铣削加工刀具磨损过程双谱分析

双谱分析能够揭示时间序列的二次相耦合信息,特别适于铣刀磨损状态监测信号的特征抽取。通过提取铣削加工过程中机床主轴端振动加速度信号的双谱及其双相干系数,分析了铣刀后刀面渐进磨损过程双谱及其双相干系数的变化规律。研究结果表明:双谱分析提取的特征参数能够反映铣刀后刀面的渐进磨损过程,与实际铣刀磨损情况一致。     

基于BP神经网络刀具磨损状态监测的研究

为了实现刀具磨损在铣削过程中的工业应用,提出了一种基于BP神经网络的预测刀具磨损状态的方法。采用易于采集的振动信号作为监测信号,用小波分析对振动信号进行数据处理,将不同波段的能量作为输入特征值,用工业显微镜测量刀具磨损值。建立BP神经网络,实现刀具磨损状态的监测。实验表明,检测结果能够对刀具磨损状态正确识别。     

棉秆粉碎刀具磨损状态监测系统设计与试验

针对棉秆粉碎还田过程中刀具磨损严重且缺少故障监测装置导致工作失效的问题,设计了一种搭载在棉秆粉碎还田机上的智能监测系统。系统以STM32单片机为主控制器,应用多种传感器融合技术,基于机器学习算法实现刀具磨损状态监测。为了解决棉秆粉碎刀具磨损非线性特征信号难以提取的问题,提出了一种融合改进蝴蝶优化算法(IBOA)和支持向量机(SVM)的刀具磨损状态监测方法(IBOA-SVM)。该监测方法以粉碎刀辊转速、左侧振动频率、右侧振动频率作为模型输入特征向量,将刀具磨损状态(正常状态、磨损状态、丢刀状态)作为输出。相较于未优化的SVM算法,通过IBOA算法优化SVM算法的参数,刀具磨损状态的识别准确率由95.61%提高至98.83%。为验证IBOA-SVM模型的有效性,在相同参数设置环境下进行多种模型的重复对比试验,试验结果表明：相较于SVM、PSO-SVM、WOA-SVM、BOA-SVM和CWBOA-SVM 5种模型,IBOA-SVM模型识别准确率平均值有所提升,单次试验的准确率均维持在较高的水平。将IBOA-SVM模型嵌入到监测系统,并进行田间验证试验,试验结果表明设计的刀具磨损状态监测系统在...     

采棉机刀具磨损监测系统设计——基于嵌入式图像处理系统

为了提高采棉机的故障自我诊断水平,实现采棉刀具磨损量的在线监测,将嵌入式图像处理系统引入到了采棉机监测系统中,有效地提高了采棉机刀具状态智能监测水平。采棉机刀具磨损监测的嵌入式图像处理系统以PC机作为核心处理器,采用图像分段增强技术,重点对刀具磨损感兴趣部分进行阈值分割,然后进行磨损面积计算,最后对刀具磨损严重的情况进行预警。为了验证采棉机刀具智能监控系统的可靠性,在棉田对采棉机监控系统进行了实地测试和功能验证。测试结果表明:利用该监测系统可以成功地测量采棉机刀具的磨损面积和磨损比率,对于大型农业智能机械装备自动化和信息化监控仪器的开发具有重要的指导意义。     

铲齿成型铣刀的设计原理与制造

0 前言 切削刀具形状取决于工件廓形的铣刀成为成型铣刀.成型铣刀的后刀面经过铲背成阿基米德螺旋面,在刃磨刀具前刀面时,这种后刀面的刀齿齿形保持不变.成型铣刀不用来加工直纹曲面和螺旋面,成型铣刀是一种应用广泛的刀具,它和成型车刀一样,可以将零件的各种形状表面在一次加工中完成,且操作方便,生产率较高,加工后的零件尺寸和形状精度好,尺寸和形状一致性较强.成型铣刀按齿背的形状,可分为尖齿成型铣刀和铲齿成型铣刀2种.     

收割机刀具磨损状态监测系统的设计——基于图像处理技术

首先介绍了图像处理技术的特点和优势,然后从图像预处理、特征值提取和磨损面积计算等方面分析了收割机刀具磨损检测原理,并从软硬件体系结构入手,实现了一套基于图像处理的收割机刀具磨损状态监测系统。试验结果表明:在336次实际监测中,系统成功识别诊断刀具状态312次,成功率高达92.86%,平均监测一次的时间为6.67s,准确性高,识别速度快。     

数控机床刀具磨损在线监测与预警技术

刀具磨损是影响数控机床加工质量和效率的主要因素之一，为了实现数控机床刀具磨损的在线监测与预警，该文基于数字孪生技术，构建数控机床刀具磨损在线监测与预警技术体系，采用神经网络技术进行海量数据特征提取与降维，并选取三种模型评价指标(MAPE、RMSE、MAE)对该模型监测及预测精度进行评价。结果表明，该技术在刀具磨损监测和预警方面表现出较高的准确性和可靠性，能够及时发现刀具磨损并提前预警，从而避免因刀具磨损而引发的加工质量下降和生产事故。     

球头铣刀瞬态切削力数学模型建立与仿真

针对球头铣刀在3轴数控铣床中应用的8种常见铣削情形,将铣刀轴向离散化为一系列微元切削刃,首先分析并建立局部切削力模型,进而通过积分运算求得铣刀整体切削力,建立了结合前刀面剪切效应与后刀面犁切效应双重机制的球头切削力预报模型.该模型考虑了走刀间距对切削区域的影响,采用几何分析方法求解瞬时参与切削的微元切削刃的分布,容易实现程序化,并利用Matlab对铣削力进行了数值仿真.最后,通过以45号钢为工件材料的铣削试验获得试验数据,数值仿真结果与试验结果对比,验证了球头铣刀切削力模型的有效性.     

PCBN刀具磨损形态与磨损规律的实验研究

对PCBN刀具切削灰铸铁和淬硬45号钢时的刀具磨损形态进行了观察，其磨损形态主要表现为前刀面磨损、后刀面磨损、边界沟槽磨损和破损。对PCBN刀具的磨损规律进行了研究分析，发现湿式切削PCBN刀具容易产生热裂纹，裂纹扩展导致刀具急剧磨损，甚至破损；PCBN刀具干式条件下切削铸铁，随切削速度提高，刀具磨损减少，刀具寿命提高，切削力随PCBN刀具磨损量的增加而增大。     

硬质合金铣刀在铣削钛合金过程中的磨损实验研究

针对硬质合金刀具在铣削钛合金过程中容易失效而导致平均寿命低的问题,开发了0.5μm WC颗粒和12%Co配比的新型硬质合金材料刀具,与市场上2种主流刀具进行钛合金湿式铣削磨损对比实验。根据拍摄的刀具前后刀面磨损形貌,分析了3种刀具的失效形式及磨损机理。结果表明,在铣削前期新型刀具圆周后刀面呈现出均匀的磨损带,磨损以粘结磨损和磨粒磨损为主,在铣削后期出现裂纹、崩缺等不均匀磨损;整个磨损过程主要经历初期磨损、稳定磨损和急剧磨损3个阶段。与对比刀具相比,新型材料刀具平均寿命更高、抗崩性能更好、更利于钛合金的加工。     

铣削过程的自适应模糊控制器仿真

通过铣削过程的刀具受力分析，利用多元回归方法建立了XHK数控铣床在逆铣过程中的铣削力模型，根据二阶阻尼系统建立了进给伺服系统的动态模型，基于这两个模型对铣削过程的适应控制器进行了计算机仿真实验，仿真结果表明，该模糊控制器具有自适应能力和较好的动态品质，有效地减小了稳态误差。     

秸秆揉切机用刀片磨损的研究

对9RZ-60型揉切机用刀片进行了磨损试验,探讨了刀片材料、作业对象、装机位置和刃口形式对刀片磨损的影响,对65Mn、T10和Crl2MoV三种材料的刀片磨损表面形貌进行了微观分析,指出加工羊草时,刀片材料为主要影响因素,加工玉米秸和豆秸时,刃口形式为主要影响因素。刀片加工秸秆的磨损形式是以抛光磨损为主,辅之以硬杂质造成的磨料磨损。     

基于PIE-Engine的甘蔗榨季砍收进度监测

为了及时获得甘蔗砍收进度信息，提高甘蔗榨季砍收进程的信息化管理水平。基于国产遥感云计算平台PIE-Engine，以广西来宾市兴宾区2020/2021榨季为例，使用甘蔗砍收前三个关键时点的Sentinel-2多光谱影像合成NDVI时序数据集，根据当地主要作物NDVI走势差异，采用非监督分类提取甘蔗种植区域。在此基础上，利用Sentinel-1 双极化SAR数据的重访周期短和全天候的特点，合成雷达植被指数（RVI）时序数据集，经变化检测获取不同甘蔗种植区域的近似砍收日期。在PIE-Engine平台上开发了县域甘蔗榨季砍收进度信息遥感在线监测程序。使用该方法提取的2020年兴宾区甘蔗种植面积接近多年稳定的种植面积，实现了兴宾区2020/2021榨季甘蔗砍收进度的全区与按乡镇统计分析和展示。研究表明基于国产遥感云计算平台的甘蔗砍收监测方法切实可行。     

4100QB柴油机摩擦聚合物的铁谱分析

发动机所处的磨损状态是判断其是否正常工作的一个重要的标准,其中各摩擦副的工作环境恶劣、磨损过程复杂,很难精确描述。在发动机磨损异常状态监测尤其要引起注意。本文利用铁谱技术对其润滑油变质产物——摩擦聚合物进行监测,通过磨粒分析来判断发动机的磨损状态。     

大模数少齿数螺旋齿面的四轴加工与仿真

针对大模数少齿数螺旋齿轮的加工特点，结合渐开线和摆线的性质，利用微分几何工具计算出该类曲面的法矢，作为选取球头铣刀半径的依据。由于铣刀每完成一个行程后，还要进行轮廓插补，采用一种新的渐开线轮廓插补方法，并将插补轨迹换算成球头铣刀的刀心轨迹。分析了插补误差产生原因并提出控制方法。以一转子齿轮为例，仿真其加工过程。结果表明，本加工方法具有高效、高精度特点。     

基于BP神经网络的甘蔗收获机切割器振动性能研究

针对小型甘蔗收获机切割器不平衡对切割器轴向振动的影响,为实现切割器振动的有效预测以及自动控制信号的获取,通过正交试验并利用BP神经网络技术与回归分析构建出了切割器螺旋以及刀盘振动的BP神经网络模型和回归模型。分析结果表明:基于BP神经网络建立模型的切割器螺旋与刀盘的振动正确拟合率达到了88.89%,且相对误差基本上在5%以内,而回归模型的切割压力正确拟合率只有38.89%。因此,基于BP神经网络建立的模型具有较高的精度,通过此BP神经网络模型,有效地解决了复杂信息特征的提取问题,减少了试验研究的次数与成本,为进一步的切割器刀盘以及螺旋振动的自动控制系统的研发奠定了基础。     

基于随机森林的高寒湿地地区土地覆盖遥感分类方法

高寒湿地是青藏高原典型独特的生态系统,是全球气候变化的敏感地带和预警区。利用遥感技术快速、准确地分类提取高寒湿地的土地覆盖信息,对当地生态安全监测和保护具有重要意义。本文以若尔盖湿地国家级自然保护区为研究区,首先,以高分一号(GF-1)遥感影像为数据源,融合光谱特征、水体指数、地形特征、植被指数和纹理信息等26个变量进行随机森林(Random forest,RF)分类实验;然后,根据袋外数据(Out of bag,OOB)的特征变量重要性得分和精度评价结果,选出高寒湿地地区土地覆盖类型的最优分类方案和特征;最后,对特征变量进行降维,并基于相同的变量,采用极大似然法(Maximum likelihood classification,MLC)、支持向量机(Support vector machine,SVM)、人工神经网络(Artificial neural network,ANN)和RF等方法进行分类,比较不同方法的优适性。结果表明:结合GF-1影像光谱、水体、植被、纹理特征和地形信息,使用26个变量的RF模型的分类精度最高,总体精度(Overall accuracy,OA)为90.07%,Kappa系数为0.86;通过RF模型的变量重要性分析可以有效选出重要的特征信息,在降低特征变量维度的同时,还能保证较高的分类精度; 4种分类方法中,RF算法是高寒湿地地区较合适的分类方法,OA比MLC基准方法高17.63个百分点,比SVM和ANN等机器学习算法分别高6.98、6.56个百分点。     

铣削刀具不同磨损期振动信号的分维特征

提出了应用铣削刀具磨损工作状态下的振动加速度信号的关联维数来描述刀具不同磨损状态下的特征,进而实现对状态的监测、识别。试验证明,刀具磨损在相同状态下,振动信号具有相近的关联维数,在不同状态下则有明显的关联维数。因此,关联维数不仅可以作为状态监测与识别的重要依据,而且可以作为其他特征提取方法的补充。