一类可修系统的最优更换模型

本文研究了单部件,一个修理工组成的可修系统,在故障系统（部件）不能“修复如新”的前提下,我们以系统的故障次数和工作寿命组成的二元函数（Ｎ,Ｔ）为其策略,选择最优的策略（Ｎ,Ｔ）使得系统经长期运行单位时间内的期望费用达到最小,而且求出了系统经长期运行单位时间内的期望费用的明显表达式．     

近距离斜穿车站富水圆砾地层盾构换刀技术及刀具磨损分析

开仓换刀作业是盾构隧道施工中不可避免的技术难题之一,现以南宁市轨道交通5号线新—广区间盾构隧道工程为背景,针对盾构机在富水圆砾、泥岩复合地层中长距离掘进后连续穿越3道地连墙的工程特点,总结刀盘优化布局方案,详细介绍适用于该地层条件下的素桩加固辅以降水作业的换刀方案,并对换刀前后盾构掘进过程中产生的刀具磨损进行测量、分析,揭示了盾构在复合地层中掘进以及直接切削地连墙造成的刀具磨损规律,提出了盾构切削桩基时的合理换刀距离,为后续施工及类似工程提供一定的指导和借鉴。     

服从延迟几何过程退化系统的订货-更换策略优化

建立了以可用度为约束的可修退化系统的订货更换模型,以系统故障次数N为订货更换策略,在第N-1次故障维修后发出订单、第N次故障后进行更换.利用延迟的几何过程刻画系统退化特征,给出了系统经维修后寿命分布的通项表达式.借助更新过程理论求得系统长期运行的平均可用度与费用率.在系统满足预期可用度的前提下,得出最优的策略使得平均费用率最低.最后,通过数值算例演示了本模型的有效性.     

基于单调链的平面型腔行切加工轨迹生成算法

针对平面型腔行切加工刀具轨迹生成中如何合理而最大程度地减少在加工刀具轨迹中产生的跳刀动作的次数，提出了一种基于单调链技术的行切刀具轨迹生成算法，从而使对给定平面型腔而产生的行切刀具轨迹最大程度地减少了跳刀动作的次数，而且针对给定的复杂平面型腔，该算法可以预先分析出可能产生的最大跳刀次数，这一算法已在实际开发的CAM系统中成功实现。     

刀具半径补偿算法研究

研究了二维轮廓加工的刀具补偿.引入运动矢量和刀具半径矢量的概念,对直线到直线、直线到圆弧、圆弧到直线和圆弧到圆弧之间各种转接情况进行了分析,综合为两个统一公式计算,大大简化了CNC系统的刀具补偿的计算量.该算法已成功地用于计算机数控系统设计中.     

甜菜切削的试验研究

用切削实验的方法，研究了切削甜菜菜丝时，切削工艺参数，刀具几何参数与菜丝形状，切削力及出糖率之间的规律，为确定合理的工艺条件提供了依据。     

双圆弧谐波传动刚轮插齿刀设计与齿形误差分析

双圆弧刚轮插齿刀几何参数的计算设计及齿形误差分析是谐波传动制造的难点之一.采用运动学法精确建立双圆弧刚轮插齿刀齿形及齿面数学模型;研究了双圆弧刚轮插齿刀顶刃后角对插齿刀可刃磨长度的影响规律;提出了侧刃后角、侧刃前角等几何参数的计算方法,研究了这些参数的影响因素及从齿顶到齿根的变化规律;分析了顶刃前角、顶刃后角对双圆弧刚轮插齿刀齿形误差的影响规律;通过算例给出了插齿刀前后角的设计方法.结果表明:插齿刀可刃磨长度随顶刃后角增大而减小;侧刃后角的大小与该点半径及压力角大小有关,并随顶刃后角增大而增大;侧刃前角随顶刃前角及顶刃后角增大而增大,其中顶刃前角的影响较大;顶刃前角与顶刃后角均对插齿刀齿形误差有较大影响,设计时应在保证齿形精度的情况下,选择较大的顶刃前角和较小的顶刃后角.     

新型刀具材料的应用

1 前言任何机器都是由许多一定形状和尺寸的零件组成,尺寸精度和表面质量要求较高的零件主要是通过切削加工方法获得。刀具是用来直接改变被加工零件形状的工具,无论何种切削机床,没有刀具就无法进行加工,因此也可以说刀具是金属切削机床的基本组成部分,它在机械制造业中占有极为重要的地位。实践表明刀具对机床的改革起着很大的作用,随着刀具材料的不断发展,结构不断完善、更新,将引起机床结构的飞速变革。在用碳素工具钢作为刀具材料的时期,机床的切削速度很低。高速钢、硬质合金钢的出现,使切削速度提高了几倍、几十倍。今天,…     

刀具柱面Data Matrix码几何畸变的仿真分析

分析了刀具柱面Data Matrix (DM)码几何畸变的原理与过程,利用透视投影的方法建立了柱面DM码的几何畸变模型并对其进行仿真.结果表明,该模型较好地模拟了DM码在刀具柱面的几何畸变状况.通过仿真分析,获得了在一定曲率柱面上标刻DM码的合适尺寸以及采集过程中相机的合适几何参数.
     

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%。