宏程序在深孔钻削加工中的应用

本文从实用的角度介绍了通过宏程序改进深孔钻削循环指令G83,以达到改善加工条件,提高加工精度的目的。     

宏程序在深孔钻削加工中的应用

本文从实用的角度介绍了通过宏程序改进深孔钻削循环指令G83,以达到改善加工条件,提高加工精度的目的。     

纸质材料深孔钻削加工工艺的探讨

涉及的纸质材料孔加工工艺是金融界为了销毁已兑付或作废的各种有价证券而提出的课题，通过对材质材料钻削加工性能与钻削工具的改进，同时正确地设计、选择钻削要素。最终基本达到了设计要求，填补了市场纸质材料深孔钻削加工的空白。     

浅谈钛合金的深孔钻削加工工艺

钛合金是一种应用广泛的高温合金,主要应用于测井仪器的保护外壳的制造,所以,钛合金的加工工艺对钛合金制品的质量具有接影响,其中就涉及到了对钛合金进行切削加工,尤其是深孔钻削的加工工艺,而且深孔钻削的加工性如何决定了钛合金的应用范围。本文通过对钛合金深孔钻削加工时存在的问题进行讨论,并以此为基础深入探讨了钛合金的深孔钻削加工工艺。     

深小孔钻削模糊控制系统的研制

设计了深小孔钻削实验系统，初步总结出深小孔钻削的经验规则，并设计了相应的模糊语言变量系统，运用ＭＰ推理形式，最终建立了深小孔钻削模糊控制总表，确定了模糊控制和阈的混合控制方案。     

可转位深孔钻深孔钻削工艺难题探讨

分析了深孔加工中普遍存在的问题,探讨了可转位深孔钻加工工艺中应解决的问题,阐述了刀具材料的选择。     

DF系统深孔钻的分流比

运用系统论观点，对深孔钻系统进行分析。首次把金属切削加工和流体运动２个子系统有机地联系起来，用现代计算技术，对喷射泵特性方程进行数学分析，绘制理论参数变化规律曲线，并进行了验证，从而得出ＤＦ系统深孔钻分流比β的合理值应小于２的结论，这与原来的经验数据相比，大大增加了ＤＦ系统深孔钻设计的运用性和合理性，并建立了一定的理论基础。     

深孔钻自控方法的研究

对深孔钻自动控制方法进行研究，提出了几种设计方案并对共进行验证和分析比较。     

基于小波重构的钻头磨损切削力特征提取

采用小波分析对钻头不同磨损状态的切削力信号进行分解与重构处理,获得了切削力信号在不同频段的时域变化特征,并分析了各个频段重构信号的方差随钻头磨损的变化规律,实验结果表明,采用小波分析技术可有效地实现钻头磨损特征信息提取,且提取的信息特征对钻头磨损状态的变化十分敏感。     

基于模糊聚类的刀具磨损量在线监测方法

研究在加工过程中刀具磨损量实时监测和预报。针对神经网络在监测刀具磨损量中存在的缺点,在选择合适的模糊聚类标准样本的基础上,利用模糊聚类方法,加以适当推理。实验分析表明,该方法在刀具磨损量在线监测中具有较好的容错性和可分析性。在标准样本合适的条件下,利用模糊聚类方法能够正确地进行在线监测和预报刀具磨损量。     

基于分形维数的刀具状态在线监测新方法

以分形几何理论为基础,对刀具不同磨损阶段声发射信号的分形特征进行了分析。提出了计算非完全分形体信号波形的关联维数时尺度范围的确定方法,分析了声发射信号在刀具磨缶过程中分形维数的变化特性。刀具磨损切削实验数据表明,声发射信号的分形维数受切削参数变化影响较小,分形维数反映了声发射信号的几何特征,其大小能较好地反映刀具的不同磨损状态。实验结果表明,该方法能正确地实时在线监测刀具的不同磨损状态。     

基于模糊支持向量机的刀具磨损检测

提出一种基于模糊支持向量机(FSVM)的切削过程中刀具磨损检测方法,对切削加工过程中的刀具磨损状态进行诊断与预测。提取切削加工过程中刀杆的振动信号和切削刀具的切削力信号,对其进行分帧处理,提取FFT特征量,对该特征向量进行模糊支持向量机的学习和训练。实验结果表明,该方法能够充分发挥模糊支持向量机的权系数作用,有效检测切削过程刀具的磨损程度,与同类识别方法的识别结果相比较,具有一定的优越性。     

基于后刀面磨损带面积的铣刀磨损模型的建立

鉴于后刀面磨损带面积（AB)可以作为衡量刀具磨损程度的一个指标,以此为据建立了作用在小直径螺旋立铣刀后刀面瞬时切削力和平均切削力与AB间的数学模型,使用不同的切削参数进行了多次实验,计算出模型的特征常数,并进行了模型的实验验证,为用切削力监测铣刀状态提供了理论依据。     

车削氧化锆工程陶瓷中刀具几何参数对刀具磨损的影响

为研究刀具几何参数对车削可加工陶瓷的刀具磨损影响,以氧化锆工程陶瓷为加工对象,以刀具的体积磨损量作为刀具在不同几何参数下磨损程度的衡量标准,通过YG6刀具的外圆车削实验,研究了刀具前角、后角以及刀尖圆弧半径对刀具磨损的影响.实验结果表明:刀具的磨损形式主要是黏着磨损,并伴有部分磨粒磨损;刀具体积磨损量随前角变大,先缓慢...     

自动化加工中车刀磨损实时监测的新方法

提出了一种新的车刀磨损实时监测方法．归一化无量纲参数─—径切两向分力二次比Ｐ随车刀后刀面磨损ＶＢ的增加而增大，但不随刀具材料／工件材料、刀具几何角度及切削用量的改变而变化．利用Ｐ的这种特性可实现自动化加工中车刀磨损的实时监测．     

基于麻雀搜索算法优化支持向量机的刀具磨损识别

针对微小深孔钻削刀具磨损状态检测的工程需求,提出了基于钻削声信号的麻花钻头磨损状态识别方法。根据不同磨损程度的麻花钻在钻削过程中的声信号,使用经验模态分解(empirical mode decomposition, EMD)将声信号分解成若干个固有模态函数(intrinsic mode functions, IMFs),通过时频联合分析探索刀具磨损与声信号特征之间的关联规律;再使用麻雀搜索算法(sparrow search algorithm, SSA)优化支持向量机(support vector machine, SVM)的参数,并利用SVM实现基于声信号特征的刀具磨损状态识别。实验结果表明,微小深孔钻头磨损程度与钻削声信号特征之间存在非线性耦合关系,声信号高频特征对钻头磨损程度的变化非常敏感;采用经过SSA优化后的SVM算法,基于优选的IMF特征能够准确识别钻削刀具磨损状态,识别准确率可达98.246%。     

基于多属性决策法的钻具产品性能判定

钻具产品的性能检测非常重要和严格,较为关键的是其性能的判定．以多属性决策理论为基础,针对钻具产品性能判定复杂且准确率较低的问题,提出了实用的性能判定的方法．实践表明,该性能判定方法可行．利用该方法可以提高钻具及相关产品的使用效率以及企业对产品的总体管理水平．     

基于EMD法的语音信号特征提取方法研究

为了提高语音信号的识别率,提出了一种基于经验模态分解(EMD)法的语音信号特征参数提取方法。该方法先对语音信号进行EMD分解,获得其内模函数;再进行FFT和DCT变换,得到特征分量,以此构成语音信号新特征参数。最后采用高斯混合模型(GMM)进行说话人语音识别,实验表明新特征参数取得了较好的识别率。