基于XNA的虚拟数控铣床仿真系统

为解决数控铣床加工过程的仿真实现问题, 基于虚拟制造和计算机仿真的基本思想, 以Microsoft Visual Studio 2008为开发平台, 利用C#、 XNA(Windows Xbox Next Generation Architecture)和3ds MAX为开发工具, 实现了虚拟数控铣床仿真系统。通过实验证明, 该系统能准确模拟真实数控铣床在不同转速、NC(Numerical Control)代码等条件下的各种操作与运动。用户能通过使用本系统, 达到对数控铣床操作与编程的学习、 训练等初步体验, 有助于节省使用真正数控铣床的时间, 降低学习、 培训费用。     

基于超球面支持向量机的综合传动状态判别

以油液光谱分析数据为基础,建立了基于超球面支持向量机的综合传动状态判别模型。利用主成分分析法,对油液光谱分析数据进行预处理,并进行主成分提取的研究分析。研究了参数的变化和异常样本对模型性能的影响。实验研究表明,基于超球面支持向量机的状态判别模型准确可行,能实现综合传动的状态判别。     

日本隧道盾构技术的发展和成就

本文综合介绍了日本盾构隧道技术的发展背景、发展过程和现状;简述了其典型的新型盾构机、新型盾构机挖掘技术、衬彻技术和其它特殊的隧道盾构施工技术。     

荔枝采摘机械手果实识别与定位技术

针对采摘机械手在自然环境下对荔枝的识别和精确定位问题进行研究.通过分析自然环境成熟荔枝的颜色特征,选取HSV颜色模型进行阀值分割,去除荔枝图像的复杂背景,并利用模糊C-均值聚类法(FCM)对图像中荔枝果实和果梗进行分割,试验结果表明:有效识别果实和果梗的正确率为93.3％.通过计算果实“质心”与果梗的距离最大值确定荔枝采摘点,利用基于色调空间的彩色图像匹配法和极限约束法进行果梗采摘点的立体匹配,实现了采摘点的空间定位,定位试验结果表明:定位坐标中深度值误差小于3 cm,深度值误差率小于5.64％,能满足实际作业中荔枝采摘机械手的定位精度要求.     

大型再制造机床运动结合部的热变形分析

在高速重载高精度机床切削过程中,多种热源的作用会使导轨运动结合部产生热变形,采用红外测温仪测定机床导轨面的温度分布,然后利用有限元软件ABAQUS,计算出结合部的热变形量,评估热变形对几何精度的影响,最后优化配置床身导轨结合部。结果表明:合理布置床身的导轨支撑,使得导轨运动结合部上的变形量得到抑制不致出现过大突变。因而必须考虑大型部件空间分布的温度场对机床结合部精度的影响,可为大型机床的再制造提供参考。     

一种基于信息熵数据修剪的支持向量机:EB-SVM

支持向量机在处理分类问题时,如果两类数据重叠严重会造成分类器过学习,降低泛化性能。为此提出了一种基于信息熵的数据修剪支持向量机EB-SVM(entropy based-support vector machine),其主要思想是通过计算样例信息熵删除部分边缘数据和边界处混淆程度较高的样例以及噪声数据,用较少的训练样例学习SVM分类器。实验结果表明,该方法能够有效提高SVM的泛化性能。     

定心机控制系统中的位置与误动作问题及处理

定心机是无缝钢管生产中,管坯穿孔前在线热状态下,对管坯前端面实行预先热定心工艺的一种机械。设计这种控制系统的核心是理解并分类设备的工艺,进而设计一个简单实用的控制系统。管坯定心前的准确停止位置问题及没有管坯到来而出现的热金属检测器误动作问题是影响定心机控制系统正常运行的难题,为解决这一问题,提出了一种"量化惯性加挡板"的控制方法,解决了准确停止位置问题,对于没有管坯到来而出现的热金属检测器误动作问题,采用了PLC编程得到解决。经实践证明,控制系统设计合理,运行可靠。     

ANSYS在数控机床热误差建模中的应用

机床热误差是影响机床加工精度最大的误差源,因此如何有效地选择机床的温度测点,对热误差补偿具有重要的意义。讨论了应用ANSYS与热误差模态分析相结合的方法,该方法极大地增强了选择测点的准确性。     

数字时代下“机床夹具设计”教学模式

结合现在数字化发展趋势,改革了＂机床夹具设计＂本科课程教学,提出了递进式、知识点逻辑联系紧密的课程体系。在此基础上,提出了强化理论、再现式教学方法和基于工程应用案例的拓展联想教学方法,取得了较好的教学效果。     

喷动流化床射流穿透度智能拟合

在三维冷态试验台架上对喷动流化床射流穿透度进行了实验研究,得出了射流穿透度随喷口尺寸、载气密度、喷动气速的增大而增大,随静止床高、颗粒尺寸、颗粒密度、流化气率、载气黏度的增大而减小的结论.在实验研究的基础上利用最小二乘支持向量机对射流穿透度与喷动流化床主要设计参数之间的数值关系进行了智能拟合,并利用自适应遗传算法优化了最小二乘支持向量机的初始参数.通过15个预测样本的检验,最小二乘支持向量机模型的预测平均相对误差减小至4.0%,其性能大大优于常用的经验公式以及神经网络.