检索结果-南通市图书馆

考虑熔池流动效应的选区激光熔化温度场模拟研究

在线全文

学校读者我要写书评

暂无评论

应用激光 2022年第8期42卷 30-43页

作者：王永福季霞梁越昇东华大学机械工程学院上海201600 佐治亚理工学院伍德拉夫机械工程学院亚特兰大30332

利用有限单元法模拟选区激光熔化(selective laser melting,SLM)单道成形过程,建立热流耦合模型,考虑了固体金属材料性质随温度变化和相变过程,以及粉末间隙对材料性质的影响。利用焓-孔隙度方法模拟熔池凝固时的动量耗散,确定固-液相... 详细信息

利用有限单元法模拟选区激光熔化(selective laser melting,SLM)单道成形过程,建立热流耦合模型,考虑了固体金属材料性质随温度变化和相变过程,以及粉末间隙对材料性质的影响。利用焓-孔隙度方法模拟熔池凝固时的动量耗散,确定固-液相界面。根据能量守恒定律,在现有的圆柱体热源模型上,提出了旋转抛物体热源模型,并与传统高斯面热源模型选区激光熔化过程中温度分布和熔池尺寸的预测结果比较。结果表明,在试验激光能量密度研究范围内,旋转抛物体热源和高斯面热源模式下熔池宽度的平均预测误差分别为12.18%、7.07%。对于熔池宽度,高斯面热源的预测精度优于旋转抛物体热源。当激光能量密度为40~100 J/mm^(3)时,旋转抛物体热源和高斯面热源模式下熔池深度的平均预测误差分别为17.00%和38.20%。对于熔池深度来讲,旋转抛物体热源预测精度优于高斯面热源。此外,研究发现考虑熔池流动效应作用下得到的熔池温度分布更加均匀。

关键词：选区激光熔化数值模拟热流耦合模型熔池尺寸

在线全文

学校读者我要写书评

暂无评论

一种基于多步回溯算法的铣削稳定性预测方法

振动与冲击 2021年第1期40卷 102-109页

作者：于福航李茂月严复钢刘献礼梁越昇哈尔滨理工大学机械动力工程学院哈尔滨150080 佐治亚理工学院乔治w.伍德拉夫机械工程学院亚特兰大30318

在加工过程中,由于薄壁件的弱刚性易发生加工颤振,从而对工件表面质量和刀具寿命等造成不良的影响,对铣削过程的稳定性进行预测是至关重要的。通过提出一种多步回溯算法来预测铣削过程的稳定性,将铣削过程离散化成时滞周期方程,在每个... 详细信息

在加工过程中,由于薄壁件的弱刚性易发生加工颤振,从而对工件表面质量和刀具寿命等造成不良的影响,对铣削过程的稳定性进行预测是至关重要的。通过提出一种多步回溯算法来预测铣削过程的稳定性,将铣削过程离散化成时滞周期方程,在每个时间间隔上采用多步回溯的方法来近似时间周期及时滞项。通过构建状态转移矩阵,根据Floquet理论获得了铣削稳定性边界参数。最后,通过仿真对比实例验证了算法的计算精度和收敛率。结果表明,多步回溯算法具有快速收敛及高计算精度等特点,尤其在低速铣削的稳定性预测中具有良好的应用前景。

关键词：稳定性预测回溯算法铣削加工多步插值 Floquet理论

非凸罚正则化稀疏低秩矩阵的大型减速机圆锥滚子轴承微弱故障诊断

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2018年第23期54卷 102-111页

作者：李庆 LIANG STEVENY 东华大学机械工程学院上海201620 佐治亚理工学院乔治-伍德拉夫机械工程学院美国亚特兰大30332-0405

在强烈外界噪声下或轴承故障早期发展阶段,从轴承非平稳故障信号中提取微弱冲击成分是一个难点,针对这一问题,提出了一种新的基于非凸罚正则化稀疏低秩矩阵(Non-convex penalty regularization sparse low.rank matrix,NPRSLM)的轴承微... 详细信息

在强烈外界噪声下或轴承故障早期发展阶段,从轴承非平稳故障信号中提取微弱冲击成分是一个难点,针对这一问题,提出了一种新的基于非凸罚正则化稀疏低秩矩阵(Non-convex penalty regularization sparse low.rank matrix,NPRSLM)的轴承微弱故障特征提取方法。该方法不依赖振动信号结构的先验知识,也无需采集大量的样本信号来训练字典,避免了传统稀疏表示设计冗余字典带来的缺乏物理意义,通用性差等缺陷。该方法的核心思想是把采集的振动信号与待提取的故障脉冲看作一维矩阵(向量),通过求解稀疏正则化的反问题得到故障脉冲信号。在建模上,通过引入非凸罚函数代替了传统最小化L1-norm融合套索算法,建立非凸罚正则化稀疏低秩矩阵模型,理论推导了所建立模型的严格凸性,并利用交替方向乘子法(Alternating direction method of multipliers,ADMM)对模型进行求解,同时讨论了模型参数对模型算法的收敛性问题、凸性与非凸性边界取值问题等。仿真算例与大型减速机圆锥滚子轴承诊断实例表明:该方法不仅能提取隐藏在强烈外界噪声中的微弱冲击特征,而且改善了传统最小化L1-norm融合套索算法在提取微弱故障冲击时产生的脉冲能量大幅衰减与脉冲数目丢失问题。

关键词：非凸罚正则化稀疏低秩矩阵交替方向乘子法微弱故障圆锥滚子轴承

机械系统动力学Rosenberg嵌入法的扩展与解耦:一阶约束与二阶约束的整合

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2023年第9期59卷 101-115页

作者：赵睿英余进 CHEN Y H 冯艳丽曹学鹏长安大学公路养护设备国家工程实验室西安710065 佐治亚理工学院乔治·W·伍德拉夫机械工程学院美国亚特兰大30332 西安航天精密机电研究所西安710199

如何正确又有效地将非完整约束引入一直是机械系统动力学建模的重点和难点。传统的机械系统动力学建模方法(如:拉格朗日乘子法、Gibbs-Appell方法和Kane方法)通过借助拉格朗日乘子、广义伪速度和伪加速度等辅助变量来建立系统的运动方程... 详细信息

如何正确又有效地将非完整约束引入一直是机械系统动力学建模的重点和难点。传统的机械系统动力学建模方法(如:拉格朗日乘子法、Gibbs-Appell方法和Kane方法)通过借助拉格朗日乘子、广义伪速度和伪加速度等辅助变量来建立系统的运动方程,这些方法正确,但步骤复杂、计算量大。相比而言,伯克利大学力学大师Reinhardt M.Rosenberg提出了一种完全不同的约束嵌入方法,该方法将约束嵌入到虚位移中,再借助基本方程来建立机械系统的动力学模型,可获得低维的机械系统动力学模型。与上述传统建模方法相比,Rosenberg嵌入法简单、直观且无需辅助变量,弥补了其他约束嵌入建模方法在机械系统动力学中可能存在不适用问题(特别是非完整约束)。然而,该方法借助“嵌入”约束对系统降维,存在降维后的动力学模型耦合性较强,且后续解耦困难等问题。因此,创新地提出将约束的一阶与二阶形式进行整合的思想,对Rosenberg方法进行扩展和补充,建立完全解耦的机械系统动力学模型,并利用经由完全不同理念所推导出的Udw.dia-Kalaba方程对扩展后的Rosenberg嵌入法进行理论验证,确认扩展后的方法正确、有效。其次,基于扩展后的Rosenberg嵌入法,建立了太空悬浮机器人和三轮全向移动机器人的动力学解析模型,通过与Udw.dia-Kalaba方程建立模型的数值仿真结果相对比,完全验证了所建动力学模型的正确性,为机械系统动力学建模提供了一个具有实际应用价值的新方法。

关键词：机械系统约束动力学建模 Udw.dia-Kalaba方程

在线全文

学校读者我要写书评

暂无评论

考虑刀-屑变摩擦因数的铣削力预测

振动．测试与诊断 2022年第3期42卷 580-587,622,623页

作者：李晓晨岳彩旭刘献礼谢娜陈志涛李恒帅郝小乐梁越昇哈尔滨理工大学先进制造智能化技术教育部重点实验室哈尔滨150080 佐治亚理工学院乔治·W·伍德拉夫机械工程学院亚特兰大30332

针对铣削过程中刀具磨损或破损导致切削力波动剧烈,进而使得铣削过程控制难的问题,需要建立考虑刀-屑间的摩擦特性进行切削力精确微元建模。由于常数表示摩擦因数无法全面地描述铣削过程中的摩擦特性,因此以硬质合金立铣刀铣削Cr;MoV淬... 详细信息

针对铣削过程中刀具磨损或破损导致切削力波动剧烈,进而使得铣削过程控制难的问题,需要建立考虑刀-屑间的摩擦特性进行切削力精确微元建模。由于常数表示摩擦因数无法全面地描述铣削过程中的摩擦特性,因此以硬质合金立铣刀铣削Cr;MoV淬硬钢过程为研究对象,根据前刀面温度分布和刀-屑间相对滑移速度建立摩擦因数的经验模型。在考虑材料硬度和刀具后刀面磨损的基础上建立第1剪切区、第2剪切区和第3剪切区受力预测模型,并通过离散微元法建立整体铣削力预测模型。仿真结果与铣削实验测得的结果有很好的一致性,验证了所建立模型具有较高的预测精度,进一步证明了随着后刀面磨损宽度的增加,铣削力随之增大。该结果为Cr;MoV淬硬钢铣削加工加工参数优化提供了理论支持。

关键词：变摩擦因数斜角切削刀具磨损铣削力预测建模

在线全文

学校读者我要写书评

暂无评论

切削过程中的智能技术

机械工程学报 2018年第16期54卷 45-61页

作者：刘献礼刘强岳彩旭王力翚 LIANG S Y 计伟高海宁哈尔滨理工大学高效切削及刀具国家地方联合工程实验室瑞典皇家理工学院佐治亚理工学院乔治·W·伍德拉夫机械工程学院

切削过程是非常复杂的加工过程,在切削过程中涉及物理学、化学、力学、材料学、振动学、摩擦学、传热学等多学科多领域的相关知识与理论,对于切削过程的控制一直以来是切削研究的重点。随着加工技术不断发展与工业4.0时代的到来,切削过... 详细信息

切削过程是非常复杂的加工过程,在切削过程中涉及物理学、化学、力学、材料学、振动学、摩擦学、传热学等多学科多领域的相关知识与理论,对于切削过程的控制一直以来是切削研究的重点。随着加工技术不断发展与工业4.0时代的到来,切削过程的智能加工技术已经成为切削研究的热点,在切削过程中应用智能加工技术是必然的发展趋势。阐述智能加工技术的内涵、应用智能加工技术的流程,并对智能加工技术所涉及的关键技术进行说明。论述了学者们应用智能加工技术在仿真优化、切削过程状态监测与优化控制等方面的研究成果。通过分析智能加工技术的应用前景与存在问题,指出了智能加工技术尚待解决的主要科学问题及关键技术。智能加工是加工技术的发展方向,智能加工技术在切削过程中的应用一定会带来制造业的又一次技术革命。

关键词：智能加工技术切削过程仿真优化在线监测人工智能优化控制

基于EMD-SVM的钛合金铣削过程刀具磨损监测

在线全文

学校读者我要写书评

暂无评论

振动．测试与诊断 2022年第5期42卷 988-996,1039页

作者：谢振龙岳彩旭刘献礼严复钢刘智博穆殿方梁越昇哈尔滨理工大学先进制造智能化技术教育部重点实验室哈尔滨150080 佐治亚理工学院乔治·W·伍德拉夫机械工程学院亚特兰大30332

以硬质合金刀具铣削Ti-6Al-4V为研究对象,提出了一种基于经验模态分解(empirical mode decomposition,简称EMD)及支持向量机(support vector machine,简称SVM)的刀具磨损阶段识别方法。首先,将原始加速度信号及力信号分解为一系列模态分... 详细信息

以硬质合金刀具铣削Ti-6Al-4V为研究对象,提出了一种基于经验模态分解(empirical mode decomposition,简称EMD)及支持向量机(support vector machine,简称SVM)的刀具磨损阶段识别方法。首先,将原始加速度信号及力信号分解为一系列模态分量(intrinsic mode function,简称IMF),选择了有效的IMF来组合一个新的信号;其次,计算新信号的多评价指标矩阵,将得到的多指标矩阵(Ikaz^(TM)、功率谱熵及均方根)作为输入特征向量,得到了基于线性分类器的刀具磨损识别模型;最后,将检测信号输入模型中进行识别,对刀具磨损阶段的识别精度达到了99.17%。EMD-SVM相较于SVM、BP神经网络及小波包-SVM模型,运算时间减少,运算精度提高。实验结果表明,该模式对钛合金铣削过程中的刀具磨损具有良好的识别效果,为刀具磨损状态的监测提供了一种新方法。

关键词：经验模态分解支持向量机刀具磨损监测切削力信号振动信号

基于合作博弈的不确定集群系统编队控制最优设计

在线全文

学校读者我要写书评

暂无评论

控制工程 2024年

作者：王彩云魏萃张泉灵 Ye-Hw. CHEN 南京工业大学电气工程与控制科学学院南京工业大学智能制造研究院佐治亚理工学院乔治·W·伍德拉夫机械工程学院

针对存在不确定性的集群系统编队避碰问题，将基于合作博弈的优化方法与基于约束跟随的控制策略相结合，研究了基于合作博弈的集群系统编队避碰控制优化设计。首先，设计了一种自适应鲁棒约束跟随控制器，实现了集群系统的编队避碰控制... 详细信息

针对存在不确定性的集群系统编队避碰问题，将基于合作博弈的优化方法与基于约束跟随的控制策略相结合，研究了基于合作博弈的集群系统编队避碰控制优化设计。首先，设计了一种自适应鲁棒约束跟随控制器，实现了集群系统的编队避碰控制。然后，针对控制参数人为选取难以保证过渡过程动态性能的问题，采用合作博弈理论对控制参数进行优化，将参数优化问题转化为两玩家合作博弈问题。提出了控制参数优化问题的构建与求解方法，得到了最优控制参数。最后，在车辆集群系统上进行仿真实验，实验结果验证了所提方法的有效性。

关键词：集群系统编队控制自适应鲁棒控制优化设计合作博弈

深度学习与多信号融合在铣刀磨损状态识别中的研究

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 2021年第10期40卷 1581-1589页

作者：穆殿方刘献礼岳彩旭 Steven Y.LIANG 陈志涛李恒帅徐梦迪哈尔滨理工大学机械动力工程学院哈尔滨150080 佐治亚理工学院乔治·W·伍德拉夫机械工程学院美国亚特兰大30332

为精确地识别刀具磨损状态,提出了一种深度学习与多信号融合相结合的识别方法。以自编码网络为基础,构建了堆叠稀疏自编码网络。采集铣刀不同磨损状态下的力信号、振动信号及声发射信号,并对上述信号进行小波包分解以便获取能够表征铣... 详细信息

为精确地识别刀具磨损状态,提出了一种深度学习与多信号融合相结合的识别方法。以自编码网络为基础,构建了堆叠稀疏自编码网络。采集铣刀不同磨损状态下的力信号、振动信号及声发射信号,并对上述信号进行小波包分解以便获取能够表征铣刀磨损的时频域特征。利用无监督学习和有监督学习对堆叠稀疏自编码网络进行训练,建立了深度学习的铣刀磨损状态识别模型。研究结果表明,多信号融合的深度学习模型对铣刀磨损状态识别准确率达到94.44%。

关键词：刀具磨损状态识别深度学习多信号融合堆叠稀疏自编码网络