自动钻铆最佳干涉量试验研究

在MPAC自动钻铆机上采用不同压铆力对7075铝板进行自动钻铆试验研究,分析了压铆力对干涉量和疲劳寿命的影响,得出了压铆力为21kN时试件的疲劳寿命最好,此时的干涉量为1.53%~1.77%。通过压铆力与镦头膨胀率之间的线性关系,得出最佳干涉量的直观判断方法,即镦头膨胀率为76.85%左右时试件取得最佳干涉量。     

基于变形力数据的结构件残余应力场重构方法

残余应力是引起零件加工变形和失效的重要因素,残余应力场的重构有助于消除和控制零件在设计、制造、评价和使用过程中的残余应力。针对已有方法难以准确重构残余应力场的问题,提出了一种通过零件加工过程中的变形力数据实现零件残余应力场重构的方法。该方法首先提取了由于材料去除引起的应力重新分布带来的装夹力变化数据,即变形力。残余应力到变形力之间通过协方差矩阵自适应进化策略(CMA-ES算法)反复迭代求解出映射关系,从而构建出零件的残余应力场,最后在仿真环境下对该方法进行了验证。验证结果表明:该方法能较好地预测残余应力场,重构出的零件的初始残余应力场与原始施加的应力场平均误差值约0.38 MPa,为零件残余应力场的重构提供了一种新思路。     

复杂结构件数控加工浮动装夹自适应控制方法

为了减小复杂结构件数控加工产生的变形,满足装夹自适应调整需求,基于浮动装夹加工原理提出了浮动装夹自适应控制方法,研究了基于CAN(Controller Area Network)总线的浮动装夹系统通信、零件受力和变形的监测与检测、基于OPC(OLE for Process Control)的机床状态监测、数控机床和夹具协同控制等关键技术,开发了浮动装夹自适应控制系统。此系统在航空制造企业进行了实际加工应用验证,能够实现装夹自适应调整,满足工业应用需求。     

基于特征的飞机结构件加工状态监测方法

为有效监测飞机结构件加工过程中出现的刀具严重磨损、刀具破损和加工颤振等异常加工状态,提出基于特征的飞机结构件加工状态监测方法.分析了加工特征对监测加工状态监测的影响,运用小波分析方法提取加工特征关于加工状态的信号特征量,应用支持向量机方法对加工状态进行辨识.实例结果表明,该方法能有效的监测飞机结构件异常加工状态,具有较高的工程实用价值.     

基于切削力信号-几何信息-工艺信息的铣削加工刀具状态实时辨识

刀具状态的实时辨识对提高数控加工效率和质量、降低加工成本具有重要作用。对于单件小批量生产模式下的复杂零件,加工过程中的几何形状和切削参数不断变化,为刀具状态的准确辨识带来很大挑战。针对以上问题,提出了一种基于切削力信号-几何信息-工艺信息的铣削加工刀具状态辨识方法。采集加工过程中不同刀具状态的切削力信号,并对其做时域和时频分析,提取切削力信号的特征量,与加工工艺信息和零件几何信息相关联,建立输入向量,构建基于BP神经网络的刀具状态辨识模型并训练,在实际加工中通过神经网络模型实现刀具状态的实时辨识。经过试验验证,该方法可以基本满足铣削加工刀具状态的实时辨识。     

复杂结构件数控编程加工特征用户自定义方法

加工特征是实现复杂结构件高效、高质量数控编程的有效手段,但是同一类加工特征只是几何形状和加工工艺相似,并不完全相同。如何适应不同的企业资源与工艺水平、不同类型的复杂结构件进行加工特征定义是基于加工特征进行自动数控编程的一个难题。针对以上难题,本文提出了一种复杂结构件数控编程加工特征用户自定义方法,基于全息属性面边图表达加工特征几何信息,给出了具有一定柔性的加工特征几何信息定义方法,基于语义与规则建立加工特征工艺信息及其与几何信息之间的关联关系,实现了由用户根据企业的制造资源、零件结构和工艺人员的编程习惯等因素自定义加工特征。根据本文提出的方法开发了飞机复杂结构件加工特征用户自定义及自动编程系统,已成功应用于国内某大型航空制造企业的飞机结构件数控编程,经过多项飞机结构件测试,本文提出的方法特征识别正确率平均达到97%。     

基于5+1轴的增减材混合加工验证平台设计与研制

叶轮、整体叶盘等航空发动机结构件的外形复杂、精度要求高,对传统加工方法提出了很大的挑战。增减材混合加工融合增材加工和减材加工的优势,是解决复杂结构零件加工的一种有效手段。为了验证混合加工工艺规划算法的可行性,搭建了基于5+1轴的增减材混合加工算法验证平台,以小型雕刻机为基体,以X、Y、Z为3个平动轴,以B、C摇篮摆为转动轴,实现五轴联动,附加一轴控制挤出机喷嘴送料,设计了机械装置。使用导轨机构将3D打印挤出机与雕刻机加工主轴集成为一体,减少了混合加工增减材加工操作切换时间,提高了混合加工效率,并使用Mach3六轴数控系统控制各轴运动,可完成增减材混合加工过程,实现了对混合加工工艺规划算法的验证。     

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。