考虑不同振动方向的超精密车削表面形貌建模及分析

构建了考虑不同振动方向的车削表面形貌模型,基于模型研究了理想车削、轴向振动车削、径向振动车削对车削轨迹和表面形貌的影响差异。分析了轴向振动车削工况下不同的进给速度、刀尖半径、主轴转速和背吃刀量对表面形貌的影响。研究结果表明:轴向振动车削对表面形貌影响较为显著;轴向振动车削状态下表面粗糙度随进给速度的增加而增加,随刀尖半径的增加而减小,随主轴转速的增加而减小,背吃刀量的变化对粗糙度影响不大。本研究旨在为不同振动车削仿真分析和参数优化提供理论基础。

基于UG的沟槽车削编程

该文以带有非圆曲线沟槽的零件为例,介绍了如何利用UG CAM车削加工功能,编制切槽加工程序的设置方法。该文从如何快速建立加工模型开始,论述了坐标系、毛坯、部件、刀具及切削类型选择,最后生成加工刀轨的全部设置过程,重点讲述了切槽时刀轨参数设置的要点,并在文中最后论述了UG编程与手工编程各自的优缺点,提出了从提高编程效率出发,在实际工作中各自的适用范围。

采用LS与RBF网络的过程车削力预测与对比分析

机床车削加工过程中产生切削力是一个复杂的物理现象,其大小和方向受到很多因素的共同影响,并且在加工过程中呈现波动特性。为探究其随着主轴转速、切削深度、进给速度及进给位移的变化规律,分别运用非线性最小二乘法(LS)和径向基神经(RBF)网络对过程车削力进行预测,并对两种预测方法从精度、参数可视程度和适用性等方面进行对比分析。结果表明:采用RBF网络对过程车削力进行预测时,其预测精度高于非线性LS方法,但其参数可视化程度低于非线性LS方法。RBF网络更适用于整体的四个参数过程车削力预测,而非线性LS方法更适用于对切削参数固定而仅改变进给位移的试验组预测。