智能加工技术在切削颤振在线抑制中的应用

具有薄壁结构的关键航空零部件在切削过程中不可避免发生颤振现象。为提高工件表面质量,在加工过程中对颤振进行准确识别和有效控制已成为该领域的主要研究方向。而对于颤振在线辨识和抑制功能的实现,必须开发集成先进传感器和智能控制算法的智能数控系统,并保证系统中各功能模块线程协调运行。因此,在航空薄壁件的精密加工过程中,利用智能加工技术对切削颤振进行实时辨识和在线抑制将成为未来数控加工技术的发展趋势。     

基于SP-ABC算法的数控铣削参数优化

针对铣削加工中成本最低的优化问题,采用一种改进的人工蜂群(SP-ABC)算法对铣削参数进行优化.在基本ABC算法的基础上,嵌入粒子群(PSO)算法,以提高算法的局部寻优能力.此外,不同于传统的单工序优化,建立的优化目标模型,在考虑实际生产过程中的各种约束条件下,可同时对粗、精两个阶段多道工序同步进行优化.计算机仿真结果表明,相较其他的基本算法,该算法能够找到更优的铣削参数组合,从而实现铣削加工过程的成本最低化.     

智能数控机床及其技术体系框架

首先简要介绍了数控机床的发展趋势,其次结合当前学术界及工业界的实践,对智能机床的概念进行了定义,然后提出了智能机床的技术体系框架,并详细阐述了智能数控系统、智能元器件以及智能化应用技术等智能机床中的关键技术.     

基于MBD的数控加工工艺技术研究

针对传统数控加工工艺设计面临的问题,提出在基于MBD(Model Based Definition)的设计与工艺协同的新模式下,实现工厂工艺资源管理、数控加工工艺设计、工序模型的创建及三维标注、结构化工艺设计、三维作业指导卡的发布等一体化管理与应用.结构化工艺设计技术的应用将极大地缩短产品研制生产周期,为全面推进工厂的数字化建设提供了保障.     

涡轮导向器排气面积测量与分析

针对航空发动机涡轮导向器喉道面积科研生产的需求,研究发动机涡轮导向器喉道面积测量方法,解决发动机涡轮导向器喉道面积测量技术问题,满足发动机型号计量的需求,为航空发动机研制提供有力的保障.     

基于压缩量偏差约束的整体叶盘砂布轮数控抛光路径规划

数控抛光是实现整体叶盘叶片表面光整加工自动化、高效化的关键技术,而抛光路径规划对表面质量有着显著的影响。在抛光曲面时,砂布轮沿接触曲线上的径向压缩量偏差导致材料去除量一致性较差。针对该问题,提出一种基于压缩量偏差约束的路径规划方法。通过对砂布轮受曲面挤压变形几何分析,建立了自由曲面抛光接触线上砂布轮压缩变形量分布模型。在给定刀触点处,以接触曲线上最大压缩量偏差最小化为评价指标构建了刀轴矢量优化模型,并利用改进的粒子群优化（PSO）算法进行求解。基于最优刀轴矢量,完成自由曲面上等参数相邻刀触轨迹曲线的计算。最后,通过数据对比和试验,验证了所提方法的正确性和有效性。结果表明,抛光区域的轮廓度、粗糙度均得到明显的改善。     

刀具声发射信号混沌特征提取及趋势分析

旨在建立一种基于多混沌特征演化分析的刀具磨损状态监测方法,通过计算刀具声发射信号的混沌特性参数分析其磨损趋势。建立首先基于混沌理论分析和描述刀具不同磨损阶段声发射信号的混沌特性,包括：定性描述,即重构相空间的奇异吸引子轨迹和庞加莱截面;定量描述,计算不同时间段声发射信号的关联维数、最大Lyapunov指数等。其次,采用最小二乘回归方法对所计算的混沌参数进行趋势分析。结果表明,声发射信号具有混沌特性,而且关联维数和最大Lyapunov指数演化趋势与刀具的磨损状态具有一定的关联,从而为刀具磨损状态的在线监测和预测提供了新思路。     

EMD和SVM在刀具故障诊断中的应用

与传统方法相比,声发射传感器在刀具故障诊断方面有很大的优势。将声发射传感器应用于刀具切削过程中,提出了基于经验模态分解（EMD）和支持向量机（SVM）的刀具故障诊断方法。该方法首先对标准化的声发射信号进行经验模态分解,将分解后的有限个固有模态函数（IMF）通过一定的削减算法增强故障类型特征,把每个IMF和残余项的能量以及整个信号的削减比作为特征向量,最后将特征向量输入支持向量机进行训练和测试,判断刀具的故障类型。通过对某一刀具的故障诊断结果进行分析,验证了该方法的实用性和有效性。     

回转复杂曲面零件在线精密测量技术

针对复杂曲面零件的面形测量难题,提出以超精密机床作为栽体,利用高精度触发式测头,采用接触式的轮廓测量方法,检测曲面零件的子午面曲线,再与理论曲线相比较得出被测零件的面形精度.测量试验分析表明:该测量方法的检测精度高,通用性强,在实际加工和检测应用中具有很高的实用价值和应用前景.     

基于在线LS-SVM算法的变参数混沌时间序列预测

研究利用最小二乘支持向量机(LS-SVM)预测变参数混沌时间序列。变参数混沌系统适合于描述现实中的复杂混沌现象,但由于参数的慢变导致系统动力学特性不断发生变化,基于Tan-kens嵌入定理的建模预测方法难以适用,其时间序列预测可以看作是小样本学习问题。最小二乘支持向量机是在二次损失函数下采用等式约束求解问题的一种支持向量机,保留支持向量机优点同时计算量大大减少。提出用一种具有遗忘机制的最小二乘支持向量机在线递推算法,并引入历史数据的高次项预测变参数混沌时间序列。对典型变参数混沌时间序列的预测结果表明,该方法具有较高预测精度,能快速跟踪预测变参数混沌时间序列。