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。

基于珩削力预测模型的工艺参数优化及试验研究

为研究珩齿加工过程中工件齿轮转速、 x轴的进给量、z 轴的进给速度对内齿珩轮强力珩齿加工过程中珩削力的影响规律,文章运用Box-Behnken设计方法设计内齿珩轮强力珩齿加工试验;根据监测所得的径向力响应数据,基于多元线性回归技术建立了珩削力预测模型;采用方差分析方法检验了预测模型的拟合度及各独立输入参数的显著性;以珩削力预测模型为目标函数,以加工参数选择范围及实际生产所需加工时间节拍为约束条件,基于狼群算法对内齿珩轮强力珩齿加工工艺参数进行了优化。结果表明,在合理的加工时间范围内,选择出最佳的珩削参数组合以获得最小的珩削力是可行的。