智能制造刀具管理系统及刀具剩余寿命监测功能开发

伴随智能制造技术的深入推进,刀具管理系统的功能根据用户业务需求在不断拓展。针对工艺设计后的刀具选购、使用直至报废等环节,基于"刀具流"开发了一款智能制造刀具管理系统,更精确地实现了刀具使用过程的数字化、网络化、智能化和可视化全生命周期管理。鉴于目前刀具状态监测技术的复杂和可靠性低等问题,在工程应用上提出了一种基于被加工工件表面粗糙度间接预测刀具剩余寿命的方法。整个系统在现场得到了良好应用。     

刀具状态监控技术在数控铣削加工中的应用

在分析刀具状态监控系统关键技术的基础上,结合航空结构件数控铣削加工领域对刀具状态监控系统的研究,分析了ARTIS系统的组成、工作原理和应用方法,介绍了智能刀柄和视觉检测方法的研究进展,给出了各种加工过程刀具状态监控系统的研发建议和应用展望。     

基于单元状态监控的机联网智能制造系统架构设计探析

随着"工业4.0"和"中国智能制造2025"指导框架的提出,制造领域面临急迫的产业转型与升级改造,机械制造产业也必将向智能制造时代迈进。精密制造领域作为机械制造产业中的重要分支,其对质量控制的要求越来越高,尤其在同类型产品的批量化精密制造中,高精度、高质量与高良率是制造过程必须考虑的首要因素。基于同类产品批量化精密制造的特点,本文在以大数据及物联网为架构的智能制造基础上,提出一种基于制造单元加工状态监控与决策的机联网智能制造子系统框架模型,并对其功能组成及架构设计进行了初步探析。首先论述了大数据、物联网与精密制造的内在联系;然后介绍了可实现制造单元加工状态和过程监测的相关技术与系统功能,并详细分析了制造单元加工状态大数据的获取与处理以及智能制造单元的智能控制方法;再次围绕实现车间级或局部制造区域内批量化精密制造系统的质量控制需求,探析了以无线自组网为基础组建批量化精密制造智能控制与决策的机联网子系统功能架构设计;最后以课题组目前开发的光学精密制造智能控制子系统为例进行了说明。     

面向智能制造的车间大数据关键技术

随着"智能制造"理念的深入人心,制造业也开始逐步向智能化方向发展,大量数据采集设备在车间投入使用,采集了车间生产过程中的海量数据。大数据技术通过对这些数据进行分析处理,从而充分发挥数据的价值,提高企业的生产管理水平,进而提高企业的竞争力。通过对大数据在制造企业的应用进行分析,提出具有通用性的智能车间大数据处理平台架构,从数据集成、数据处理、数据分析3方面讨论了车间大数据技术,给出了大数据技术在智能车间的应用方向。大数据技术在车间的广泛应用必将给制造行业带来变革,将智能制造的发展推向新的阶段。     

虚拟制造系统中刀具磨损预测技术分析

虚拟制造系统中刀具磨损仿真作为物理仿真的一个模块,对加工精度和表面粗糙度等仿真模块都有影响,是影响虚拟制造系统发展的关键技术。本文综述了虚拟制造系统中刀具磨损技术的发展过程,列举出几种典型的刀具磨损计算方法,对比分析了各种方法的优缺点,提出以二维值来描述刀具磨损乃至刀具磨损的三维仿真将成为虚拟制造系统中刀具磨损预测技术新的发展方向。     

柔性制造技术及其发展

概述了柔性制造技术的基本概念、优缺点、其“柔性”以及发展的支撑条件,探讨了柔性制造技术发展的现状与趋势,并指出“柔性”、“敏捷”、“智能”和“集成”乃是现今制造设备和系统的主要发展方向。     

飞机线束数字化制造系统研究与开发

针对某线束企业目前线束工艺缺乏有效校验、设计效率低、生产过程管理和技术状态控制薄弱的现状,在分析航空线束工艺设计和制造现状的基础上提出建立数字化制造系统,利用信息技术为工艺设计提供智能辅助支持,实现对生产过程的显性化管理和对技术状态的有效控制。通过建立数字化制造系统,在提高线束工艺设计的效率、加强对工艺文件的技术状态管理、提升对线束生产过程的控制能力等方面取得了明显的进步,并通过实例验证系统的实用性和有效性。     

电机智能制造远程运维系统设计与试验平台研究

针对电机智能制造远程运维的需求,设计了基于云平台的电机智能制造远程运维系统。从远程运维系统的整体架构、信息架构及试验验证平台等方面进行了详细阐述。远程运维系统可以对电机制造过程和现场应用过程中的电机参数信息进行实时采集,实现电机全生命周期的运维管理。平台的应用有助于企业提高电机生产质量,减少了电机运维成本,加快了电机运维服务响应速度,提升了售后服务水平,提高了电机的智能制造水平。     

面向智能制造的航空发动机企业标准化探究

结合智能制造系统架构,从生命周期、系统层级和智能功能3个维度分析了航空发动机企业智能制造发展方向以及智能制造对航空发动机企业标准化的挑战,指出面向智能制造的航空发动机企业标准化的重点工作。     

复合材料钻削刀具状态集成学习分类技术

刀具状态监测关系到工件加工质量,因此实时掌握刀具的磨损状态具有重要的意义。针对单一模式识别分类器的局限性,提出了基于异态集成学习模型的刀具状态监测系统。在该系统中,根据集成学习基分类器选择原则,选取了支持向量机(SVM)、隐马尔科夫模型(HMM)以及径向基神经网络(RBF)这3个单分类器作为基分类器。为了验证监测系统的有效性,进行了复合材料钻削实验,提取了加工过程中的钻削力信号、振动信号的时域特征并利用局部保持法(LPP)进行了特征选择。通过与单分类器和集成学习分类效果的对比,表明了集成学习模型相比于单一基分类器具有更高的分类精度和更好的稳定性。