S试件几何形状定义与特性分析

S试件是用于综合检测五轴数控铣床动态加工精度的检测试件,目前已申请纳入国际标准ISO 10791-7标准组作为附加测试件。S试件的型面由两个直纹面构成,但S试件草案中并未对S形直纹面的参数化方式进行详细指定,因而导致S试件的几何形状表达方式不唯一,不同的型面几何定义对试件的检测特性有重要影响。针对以上问题,本文给出了Nurbs参数和等弧长两种典型的S试件直纹面定义方法,对比分析了两种直纹面的扭曲角变化及侧铣原理性误差等特性,并根据分析结果选取Nurbs参数作为S试件直纹面定义方式,从原理上完善了S试件的几何定义,有利于S试件标准的推广。     

基于多源迁移学习的变位姿刀尖点模态参数预测

切削颤振会导致被加工工件表面质量变差、材料去除率降低以及刀具磨损增加等问题。刀尖点模态参数是构建稳定性叶瓣图、选取无颤振加工参数必不可少的输入。然而在加工过程中刀尖点模态参数随刀具位姿而变化且刀具更换频繁,经典锤击试验方法效率低、成本高,如何准确高效地预测变位姿下的刀尖模态参数成为切削加工中亟待解决的问题。本文结合迁移学习思想,提出一种基于多源迁移学习的变位姿刀尖点模态参数预测方法。当更换新刀具后,仅需通过锤击试验获取少量位姿下的刀尖点模态参数,再结合已有多把刀具的模态参数数据进行多源迁移得到新刀具的刀尖点模态参数预测模型。最后,在实际五轴机床上进行试验,试验表明所提方法是有效的。     

基于KNN的机床刀尖点频响函数预测

加工颤振是影响工件表面质量、加剧刀具磨损和降低机床寿命的重要原因,颤振抑制一直以来都是学术界和工业界关注的重点。稳定性叶瓣图是现有颤振抑制方法的重要依据,而机床刀尖点频响函数是绘制稳定性叶瓣图的主要输入。锤击试验法是目前获取刀尖模态参数最为准确的方法,但是在机床结构变化频繁的应用场景下,该方法效率低,机床需要长时间停机,难以满足实际生产要求。提出了基于KNN的机床刀尖点频响函数预测方法,将锤击试验法和KNN算法相结合,大幅减小了锤击试验的次数,同时准确获得机床刀尖点频响函数。在试验验证中,将该方法和传统RCSA方法进行对比,结果表明所提方法具有良好的准确度。