具备高适应性的高速铣削刀具磨损状态监测系统

为提高加工监测系统的适应性和智能化程度,提出基于刀具磨损曲线的实时刀具状态监测系统。自学习能力的引入使该系统可自动进行不同刀具状态的识别和磨损程度的估计,较大程度上摆脱对系统事先"教学"的依赖。同时为有效抑制切削参数变化带来的干扰,提出一种特征提取方法来自动提取敏感特征,减少监测系统开发时间和成本。针对高速铣削过程的刀具磨损监测,采用切削力和声发射传感器来采集信号,并运用时域、频域和小波分析技术来对信号进行处理,试验结果证明了所提出的自动特征提取方法的有效性和智能刀具状态监测系统的高适应性。     

麻花钻磨损振动信号的时域与频域特征分析

本文提出采用振动信号监测钻削过程中钻头的磨损状态。对主轴振动信号随钻头磨损而变化的时域和频域特征进行了实验研究和理论分析。实验表明:振动信号能够较好地反映切削过程中刀具的状态。随着刀具磨损的增加,振动信号的振幅增大,振动能量亦相应增加。信号的时域波形和谱结构表明刀具在即将发生剧烈磨损之前,将出现所谓“转速调制现象”,即与转速同步的振动信号被高频信号所调制。文中解释了这种现象发生的机理,并提出利用该特性进行钻头磨损监测和预报的方法。建立了以APPLE—Ⅱ微型机为主体的刀具磨损监测系统,实际监测试验表明监测系统具有很好的应用前景。     

基于神经网络的智能刀具状态检测系统

可靠的在线刀具磨损状态检测是柔性制造系统、计算机集成制造系统以及自动化机床必不可少的一个环节。文中论述了用反传神经网络与一类模糊神经网络分析处理由力传感器和声发射传感器所测得的刀具状态信号,识别出刀具的磨损情况,从而进一步实现刀具磨损状态的在线检测,控制自动机床及时更换刀具。本研究对四种规格的钻头的磨损情况进行了全程检测,并比较分析了反传神经网络与模糊神经网络对这一问题的有效性。实验结果表明,这两种方法对处理刀具磨损状态检测均有显著的效果与很高的准确性。用一类模糊神经网络处理多传感器信息是实现刀具状态在线检测的一个极为有效的方法。     

低温氮气油雾对陶瓷刀具加工镍基K424合金的影响

在于切削、低温氮气和低温氮气油雾3种冷却润滑条件下,通过Sialon陶瓷刀具和SiC晶须增韧Al2O3陶瓷刀具车削K424镍基高温合金的实验,研究了低温氮气及油雾对刀具磨损和表面粗糙度的影响,开发了一个新的冷却系统以获得低温氮气.试验结果表明,切深线沟槽磨损严重限制陶瓷刀具使用寿命,与干切削相比,使用低温氮气和低温氮气油雾增加了切深线沟槽磨损速率,但降低了已加工表面的质量.     

TiN涂层刀具高速铣削铝衬PCB的刀具磨损规律

采用单因素实验比较了不同切削条件下,高速铣削铝衬PCB的TiN涂层立铣刀后刀面磨损VB值的变化。研究冷却方式、主轴转速、每齿进给量对刀具磨损的影响规律。在金相显微镜下观察刀具磨损形貌和分布,发现前刀面上有大量粘结物,并极易产生积屑瘤;而切削路程超过2 000mm时,加工表面质量严重下降,铜箔翻边。     

硬质合金刀具高速铣削航空铝合金时的磨损形态及磨损机理

对硬质合金整体立铣刀高速铣削加工航空铝合金时的刀具磨损形态及其磨损机理进行了观察和分析.结果表明:在高速切削条件下,硬质合金整体立铣刀的磨损形态主要表现为涂层破坏、月牙洼磨损、微崩刃、剥落和破损等.磨损机理主要是粘结磨损、扩散磨损以及疲劳磨损.与常速铣削磨损机理的不同之处在于高速旋转形成的热、力耦合的应力场对硬质合金刀具的作用与冲击影响占主导地位.     

冷却润滑介质对钛合金Ti6Al4V加工性能的影响(英文)

为了更好地理解和认识冷却润滑介质在切削过程中的作用并延伸它们的应用,应用无涂层硬质合金对钛合金Ti6Al4V在不同冷却润滑介质下(干切削、冷风、最小量润滑(Minimal quantity lubrication,MQL)、低温MQL以及电离空气)进行了高速车削试验。结果表明,在120m/min车削Ti6Al4V时,电离空气条件下的切削力最小,低温MQL条件下切削温度最低。电离空气条件下的刀具寿命最长,其次是低温MQL。同时,电离空气条件下获得的加工表面粗糙度最小。通过扫描电镜分析,高速车削Ti6Al4V时,后刀面磨损和月牙洼磨损是刀具磨损的主要方式。实验说明电离空气与低温MQL具有较好的冷却与润滑效果,可以有效地提高刀具寿命。     

用于高硬度模具钢SKD11的铣刀几何角度优化及试验

在切削淬硬模具钢SKD11中,为开发和选用与生产条件相匹配的具备优化几何角度的高性能铣刀,对专用于高硬度模具钢SKD11铣刀的几何角度进行了优化及试验分析.设计了4类不同几何结构的TiAlN复合涂层铣刀.从切削力、切削振动、切削变形、铣刀耐用度以及铣刀磨损机理等方面对这4类铣刀高速铣削SKD11过程进行了研究,综合评价其铣削性能,确定了在常用的高速加工生产条件下的优化铣刀.所选择的优化槽形铣刀具的寿命比之其他刀具延长3倍,在切削力和切削振动方面,该刀具具有最稳定的表现,而且大小较其他刀具下降70%.     

车刀破损快速报警的实验研究

刀具破损的突发性和危害性对刀具监测系统提出了快速报警的要求。本文对切削振动信号在车刀破损时的变化规律进行了实验考察,提出了用均值分量的偏移和高频分量的短时消失来监测车刀破损的方法,并在已建立的微机监测系统中获得了满意的试验结果。     

低温铣削T800 CFRP多向层合板的刀具磨损研究

碳纤维增强树脂基复合材料（Carbon fiber reinforced plastics, CFRP）因其高强度比以及优秀的耐腐蚀等优异性能在航空航天、汽车等领域得到广泛应用。然而,由于CFRP材料的非均质性和各向异性,其加工过程相较传统均质材料更为复杂,导致刀具磨损严重。针对这一问题,本文选用PCD立铣刀对T800 CFRP多向层合板材料进行低温铣削试验,研究了切削速度、每齿进给量以及切削介质温度等对PCD刀具后刀面磨损的影响规律。结果表明,随着切削速度和每齿进给量的增大,刀具后刀面磨损带宽VB呈下降趋势,切削介质温度为-50 ℃时能够得到较小的刀具后刀面磨损带宽。此外,通过MATLAB对试验结果进行了非线性拟合,获得了切削速度、每齿进给量以及切削介质温度与刀具后刀面磨损带宽的映射关系经验模型,为T800 CFRP材料铣削刀具磨损抑制和延长刀具寿命提供了关键支撑数据。     

模糊逻辑的神经网络实现

研究了模糊控制中，模糊推理规则由多层神经网络实现问题。将模糊推理规则中的每一个规则的前件知识，直接嵌入神经网络的权中，然后利用神经网络的自学习功能；自动辨识控制规则，且对隶属函数进行微调整。其学习方法主要采用误差逆传播算法。     

基于神经网络的非线性自适应输出反馈控制

针对能够采用仿射非线性表示的含有未建模动态的SISO非线性系统，讨论了一种基于神经网络的自适应控制方法，该方法对受控对象的已知部分，有用反馈线性化方法设计控制器，用神经网络在线补偿未建模动态及外部干扰等引起的误差，从而实现自适应控制。对具有未建模动态的双车倒立摆设计了输出反馈自适应控制系统，仿真表明该方法是有效的。     

SOM神经网络在卫星电源系统故障诊断中的应用

研究了自组织特征映射（SOM）神经网络的结构及学习算法，提出了利用SOM神经网络对输入样本的“聚类”作用，实现对故障模式的分类，并据此对故障进行诊断的新方法，通过对某卫星电源系统故障的诊断实例，验证了该方法是有效可行的，能对卫星电源系统的故障进行准确的实时诊断。     

神经网络在直升机空空导弹攻击中的应用研究

应用神经网络方法研究了直升机发射空空导弹的一些问题。文中首先介绍了直升机空空导弹攻击的火控系统原理；其次，对复杂且不稳定的直升机飞行运动模型设计了模糊神经网络控制器；然后，用BP网络实时计算了直升机发射空空导弹的空中攻击包线；最后，设计了综合火／飞控制系统，并对所设计的整个攻击系统进行了仿真，通过仿真证明满足系统设计要求。在神经网络设计中，采用了变尺度优化算法，提高了算法的速度和精度，对空战的实时应用提供了重要的参数价值。     

一种直升机的组合智能飞行控制系统的设计

讨论了模糊逻辑控制与神经网络相结合的一种控制方法,给出了一种增益自适应调整的模糊控制方法和ＢＰ网络自适应变步长学习算法,前者提高了系统对参数变化的适应能力,同时也提高了系统的控制精度,改善了系统品质,后者缩短了网络的学习时间,有利于实时控制的实现。这两种方法成功地用于直升机飞控系统的设计。同时,针对某型直升机用数字仿真证明了该方法的优点和良好效果     

基于模糊径向基神经网络的小型无人机控制系统研究

为保证小型无人机的飞行安全,提出一种由无人机飞行控制器和地面学习单元构成的两层网络学习控制系统架构。无人机飞行控制器采用模糊控制策略,学习单元采用经遗传算法优化的径向基神经网络,充分利用模糊控制和神经网络的各自优势,将模糊控制策略与RBF神经网络相结合提出了一种基于RBF神经网络的自学习模糊控制策略。所设计的飞行控制器用于无人机飞行过程中的姿态控制,仿真及实验结果表明本方法是有效的。     

基于神经网络的飞机极限数据专家系统

利用神经网络专家系统的方法时飞机飞行参数的极限允许值进行计算，可以使推理过程变得简洁、清晰，避免了常规方法在软件实现上的诸多缺点。同时，本文采用一种模糊规则方法对神经网络专家系统的推理行为进行描述，使得神经网络专家系统能够回答有关why和how的询问。以最大允许马赫数的计算为例，本文设计了用于该参数推理的神经网络专家系统．并给出了简单算例。     

一种模糊Modular神经网络模型及其应用

将神经网络模糊系统与模糊C均值聚法相结合，对模糊Modular神经网络进行研究，提出了该模糊神经网络模型的多输出结构及其学习算法，据此开发了模糊神经网络诊断系统，并将其用于某电源分系统的诊断分析，运行的结果表明，该网络模型优于一般神经网络。     

SVM和神经网络在电能质量扰动分类应用中的对比

提出了一种电能质量动态扰动特征向量的提取方法,分析比较了多种分类器对电能质量动态扰动的分类能力。首先采用小波包分解算法对电能质量信号某一频段内的信息进行精细分解从而提取出特征向量,然后针对该特征向量构造了相应的BP神经网络、学习向量量化(Learning vector quantization,LVQ)神经网络、自组织特征映射(Self-organizing map,SOM)神经网络及支持向量机(Support vector machine,SVM)分类器,并模拟实际电网中的复杂扰动信号提取其特征向量集,对多种分类器的分类能力进行对比。仿真结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。