数控铣削加工过程仿真研究

论述了数控铣削加工过程仿真系统的主要功能及结构,并通过具体实例,演示了数控铣削加工过程三维仿真系统的运行过程。     

无过渡圆角多边形孔的数控铣削方法

针对模具制造工件上有无过渡圆角的盲方孔、多边形孔用用切削的方法加工的问题，经过对有代表性的方孔铣削工艺所进行的研究提出了在加工中心上采用专用的数控工具铣头，使主轴在作旋转的同时能与Ｘ，Ｙ两方向的伺服电机实现三轴联动来完成无过渡圆角多边形孔的数控铣削方法。     

有约束数控铣削恒力控制

研究数控铣削过程的有约束广义预测控制方法,首先综合考虑伺服系统动特性和加工过程中刀具变形等因素,建立数控铣削过程开环模型,共次进行无约束广义预测控制律设计,最后针对数控铣削过程的特点,构造了两种约束条件,计算机仿真和实验结果表明,无约束算法相比,闭环系统的性有可得到显著改善。     

数控铣削过程模糊-PID复合控制

双输入单输出模糊控制模式因缺少积分环节而导致系统鲁棒性相对较差,ＰＩＤ控制因系统辨识而导致动态响应相对较慢,本文提出了一种新的数控铣削加工过程恒力模糊－ＰＩＤ复合控制方法,具有响应快和鲁棒性强等特点,另外,对切深渐变和突变的两种工况进行了试验验证,效果良好。     

数控铣削加工精度预测模型的建立

依据铣削加工的特点,将影响加工精度的误差从坐标分解的角度分为三大类：刀架坐标系、主轴坐标系和工艺基准坐标系。在充分考虑机床几何（运动）误差、工艺系统受力变形、工艺系统热变形等对加工精度的影响的情况下,通过坐标变换将所有误差集中纳入工艺基准坐标系,采用齐次坐标变换法建立了加工精度的预测模型。所建的加工精度模型具有开发性生和实用性,已在实际数控铣削加工中得到验证。     

数控铣削加工宏程序算法研究

数控铣削中宏程序的应用,使得一些复杂形状零件的加工通过宏程的手动编制,也变得方便、快捷.文中通过研究宏程序的加工算法,其中主要针对平底立铣刀,球头立铣刀和环形铣刀加工零件圆角,提供了以手动编程模块化的方法.     

数控铣削程序图形验证技术国内外研究现状

数控程序的自动化图形验证技术是虚拟制造中关键的一个环节，从数控铣削程序的图形验证技术入手，对该项技术的研究现状作了较为全面的论述，并分析了其中存在的不足和优缺点。     

数控铣削加工中刀具半径补偿的有关问题

刀具半径补偿是数控铣削加工中的常用功能,本文以FANUC数控系统铣剂加工中刀具半径补偿应用过程中应注意的问题进行简要的介绍。     

基于OpenGL的数控铣削仿真研究

以Windows为平台,利用OpenGL的计算机仿真和动画技术,采用基于数控代码的仿真方法,设计了仿真模块,开发了在Windows系统下运行的数控铣削三维仿真加工系统,很好地实现了数控车削加工的三维仿真.     

数控铣削编程中宏程序的应用

对于数控铣削中的一些曲线轮廓编程,不能使用G代码或者编程异常复杂,可以使用宏程序编程。本文通过典型实例探讨了一些轮廓使用宏程序编程的方法和技巧。     

自适应神经网络智能控制研究

本文提出用神经网络实现自适应智能控制，具有算法及结构简单的特点，在实际控制中有一定适用性     

一类耦合系统的直接自适应神经网络控制

针对一类具有未知常数控制增益的耦合大系统，根据滑模控制原理，利用多层神经网络的逼近性质，提出了一种直接自适应滑模控制器的设计方案．通过在线调节神经网络的连接权、滑模控制增益，实现了对动态不确定性及建模误差的自适应补偿．利用李亚普诺夫方法，证明了自适应控制系统是全局稳定的，跟踪误差收敛到零．     

不确定性系统的神经网络变结构控制

结合神经网络理论与变结构控制理论,提出一种基于神经网络的变结构滑模控制方案,该方案不依赖于系统的数学模型,它对外干扰和非线性不确定性都具有较强的鲁棒性,并能削弱抖振的发生,仿真结果表明该方法对非线性不确定性系统控制的有效性。     

基于神经网络的模糊控制

提出一种基于神经网络的模糊控制，其模糊化、模糊推理和模糊决策均由神经网络完成，并将用于模糊推理神经网络的输入节点由常规的２７个减少到１５个，减少了训练量。文末给出该模糊控制结构应用于典型环节的实时控制结果。     

一种模糊神经网络自适应预测控制方案的研究

在过程控制中,由于被控对象常具有非线性、不确定性及参数时变等复杂因素,难以建立精确的数学模型,从而直接影响了控制效果,提出了一种模糊神经网络自适应预测控制议案,对学习公式进行了理论指导,并结合误差补偿以提高预测控制的精度,仿真实验表明,该算法可实现模糊控制和神经网络的优势互补,对非线性复杂系统具有良好的控制性能。     

铣削过程的约束型智能控制研究

本文通过设计并实现一个铣削力模糊自适应控制系统ＦＡＣ探讨了铣削过程的约束型智能控制问题。联机运行结果表明：ＦＡＣ系统可行，在线智能控制铣削力的效果较满意，通过在线调节工作台进给速度来智能控制铣削力可以实现粗加工阶段的生产率最大化。     

制造系统的神经自适应控制

制造过程的自适应有效控制对ＣＩＭＳ的发展具有极其重要的意义。本文作者在论述：（１）自适应控制在ＣＩＭＳ中的重要性；（２）传统自适应控制方法在制造过程控制中的困难与障碍；（３）神经网络、人工智能和模糊控制理论等在制造过程自适应控制中的应用的基础上，指出神经自适应控制是制造过程自适应控制发展的有效途径，并构造了基于自组织神经网络的神经优化型自适应控制模型．     

神经网络控制系统仿真

利用基于神经网络修正误差ＢＰ学习算法的多层网络和间接学习或专门学习的动态逆特性控制方法＾［１］编制的神经网络控制系统的仿真软件（ＳＣＳＢＮＮ），给出了调节时间和最大超调量与神经网络中间层节点数的关系曲线，同时给出了各种学习率和神经元作用函数增益的响应曲线。ＳＣＳＢＮＮ也可用于神经网络非线性控制系统。仿真结果说明神经网络非线性控制系统具有良好的控制性能。     

基于神经网络的自适应控制器

提出了一种基于神经网络的控制系统,将传统ＰＩＤ工程整定法与神经网络相结合,采用直接自适应控制方法,使基于神经网络的控制器在ＰＩＤ控制的基础上实现自适应控制,更有效地改善控制品质．