针对当前机械加工领域工艺优化效率低下、严重依赖人工经验的问题,提出了基于几何-物理-运动协同仿真的智能机床工艺自主优化方法。首先,构建了几何模型,实现数字化表达工件与刀具,重构切削的材料去除过程;其次,建立了基于神经网络的物...针对当前机械加工领域工艺优化效率低下、严重依赖人工经验的问题,提出了基于几何-物理-运动协同仿真的智能机床工艺自主优化方法。首先,构建了几何模型,实现数字化表达工件与刀具,重构切削的材料去除过程;其次,建立了基于神经网络的物理模型,完成了切削刃的力-热载荷解析,实现了切削力与刀具磨损的精准预测;最后,搭建机床运动模型,分析运动链与五轴联动过程,约束刀尖点(tool center point,TCP)与刀轴矢量变化。在此基础上,基于几何-物理-运动协同仿真模型提出工艺自主优化方法,根据周期迭代优化机制与梯度下降法自主迭代工艺参数,并在航空发动机叶片上进行了验证实验。结果表明,该方法能针对不同加工目标实现工艺优化,具有较高的适用性与优化效率。展开更多
针对离散制造车间中人工记录生产数据无法满足生产制造任务及时安排的问题,通过分析机床电机电流信号实现机床运行状态监测,以提高车间智能化水平。基于机床电机电流信号易采集、低成本的特性,提出一种能够准确识别机床组中运行机床的...针对离散制造车间中人工记录生产数据无法满足生产制造任务及时安排的问题,通过分析机床电机电流信号实现机床运行状态监测,以提高车间智能化水平。基于机床电机电流信号易采集、低成本的特性,提出一种能够准确识别机床组中运行机床的监测新方法。新方法将灰狼优化算法(Grey Wolf Optimization,GWO)与变分模态分解(Variational Mode Decomposition,VMD)相结合,对多机床复合电机电流信号进行频谱重构,强化特征频段信息,再搭建CNN-GRU神经网络模型完成运动状态分类。结果表明,此频谱重构方法能够有效强化电流信号中的微弱特征频段,显著提升模型识别效果,不仅识别准确率达到98%以上,且具有一定通用性。展开更多
文摘针对当前机械加工领域工艺优化效率低下、严重依赖人工经验的问题,提出了基于几何-物理-运动协同仿真的智能机床工艺自主优化方法。首先,构建了几何模型,实现数字化表达工件与刀具,重构切削的材料去除过程;其次,建立了基于神经网络的物理模型,完成了切削刃的力-热载荷解析,实现了切削力与刀具磨损的精准预测;最后,搭建机床运动模型,分析运动链与五轴联动过程,约束刀尖点(tool center point,TCP)与刀轴矢量变化。在此基础上,基于几何-物理-运动协同仿真模型提出工艺自主优化方法,根据周期迭代优化机制与梯度下降法自主迭代工艺参数,并在航空发动机叶片上进行了验证实验。结果表明,该方法能针对不同加工目标实现工艺优化,具有较高的适用性与优化效率。
文摘针对离散制造车间中人工记录生产数据无法满足生产制造任务及时安排的问题,通过分析机床电机电流信号实现机床运行状态监测,以提高车间智能化水平。基于机床电机电流信号易采集、低成本的特性,提出一种能够准确识别机床组中运行机床的监测新方法。新方法将灰狼优化算法(Grey Wolf Optimization,GWO)与变分模态分解(Variational Mode Decomposition,VMD)相结合,对多机床复合电机电流信号进行频谱重构,强化特征频段信息,再搭建CNN-GRU神经网络模型完成运动状态分类。结果表明,此频谱重构方法能够有效强化电流信号中的微弱特征频段,显著提升模型识别效果,不仅识别准确率达到98%以上,且具有一定通用性。
