吻合性。结果表明随着切削宽度的增加,月牙洼磨损深度及前刀面磨损体积都随之增加。研究结果为钛合金铣削用刀具的设计和切削参数的合理选择提供了理论基础。