基于电子齿轮箱的内啮合强力珩齿同步误差补偿方法研究

电子齿轮箱作为一种特殊的多轴联动控制技术,是齿轮展成加工机床数控系统中的控制核心,其同步控制精度决定齿轮加工精度。内啮合强力珩齿作为一种重要的齿轮精密加工工艺,其展成加工精度很大程度上由电子齿轮箱的控制精度决定。文章结合强力珩齿加工的运动学模型,建立了内啮合强力珩齿的电子齿轮箱模型,将强力珩齿加工各运动轴跟踪误差的相对差值定义为同步误差,并将其映射到齿距偏差、齿廓偏差和螺旋线偏差上;提出一种基于电子齿轮箱的同步误差补偿控制方法,建立了同步补偿控制模型;在dSPACE半实物多轴运动仿真平台上,进行内啮合强力珩齿加工的运动控制实验。实验结果表明:所提出的基于电子齿轮箱的同步误差补偿方法可以有效降低内啮合强力珩齿的同步误差。

内啮合强力珩齿工件齿面珩削纹理预测与控制方法研究

以内啮合强力珩齿工艺为对象,研究工件齿面珩削纹理的形成机制,并对珩削纹理进行预测,提出一种珩削纹理的主动控制方法。建立工件齿面接触线模型,模拟珩齿加工过程;研究珩磨轮修整工艺原理,得到珩削速度与加工纹理的映射关系。由于珩削速度受制于工件齿轮与珩磨轮的中心距和轴交角等参数,提出以轴交角和中心距为控制对象,对珩削工件齿面纹理的分布情况及纹理变化趋势进行控制的方法;采用不同工艺参数进行齿轮加工,并对齿面进行三维形貌检测。被加工齿轮齿面检测结果与预测模型高度吻合,表明采用该方法可以实现对珩齿加工纹理的控制。

基于珩磨轮柔性修整的内啮合强力珩齿修形方法研究

采用内啮合强力珩齿工艺加工工件,通常需要用与工件相对应的定制金刚石修整轮对珩磨轮进行修整。为了增加金刚石修整轮的通用性,降低内啮合强力珩齿工艺的成本,提出了一种基于珩磨轮柔性修整的内啮合强力珩齿修形方法。首先,根据珩齿机各轴运动关系,建立珩磨轮修整和工件珩削的齿面数学模型;然后,将珩磨轮修整时机床的多轴联动以多项式形式表示,将各轴运动对最终工件齿面的影响表示为敏感度矩阵,以修形齿面为目标优化各轴多项式系数;最后,根据优化后的机床运动参数计算最终工件齿面,对所得工件进行齿面接触分析。结果表明,该工艺方法可以实现采用标准金刚石修整轮对珩磨轮进行柔性修整,最终加工出有效的修形齿轮工件。

基于多轴联动的内啮合强力珩齿拓扑修形方法研究

作为常用的齿轮精加工的工艺之一,内啮合强力珩齿加工工艺在对齿轮修形时,需要定制与工件相对应的专用金刚石修整轮,使得工艺通用性不高,加工成本较大。文章提出了一种内啮合强力珩齿拓扑修形方法,实现了用标准珩磨轮对工件齿轮齿面任意拓扑修形。建立内啮合强力珩齿拓扑修形齿面数学模型,得到标准珩磨轮和工件齿轮的映射关系,将拓扑修形时机床运动的A轴、X轴的附加运动与电子齿轮箱一起用高阶多项式表示,将多项式中的运动参数变化对加工齿面的影响用敏感度矩阵表示,以修形齿面为目标,以敏感度矩阵中的敏感系数为梯度,利用动态规划算法求解出运动参数,并得到修形后的工件齿面。仿真结果表明该方法可以通过多轴联动实现对齿面拓扑修形,修形误差较小,成本大大降低,方法具有普适性。

内啮合强力珩齿工件表面残余应力的研究

在内啮合强力珩齿工艺中,工件被珩磨轮加工后会在工件表面产生残余应力,由于残余应力形成的因素较复杂,很难用解析法给出精确的计算。文章利用Matlab、SolidWorks和ANSYS/LS-DYNA软件对内啮合珩齿加工过程进行了动态仿真分析,通过对分析结果的提取,得到了齿面上各特殊位置的残余应力值数据表。分析数据结果表明:内啮合强力珩齿珩削表面产生的残余应力为压应力,其大小随珩削工艺参数的不同呈现一定的变化规律;珩削残余应力随珩削速度的增大而减小,随珩削力的增大而增大,在轴交角变化范围内随轴交角的增大而减小。最后实验验证了该有限元分析珩削残余应力的有效性。

数控内齿珩轮强力珩齿珩削力的预测

文章建立了内齿珩轮强力珩齿珩削力的预测模型。首先推导珩齿加工啮合过程中接触线和切削厚度数学模型,并基于此模型将珩磨轮的磨削刃离散为微元磨削刃;然后由平面磨削模型构建珩磨轮的微元磨削刃模型,建立珩齿珩削力预测模型,并分析珩削力随工艺参数的变化规律;最后结合Fassler HMX-400数控内齿珩轮强力珩齿机及其内置的Kistler力传感器进行珩齿珩削力测量实验。实验结果表明,预测的珩削力的数值和变化趋势与实验测量结果相符,该珩削力预测方法有效。

数控内齿强力珩齿珩削力的预测方法研究

为获得内齿强力珩齿加工中的珩削力数值,文章引入反向传播(back propagation,BP)神经网络对其进行预测。以主轴转速、珩轮径向进给量、珩轮轴向进给速度为设计因子开展珩削试验,采用机床内部Kistler测力仪测量获取珩削力;采集试验样本后利用BP神经网络进行训练,得到珩削力的BP神经网络模型,并与相同试验样本下的指数型模型进行了对比。结果表明,BP神经网络模型可以更精准地预测内齿强力珩齿加工中的珩削力,BP神经网络普遍误差均不超过5%,而指数型预测模型误差最大达到了18.94%。但指数型模型在预测珩削力上具有操作简便性的特点,因此2种模型对内啮合强力珩齿珩削力的研究都具有一定的参考价值。