金属切削过程颤振预兆的特性分析

本文从模式识别理论与切削颤振特性出发,通过大量试验研究,讨论了几种特征信号的选择、模式向量的获得与特征主分量的抽取,提出了判别函数的构造问题,以便能在线及时判别颤振预兆的出现与否,为对金属切削过程颤振进行监控提供了前提条件。     

时变金属切削过程颤振的研究

本文根据时变金属切削过程的概念,采用对信号分段的AR模型描述其时变性,并用于第二汽车制造厂Mx-4车床颤振的研究.文中对时变金属切削过程颤振的AR谱特性、颤振模态的阻尼率、时变系统的特征根这三个方面都进行了深入的研究,指出了时变金属切削过程颤振的特点,提出了颤振状态下的机床切削系统仍然是稳定系统的观点.文中的分析结果较好地解释了Mx-4车床颤振的一些特有现象.     

基于机电耦合特性的数控机床切削颤振控制系统①

数控机床切削过程中受到颤振作用容易出现偏差,为了提高数控机床切削的稳定性,提出基于机电耦合特性的数控机床切削颤振控制方法。构建数控机床切削的激光跟踪同步测量模型,采用非接触的应力特征分析方法进行数控机床切削的轮廓误差三维高精度校准,根据机床平面轮廓误差进行反馈控制,采用机电耦合特性调节的方法进行数控机床切削过程中的随动接触测量,采用多次重复性测量的方法进行数控机床切削颤振抑制,采用机电耦合跟踪校正的方法,实现数控机床切削颤振控制。仿真结果表明,采用该方法进行数控机床切削颤振控制的稳定性较好,测量精度较高,提高了数控机床切削颤振控制能力。     

混联压电式三维椭圆振动切削过程中颤振现象的研究

三维椭圆振动辅助切削是近年来发展起来的一种很有潜力的精密超精密加工方法;其特有的摩擦力逆转和间歇切削特性不仅能有效地减少切削力,提高加工性能,理论上可以达到抑制切削颤振的目的。但是,实验中三维椭圆振动辅助切削对于颤振抑制的问题缺少相关研究;另外在不同切削条件下其本身是否具有稳定切削、防止颤振发生的能力也不得而知。为了研究三维椭圆振动切削过程中颤振现象,通过实验分析了普通切削与三维椭圆振动辅助切削过程中的时域振动信号,证明了后者对于颤振抑制的有效性;并对混联压电式三维椭圆振动切削过程中不同切削参数下的加工状态进行了划分。通过快速傅里叶变换以及计算相应切削状态下的表面粗糙度值,验证了三维椭圆振动辅助切削过程中的颤振现象。为进一步完善三维椭圆振动辅助切削技术,通过抑制颤振发生提高其加工精度以及表面质量提供了基础。     

金属切削过程颤振早期诊断的一个有效的综合判据

本文分析了车削细长轴时,在切削过程由平稳走向失稳的过渡过程中,机床振动加速度信号的特征变化:信号能量增加及主频带下移。以此为依据,制订了对机床颤振进行早期诊断的一个有效的综合判据,并借助于Z-80单板机对切削过程进行在线监视试验。试验表明,采用该综合判据能够对颤振进行早期诊断。     

混联压电式三维椭圆振动切削过程中的颤振现象

三维椭圆振动辅助切削是近年来发展起来的一种很有潜力的精密超精密加工方法;其特有的摩擦力逆转和间歇切削特性不仅能有效地减少切削力,提高加工性能,理论上可以达到抑制切削颤振的目的。但是,实验中三维椭圆振动辅助切削对于颤振抑制的问题缺少相关研究;另外在不同切削条件下其本身是否具有稳定切削、防止颤振发生的能力也不得而知。为了研究三维椭圆振动切削过程中颤振现象,通过实验分析了普通切削与三维椭圆振动辅助切削过程中的时域振动信号,证明了后者对于颤振抑制的有效性;并对混联压电式三维椭圆振动切削过程中不同切削参数下的加工状态进行了划分。通过快速傅里叶变换以及计算相应切削状态下的表面粗糙度值,验证了三维椭圆振动辅助切削过程中的颤振现象。为进一步完善三维椭圆振动辅助切削技术,通过抑制颤振发生提高其加工精度以及表面质量提供了基础。     

切削颤振控制技术的研究现状

分析了研究中常用抑制切削颤振手段的抑制颤振机理和切削颤振在线监控技术的技术要点和研究现状.介绍了超高速切削、超声波振动切削等先进加工手段在抑制切削颤振方面的应用.指出切削颤振控制技术的可能发展方向是先进的在线监控技术与先进的加工技术相结合.     

变进给切削过程的动态稳定性——关于韧性材料可靠断屑方法研究之三

通过切削试验分析研究了变进给切削过程的动态稳定性,决定了颤振域限计算和测量了极限切削宽度和颤振频率。建立了重叠系数公式,找出了重叠系数与极限切削宽度之间的关系,用“仰制—激发—仰制”颤振的新假设来解释变进给切削过程的动态稳定性。并研究了在自激振动下强迫振动的影响,从而得出了变进给切削过程的动态稳定性高于匀进给切削过程的动态稳定性的结论。 最后还讨论了这一研究对实际生产的应用价值。     

切削颤振过渡过程的实验研究及在线识别

本文通过车削实验所观察的原生颤振现象,分析了由平稳切削到颤振所经历的三个阶段,着重研究了过渡过程的规律。探索了在线识别、预报颤振的方法,设计了微处理机在线识别系统,并用此系统对切削颤振进行了在线监视实验。     

切削颤振预兆的研究

本文利用切削力及振动加速度作为特征信号,研究了车削细长轴时,切削过程由平稳切削状态逐渐进入失稳状态的过渡过程中,特征信号的变化,提出应用颤振特征频带方差或均方值可以有效地对颤振预兆进行识别。     

光导纤维传感器在线检测异常切削状态的研究

研制了一种用于在线检测的光导纤维传感器,对其测量原理及基本特性进行了系统的研究,给出了根据不同测量要求,正确选择光纤传感器的方法。利用光纤传感器对在线检测颤振、刀具破损和积屑瘤的形成进行了探讨,研究结果证明光纤传感器在线检测异常切削状态是可行的。     

机床颤振过程的试验与分析

通过一个专门设计的试验,揭示了切削颤振从产生到剧烈的全过程:颤振会在一个特定的切深下发生在一个特定的频率上;随着切深的加大,该频率上的振幅会逐渐增大;当切深达到另一个特定值时,剧烈的颤振会导致工件与刀具的短暂脱离;当切深继续加大时,颤振频率降低到一个新的频率上并保持不变。通过激振试验,确认了这2个颤振频率分别是工件系统和刀具系统的固有频率。从颤振能量补充和质量效应的角度分析,颤振应发生于2个最终执行部件之一。建立了一个具有2个颤振主动体的颤振模型,该模型更适合颤振监测和抗颤振结构改良的需要。     

基于PCA—SVM模型的切削颤振预报

针对切削加工过程中颤振孕育的动态模式,提出一种基于PcA—SVM模型的颤振预报新方法。建立切削加工振动信号的识别模型,进行FFT变换,再归一化处理,把数据送人PCA—SVM模型,对变换后的切削实验数据进行学习、训练,得到PcA—sVM识别模型;提取切削加工过程的振动信号,送给PcA—sVM模型进行颤振情况分析与识别。试验结果表明,具有较好的颤振预测性,颤振预报正确率达到95．5％以上,提高了运算速度,为颤振预报提供了充足的时间。     

用于监控的切削过程参数估计与刀具磨损特征选取

切削过程的故障诸如刀具磨损、颤振等均与过程的动态特征密切相关,为提供监控所必须的故障模式识别的特征值,本文介绍了适用于监控的切削过程连模与动态参数在线估计方法;刀具磨损特征值的计算;最后通过钻头磨损实验结果的分析、比较,证明了本文提出的用阻尼比的正则滑动平均值 M 以及阻尼比的正则方差 D 作特征值,可有效地监控刀具磨损.     

车削颤振时变可靠性预测

针对车削加工过程中刀具磨损使得切削力系数等加工参数不断变化,进而导致传统的颤振预测方法随着加工时间的增加预测精度大大降低的问题,将时变可靠性理论引入颤振预测中,用线性方程表示了合力切削力系数的均值随切削时间的变化关系,建立了时变稳定性和时变可靠性模型.获得给定加工条件下系统的时变极限切宽和时变颤振可靠度曲线.最后对提出的计算方法做了相应的实验证明.实验表明.提出的颤振时变可靠性预测方法能够更为准确地预测不同加工时间下的颤振.     

On-line Cutting Quality Recognition in Milling Using a Radical Basis Function Neural Network

Tool wear, chatter vibration, chip breaking and built-up edge are main phenomena to be monitored in modern manufacturing processes, which are considered as important factors to the quality of products.They are closely related to the cutting parameters, which are to be selected in manufacturing process.However, it is very difficult to measure directly the cutting quality based on on-line monitoring.In this study, the relationship between the cutting parameters and cutting quality is analyzed.A Radical Basis Function (RBF) neural network based on-line quality recognition scheme is also presented, which monitors the level of surface roughness.The experimental results reveal that the RBF neural network has a high prediction success rate.     

On-line Cutting Quality Recognition in Milling Using a Radical Basis Function Neural Network

Tool wear, chatter vibration, chip breaking and built-up edge are main phenomena to be monitored in modern manufacturing processes, which are considered as important factors to the quality of products.They are closely related to the cutting parameters, which are to be selected in manufacturing process.However, it is very difficult to measure directly the cutting quality based on on-line monitoring.In this study, the relationship between the cutting parameters and cutting quality is analyzed.A Radical Basis Function (RBF) neural network based on-line quality recognition scheme is also presented, which monitors the level of surface roughness.The experimental results reveal that the RBF neural network has a high prediction success rate.