检索结果-南通市图书馆

刀具磨损因素分析及对CFRP制孔质量的影响

在线全文

学校读者我要写书评

暂无评论

复合材料科学与工程 2024年第4期 111-116页

作者：周欣康位浩杰陈晓龙王佳鑫卢大伟谢辉航空工业成都飞机工业(集团)有限责任公司成都610031

为了保证碳纤维增强树脂基复合材料(CFRP)加工质量,研究刀具磨损对CFRP制孔质量的影响,本文制备了CFRP层压板样件,对刀具磨损规律、刀具磨损与CFRP制孔质量的关联性进行定量试验研究。使用数字显微镜跟踪标定制孔过程中的后刀面磨损量VB... 详细信息

为了保证碳纤维增强树脂基复合材料(CFRP)加工质量,研究刀具磨损对CFRP制孔质量的影响,本文制备了CFRP层压板样件,对刀具磨损规律、刀具磨损与CFRP制孔质量的关联性进行定量试验研究。使用数字显微镜跟踪标定制孔过程中的后刀面磨损量VB,绘制了刀具磨损曲线,对不同转速下的后刀面磨损规律进行了定量对比分析。同时通过对制孔后的出口毛刺长度和分层情况进行试验标定,分别利用出口毛刺缺陷因子和制孔分层缺陷因子对制孔质量进行评价,绘制了缺陷因子与VB的相关曲线,对刀具磨损因素及对制孔质量的影响进行了定量分析。结果表明:高转速下刀具更早进入急剧磨损,但在急剧磨损阶段,低转速下刀具磨损更快;刀具进入急剧磨损阶段后,刀具磨损逐渐成为出口缺陷的主要原因,且刀具磨损量相同时高转速下制孔质量更高。

关键词：碳纤维增强树脂基复合材料刀具磨损缺陷因子钻削制孔质量

基于DRSN-BiLSTM模型的刀具磨损预测方法研究

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2024年

作者：史丽晨史炜椿王海涛李金阳刘亚雄西安建筑科技大学机电工程学院

数控机床刀具磨损的预测对于提高刀具加工的安全性和产品加工质量具有重要意义。随着传感技术进步，制造业中用于设备状态监测的传感器数据量呈爆炸式增长。这促使了以深度学习为中心的数据驱动方法在刀具磨损预测领域受到高度重视。然... 详细信息

数控机床刀具磨损的预测对于提高刀具加工的安全性和产品加工质量具有重要意义。随着传感技术进步，制造业中用于设备状态监测的传感器数据量呈爆炸式增长。这促使了以深度学习为中心的数据驱动方法在刀具磨损预测领域受到高度重视。然而，如何精准地识别和提取与刀具退化紧密相关的特征，进而充分利用这些信息以提高预测模型的性能，仍然是一个挑战。针对以上问题，研究了一种基于深度学习的刀具磨损预测方法，将多通道筛选机制应用到预测模型中，提出基于深度残差收缩-双向长短期记忆网络模型的刀具磨损预测方法。根据监测信号的波动程度选择与刀具退化高度相关的多个通道进行融合，利用卷积通道注意力机制融合多通道数据并高效挖掘各个通道的抽象特征信息，后建立双向长短期记忆回归模型提取特征与刀具磨损相关的时序信息对刀具磨损进行准确预测。通过试验验证了通道筛选机制的有效性与预测模型精度。

关键词：刀具磨损多通道融合深度学习深度收缩残差网络双向长短时神经网络

采用门控循环单元神经网络和多特征融合的铣削刀具磨损监测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

机械科学与技术 2024年第4期43卷 667-673页

作者：葛慧韩林池麻俊方宋清华王润琼刘战强杜宜聪王兵蔡玉奎赵金富中国重汽集团济南动力有限公司济南250220 山东大学机械工程学院济南250061

为实现汽车发动机缸盖生产中刀具磨损状态的监测,提高刀具磨损监测方法的计算效率和识别精度,基于门控循环单元神经网络和多特征融合方法提出了面向铣刀后刀面磨损带宽度识别的刀具状态监测方法。通过铣削力信号数据对所提出方法的有效... 详细信息

为实现汽车发动机缸盖生产中刀具磨损状态的监测,提高刀具磨损监测方法的计算效率和识别精度,基于门控循环单元神经网络和多特征融合方法提出了面向铣刀后刀面磨损带宽度识别的刀具状态监测方法。通过铣削力信号数据对所提出方法的有效性进行了验证,分析了不同超参数设置对模型识别精度的影响机制,给出了最优超参数,实现了对铣削刀具磨损的精确识别。

关键词：刀具磨损铣削力信号状态监测门控循环单元神经网络

在线全文

学校读者我要写书评

暂无评论

基于双路并行卷积信息融合的刀具磨损识别

现代制造工程 2024年第1期 124-129页

作者：赵东旭袁志响易思广潘加港张云鹏卢文壮南京航空航天大学机电学院南京210016

针对机械加工现场环境复杂多变,使用单一信号进行刀具磨损识别难以获取全面的刀具磨损特征信息的问题,提出一种同时利用声音信号和工件表面图像信息结合深度学习网络识别刀具磨损状态的方法。首先采集铣削加工过程中声音信号和工件表面... 详细信息

针对机械加工现场环境复杂多变,使用单一信号进行刀具磨损识别难以获取全面的刀具磨损特征信息的问题,提出一种同时利用声音信号和工件表面图像信息结合深度学习网络识别刀具磨损状态的方法。首先采集铣削加工过程中声音信号和工件表面图像数据,然后使用双路并行卷积神经网络对声音信号和工件表面图像进行特征提取及融合,最后进行刀具磨损识别。结果表明,和单一信号识别结果相比,采用信息融合方法能获取更全面的刀具磨损特征信息,有利于增强刀具磨损识别效果,且刀具磨损识别准确率和F1-score均在95%以上,能有效识别刀具磨损状况。

关键词：刀具磨损磨损识别信息融合双路卷积神经网络

基于VDM-SSA-LSTM考虑刀具磨损的数控铣床切削功率预测模型研究

在线全文

学校读者我要写书评

暂无评论

中国机械工程 2024年第6期35卷 1052-1063页

作者：王秋莲欧桂雄徐雪娇刘锦荣马国红邓红标南昌大学经济管理学院南昌330031 南昌大学先进制造学院南昌330031

传统的切削过程功率获取需要基于复杂的切削功率模型且很少考虑刀具磨损的影响,针对此设计了一种基于变分模态分解(VMD)、麻雀搜索算法(SSA)、长短时记忆(LSTM)神经网络的考虑刀具磨损的数控铣床切削功率预测模型,该模型无需解构数控铣... 详细信息

传统的切削过程功率获取需要基于复杂的切削功率模型且很少考虑刀具磨损的影响,针对此设计了一种基于变分模态分解(VMD)、麻雀搜索算法(SSA)、长短时记忆(LSTM)神经网络的考虑刀具磨损的数控铣床切削功率预测模型,该模型无需解构数控铣床运行过程的能耗机理,基于一次性的历史实验数据即可实现数控铣床切削过程功率的高精度预测。首先,采用人工智能机器视觉技术对刀具磨损图片进行分析处理,获取刀具磨损图像的数字化特征,从而得到刀具最大磨损量;然后,建立基于VMD-SSA-LSTM考虑刀具磨损的数控铣床切削功率预测模型,利用VMD对数控铣床运行数据进行分解,采用SSA算法对LSTM神经网络超参数进行寻优,并将分解出的铣床运行数据分量输入到LSTM神经网络中,接着将每个分量的预测值相加,得到切削功率预测值;最后以面铣加工为例,将所提出的预测模型与BP神经网络、LSTM神经网络和传统模型进行对比分析,验证了所提模型的有效性和优越性。

关键词：切削过程功率刀具磨损麻雀搜索算法长短时记忆神经网络变分模态分解计算机视觉技术

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

机械刻划层分结构铝膜刀具磨损研究

制造技术与机床 2024年第2期 111-116页

作者：张宝庆马群安阳杰吉日嘎兰图石广丰吴铁华长春理工大学机电工程学院吉林长春130022 中国科学院长春光学精密机械与物理研究所国家光栅制造与应用工程技术研究中心吉林长春130022 中国第一汽车集团有限公司质量保证部新能源及动力总成质量部吉林长春130022

掌握机刻光栅刀具磨损机理是稳定制备大面积光栅的关键,由镀制工艺决定的具有层分结构铝膜是机刻光栅的首选膜坯。为获取光栅机械刻划过程中层分构铝膜对金刚石刻划刀具磨损影响规律,首次开展层分构铝膜力学性能测试与刀具刻划磨损规律... 详细信息

掌握机刻光栅刀具磨损机理是稳定制备大面积光栅的关键,由镀制工艺决定的具有层分结构铝膜是机刻光栅的首选膜坯。为获取光栅机械刻划过程中层分构铝膜对金刚石刻划刀具磨损影响规律,首次开展层分构铝膜力学性能测试与刀具刻划磨损规律研究,采用纳米压痕实验测得层分构铝膜硬度与弹性模量分别为0.48 GPa与65.2 GPa,满足Hall-Petch强化理论。据此,首次运用Deform 3D有限元分析软件建立层分构铝膜模型,将刻深位置设置在铝膜层分界面位置,分别对刻深在2μm与4μm的单层与4层铝膜进行刻划仿真后发现,分层膜界面对于其应力传递影响作用明显,且刻深突破第一、二层铝膜界面时,该界面对于应力传递的阻碍作用消失;不同刻深刻划单层和4层铝膜时刀具磨损形式与磨损部位大体相同,但刻划4层铝膜时刀具磨损较小,与后续机刻试验结果相符。

关键词：中阶梯光栅机械刻划层分结构铝膜刀具磨损

基于AI的刀具磨损对刨花质量和刨花板性能影响的评估

在线全文

学校读者我要写书评

暂无评论

林产工业 2024年第3期61卷 30-37页

作者：何雨晨李园郑圣龙杨兆金黄鹤鸣罗邦瑞解林坤杜官本周华万辉西南林业大学材料与化学工程学院云南昆明650223 昆明飞林人造板集团有限公司云南昆明650403 西南林业大学大数据与智能工程学院云南昆明650224

为推动人造板智能制造的发展,本文建立了一种基于AI计算机视觉技术的刨花尺寸与形状的检测方法,能自动识别刨花尺寸大小并区分出杆状、类矩形、类三角形和其他型4种刨花形状。在此基础上,对在不同切削时间的刨花形态变化、刨片机刀具磨... 详细信息

为推动人造板智能制造的发展,本文建立了一种基于AI计算机视觉技术的刨花尺寸与形状的检测方法,能自动识别刨花尺寸大小并区分出杆状、类矩形、类三角形和其他型4种刨花形状。在此基础上,对在不同切削时间的刨花形态变化、刨片机刀具磨损程度和工作电流进行了监测和诊断。同时,用这些刨花分组制备了相应的刨花板,并对其物理力学性能进行测试,建立了刨片机刀具磨损程度、电流消耗量、刨花形态与刨花板性能的数学关系模型,并找到刨片机优化换刀时间。结果表明:基于AI的刨花形态检测不但能够监测刀具磨损过程中刨花形态的变化,还可以有效预测刨花板的产品性能。在给定的生产条件下,刨片机开机运行2~4 h内切削出的刨花所制造的刨花板综合性能最好。

关键词：计算机视觉技术过程控制刀具磨损刨花质量刨花板性能

长距离复合地层EPB/TBM双模盾构刀具磨损规律及影响因素研究

在线全文

学校读者我要写书评

暂无评论

铁道标准设计 2024年

作者：李雪任伟吴九七张明西南石油大学地球科学与技术学院

双模盾构刀具磨损的影响因素众多，导致刀具磨损规律难以探究。EPB/TBM双模盾构掘进模式差异导致刀具磨损特征不同，为解决刀具磨损突出的问题，以某隧道工程为依托，统计了软硬交替岩层下现场刀具磨损数据，对两种模式下的失效类型以... 详细信息

双模盾构刀具磨损的影响因素众多，导致刀具磨损规律难以探究。EPB/TBM双模盾构掘进模式差异导致刀具磨损特征不同，为解决刀具磨损突出的问题，以某隧道工程为依托，统计了软硬交替岩层下现场刀具磨损数据，对两种模式下的失效类型以及刀盘各区域失效类型占比两个方面进行对比，分析两种模式下刀具磨损的特征及差异。根据现场掘进参数和滚刀磨损量统计结果，以刀具磨损速率（η）作为评价指标，建立推力、扭矩及贯入度与刀具磨损速率之间在片麻岩和粉砂岩地层的回归模型。研究表明：（1）EPB模式下刀具非正常磨损严重，占26.58%，在软弱松散地层中，由于滚刀缺乏足够动力自转导致偏磨严重，其中心区的非正常磨损最为严重，达84.21%，均磨失效的滚刀在刃宽上大多呈“尖状”，而TBM模式下的非正常失效控制良好，仅为6.52%，均磨失效的滚刀在刃宽上大多呈“平状”；（2）在EPB模式下，刀盘正面区域承担主要破岩任务，换刀占比为56.79％，而在TBM模式下，破岩任务重心向边缘区转移，换刀占比增至48.41％；（3）在粉砂岩地层中，刀具磨损对贯入度及扭矩变化较为敏感，需要保持较高的贯入度和扭矩，在中风化片麻岩中，对推力、扭矩及贯入度较为敏感，需要保持贯入度较低。

关键词：隧道工程复合地层 EPB/TBM双模盾构刀具磨损掘进参数

小波包和1D CNN结合的刀具磨损状态识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

机械设计与制造 2024年

作者：杨斌樊志刚王建国刘文婧内蒙古科技大学机械工程学院内蒙古自治区机电系统智能诊断与控制重点实验室

为监测机床切削加工过程中刀具的非线性磨损变化，提出了一种基于小波包分解和一维卷积神经网络（1D CNN）的刀具磨损状态识别方法。采集机床主轴振动数据作为监测信号，采用经信噪比定量分析后的小波包进行预处理，然后选取小波包分解... 详细信息

为监测机床切削加工过程中刀具的非线性磨损变化，提出了一种基于小波包分解和一维卷积神经网络（1D CNN）的刀具磨损状态识别方法。采集机床主轴振动数据作为监测信号，采用经信噪比定量分析后的小波包进行预处理，然后选取小波包分解后各频带的能量特征作为1D CNN的输入，实现了对刀具磨损状态的有效识别。实验表明，该模型能够实现刀具磨损状态的准确预测，相比于BP网络、能量频谱图-Alexnet和Lstm网络模型，刀具磨损状态识别率最优，平均准确率达到98.262%。

关键词：刀具磨损振动信号小波包分解卷积神经网络