滚珠丝杠进给系统刚柔耦合动力学建模与时变动态特性分析

数控机床运行过程中,多轴滚珠丝杠进给系统的刚度和惯量会随着各轴位姿的变化而变化,致使其动态特性呈时变的特点。多轴滚珠丝杠进给系统时变动态特性的高保真建模与分析已成为数控机床轮廓误差精准预测的瓶颈难题之一。针对这一难题,提出基于拉格朗日方程与Ritz级数法的滚珠丝杠进给系统刚柔耦合动力学建模与分析方法。以某型号五轴加工中心的两轴滚珠丝杠进给系统为具体对象,重点考虑丝杠本体轴扭方向的连续弹性体变形影响,采用拉格朗日方程建立滚珠丝杠进给系统的刚柔耦合动力学模型,并采用Ritz级数法对方程求解,得到动力学模型的数值解。利用所建立的动力学模型分析进给轴位姿对两轴进给系统固有频率和模态振型的影响,发现各阶固有频率和模态振型随进给轴位姿的变化规律与对应阶次的主导轴有关。随着主导轴进给台由固定端移动至支撑端,对应阶次的固有频率逐渐减小,对应阶次的振型中丝杠本体的弹性振动幅值逐渐增大。此外,两轴进给系统的低阶模态振型主要由承载轴主导,高阶模态振型主要由附属于承载轴的子轴主导。最后,通过模态实验对所提方法进行应用验证,证明所建立动力学模型的准确性。研究结果对数控机床轮廓误差的精准预测具有重要参考价值。

基于IDRSN-BiLSTM的铣削加工表面粗糙度预测方法

针对传统的表面粗糙度预测方法过度依赖人工提取特征以及预测精度较低的问题,提出一种基于Inception模块改进的深度残差收缩网络(IDRSN)和双向长短时记忆网络(BiLSTM)的表面粗糙度预测方法。首先,利用深度残差收缩网络(DRSN)中软阈值化结构和注意力机制对输入信号进行降噪处理。其次,引入Inception模块构建IDRSN以提升网络的多尺度信息获取能力,实现自适应多尺度特征提取。然后,引入反向长短期记忆(LSTM)构建BiLSTM预测网络,利用正反两个LSTM提高网络捕捉历史和未来完整信息的能力。最后,进行实验验证,分别对比IDRSN、DRSN、BiLSTM和人工提取特征4种方法的提取特征效果,以及BiLSTM、卷积神经网络(CNN)、DRSN和CNN-LSTM 4种表面粗糙度预测模型的预测精度。结果表明所提方法具有较高的预测精度,为铣削加工表面粗糙度预测奠定了方法基础。

数字孪生机床的内涵、体系架构及关键技术

为了在智能制造大背景下充分利用新一代信息技术促进机床智能化升级,实现机床高质量发展,详细阐述了数字孪生机床的内涵和体系架构,在此基础上给出数据感知与融合、机理—数据—知识混合驱动的数字孪生模型构建与虚实同步、多层级参数动态优化与协同调控3项数字孪生机床关键技术;最后,给出数字孪生机床的工程案例,为数字孪生技术赋能机床智能化研究奠定了基础,推动了机床智能化发展。

计算机数据库的备份与恢复技术研究

随着计算机科学技术的发展进步,在各行业中都得到了广泛的应用,其在社会经济发展中的重要作用逐步得到体现。计算机数据库作为一种数据存储技术,是计算机技术应用中较为重要的方面,是大数据、云计算等计算机应用技术的基础设施。数据的重要性越来越受到人们的重视,同时,如何保证数据的完整性和安全性,以及当数据遭受破坏后如何快速完整地恢复数据,让系统恢复正常运行,显得尤为重要。因此,研究计算机数据库的备份与恢复技术具有非常现实的意义。