有刀具状态监测的加工生产既能提高加工效率又能降低生产成本,是智能制造生产的关键。近几年深度学习成为研究刀具磨损问题的主流算法。提出一种基于VGG-19卷积神经网络的刀具磨损监测方法,该方法应用小波包变换对振动信号进行处理并提取能量图,应用VGG-19卷积神经网络预测刀具磨损状态。结果表明,适当增加网络层数,可以学习更多数据特征并得到更好的预测表现;与其他卷积神经网络相比,VGG-19层数适合,预测准确率稳定,损失函数值最小,该方法对刀具磨损类型的预测表现最好。

现有的轴承故障诊断方法依赖于人工提取特征,缺乏自适应性。卷积神经网络具有良好的特征自提取能力,可以自适应提取相关特征。但是采用传统卷积神经网络结构存在特征信息丢失的问题,残差结构可以防止特征信息的丢失,为此提出一种基于一维残差网络的轴承故障诊断方法。首先对原始振动信号进行小波阈值降噪处理,以减少噪声的干扰作用;然后将降噪信号作为一维残差网络的输入,自适应提取故障特征;最后通过Softmax分类器输出故障类别。实验结果表明,该方法与传统卷积神经网络方法相比,准确率更高。

磨粒流抛光主要用于小尺寸和复杂结构化表面的光整精加工。针对磨料参数选取仅靠其定性选择原则和经验,导致一些工况的磨料选取不合理而严重影响加工质量的问题,提出了一种磨料参数模糊优选的方法。该方法基于模糊数学理论,采用模糊参数优化建立了多目标磨料参数优选模型,结合磨料参数的选择原则和磨料参数之间的影响建立了相对优属度矩阵和权向量,从而量化了不确定性因素。最后,通过实际加工实验验证了该方法的合理性和可行性。

刀具轨迹规划算法是数控加工的核心技术,是多轴联动机床数控加工的重要基础。本文针对复杂曲面直接偏置法生成环形刀轨时经常出现轮廓局部自交与全局自交问题,将Voronoi图理论应用于平面多连通域环切刀具轨迹规划中。首先,分析了平面多连通域特点,提出了一种适合于多连通域Voronoi图的分治波阵面传播算法,该算法首先将多连通域看成若干单连通域的组合,采用波阵面传播算法构造各单连通域,即构建外轮廓和孤岛Voronoi图,然后将这些Voronoi图进行缝合,缝合线包括内外轮廓Voronoi图的缝合以及内轮廓相互之间Voronoi图的缝合。之后,基于构建的Voronoi图进行加工区域划分,然后在各小区域即区内保持偏置量一致的条件下依次对各边界轮廓作偏置来生成环形刀具轨迹,为使刀具轨迹满足实际加工的需要,对环间最优切削行距进行了分析和规划。最后,以核电站水...