摘要：针对现有刀具振动无线检测系统中传感装置的布置对刀柄改造较大、成本较高等问题,以传感装置低功耗、小型化为设计理念,采用低功耗蓝牙5.0、MEMS传感器及Python,设计了一种用于铣削加工中的刀具振动无线检测系统。传感装置测试及铣削实验结果:相较于已有同类传感装置,系统传感装置保证信号传输性能的同时,降低了功耗,实现了小型化;提出的基于融合指标的OVMD-双树复小波降噪方法的去噪效果优于小波阈值等其他常用降噪方法;与现有无线系统相比,设计的无线系统使用同一CNN模型进行刀具磨损状态识别的准确率更高。结果表明设计的无线系统更具实用性的同时,能有效地保留振动信号中的特征,为刀具磨损状态识别提供了一种获取振动信号的可靠方案。

摘要：针对最小量润滑(MQL)技术在加工难切削材料时冷却能力不足的问题,分析了最小量冷却润滑(MQCL)条件下冷却参数对刀具振动和表面粗糙度的影响规律。设计了以田口法为基础的正交试验方案,并基于MQCL条件进行了相关切削试验。采用方差分析法、主效应图法、响应面法等方法并结合切削理论,分析了冷风温度、油液流量、风速、喷射面类型等冷却参数对刀具振动和表面粗糙度的影响机制,建立了与冷却参数关联的加工刀具振动和表面粗糙度预测模型,同时采用改进的遗传算法对支持向量回归预测模型进行同步优化,得到冷却参数的最优值。试验结果表明,温度对刀具振动的影响最大且随着温度升高刀具振动呈现出增大的趋势;风速对表面粗糙度的影响最大,当风速小于10 m/s时,随着风速增大表面粗糙度增大,当风速大于10 m/s时,随着风速增大表面粗糙度减小。当喷射面为刀具副后刀面时,刀具振动和表面粗糙度均最小。冷却参数优化结果表明,当冷风温度为-2.36℃、风速为7.31 m/s、油液流量为300 mL/h、喷射面为副后刀面时,工件表面质量最好,其表面粗糙度Ra为0.6588μm。验证实验表明,表面粗糙度和振动均方根的预测误差分别为4.4%和5.9%。

摘要：刀具振动是影响机床加工效率的障碍之一,为实现对高速铣削刀具振动的精密测量,设计了一种多光纤差动光强调制的刀具振动位移传感器。根据反射式光纤束光强调制原理建立了差动光强调制数学模型,并仿真分析了光纤束设计参数对测量特性的影响,选定了差动光纤传感器的设计参数。进行了差动光纤传感器的静态特性与动态响应特性实验,结果表明,所设计的传感器在1~3 mm测量范围内有良好的线性度与灵敏度,灵敏度为2.668 V/mm,且力锤敲击时x、y方向最大振幅为13μm与3μm,验证了传感器测量的可行性。

摘要：基于力学式切削力预测方法建立了面铣刀动态铣削模型,该模型充分考虑切削厚度、刀具前角和刀具后刀面磨损对铣削力的影响。在Matlab/Simulink环境下,进行了动态铣削力和刀具振动仿真及其频谱分析,并根据仿真结果对转速、齿数、刀具磨损量等影响因素进行了分析验证,该模型有利于揭示各切削参数对动态铣削力和刀具振动的影响规律,从而为实现切削加工参数优化提供理论支持。

摘要：通过对立式铣削加工系统进行动力学分析,建立相互垂直方向上的两自由度立式铣削动力学模型。在此基础之上,针对加工过程中刀具的振动,采用鲁棒混合灵敏度方法,选择符合模型的加权函数,设计了用于振动控制的鲁棒控制器。将该控制器加入铣削模型进行仿真实验,结果证明此方法在刀具振动的主动控制上具有良好的控制效果,能够提高立式铣削的质量。

摘要：针对螺纹硬旋铣过程中刀具振动状态的辨识问题开展试验研究。根据硬旋铣的工艺特点设计刀齿切削力监测系统及切削试验,对切削力数据进行频域分析。研究结果表明:硬旋铣机床的刀具切削振动是由断续切削引起的强迫振动无自激振动发生的。

摘要：依据实际深孔钻削刀具系统的结构布局及其振动特征,设计了一种新型刀具系统制振器的结构布局形式。以制振器理想输出阻尼力和内磁感应强度达到饱和为设计目标,给出了磁流变制振器结构的优化设计方法及其具体结构参数;运用有限元法,分析了新型制振器的磁场分布特征及其输出阻尼特征。以此为基础,通过深孔钻削实验研究,获得了不同励磁电流和切削参数条件下刀具振动的抑制效果,验证了所提出的新型磁流变制振构型的可行性和有效性。

摘要：基于Matlab/Simulink仿真分析方法,建立了曲轴镗削动力学模型,分析了刀具振动对曲轴中心孔倒角圆度的影响。通过机床主轴变速加工实验证明,变速加工可以有效抑制刀具的振动,从而提高中心孔倒角的圆度。

摘要：介绍一种用于车削深孔的刀具工装,将进口刀具与国产车床成功结合起来,能够很好地减小刀具振动,保证加工精度。对固定在该工装上的刀杆进行力学分析,并根据分析结果提出该工装的应用范围,以及减小加工误差的措施。

摘要：加工过程中为避免因机床异常振动造成的零件表面粗糙度突变,提出一种基于LSTM算法的表面粗糙度监控模型,通过对主轴与台面安装传感器,实现机床振动量的实时采集并作为时序变量输入模型。在M-V5CN组合机床铣削U71Mn高锰钢样本集上证明该模型可有效训练,且RMSprop优化器相对于Adam与SGD算法优化器可更有效降低模型泛化性误差。最终在嵌入式开发板中预测最大绝对误差低至0.01μm,平均误差为0.005μm可在加工中对表面粗糙度进行有效监控。