CN105893760B - 基于广义磨损量的刀具磨损评价和预测方法及系统 - Google Patents
基于广义磨损量的刀具磨损评价和预测方法及系统 Download PDFInfo
- Publication number
- CN105893760B CN105893760B CN201610203162.4A CN201610203162A CN105893760B CN 105893760 B CN105893760 B CN 105893760B CN 201610203162 A CN201610203162 A CN 201610203162A CN 105893760 B CN105893760 B CN 105893760B
- Authority
- CN
- China
- Prior art keywords
- tool wear
- wear
- broad sense
- state
- sampled point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Machine Tool Sensing Apparatuses (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明公开一种基于广义磨损量的刀具磨损评价和预测方法及系统,能够补充现有一维、二维测量与评价方法的不足,有利于优化刀具磨损测量研究过程,深入理解刀具磨损形态及其演化过程,从而更好的指导刀具设计与使用。所述方法包括:S1、获取不同采样时间段内刀具采样点的磨损状态数据,通过对所述磨损状态数据进行拟合,得到刀具采样点的状态函数,并根据所述状态函数确定广义磨损量;S2、基于所述广义磨损量计算刀具磨损评价指标和广义磨损率;S3、根据所述刀具磨损评价指标评定刀具磨损情况,并根据所述广义磨损率预测刀具磨损情况。
Description
技术领域
本发明涉及金属切削加工技术领域,具体涉及一种基于广义磨损量的刀具磨损评价和预测方法及系统。
背景技术
刀具磨损是指刀具在正常的切削过程中,由于物理或化学的作用,使刀具原有的几何角度逐渐丧失。刀具的磨损、破损及其使用寿命对加工质量、生产效率和成本影响极大。因此,刀具磨损测量与评价对于指导工业生产,提高加工质量和效率,具有重要意义。刀具磨损是一种三维现象。由于缺乏完备、准确表达刀具磨损特征的系统,以及落后的测量设备不能满足测量需求,以一维二维表征的刀具磨损模型及评价标准至今仍在广泛应用。随着工件材料的发展和相应刀具的研发,这些仅从外观几何上进行衡量的二维静态指标,并不能完全表征乃至衡量刀具的磨损形态、磨损演化过程。例如,相同的二维测量结果,可能代表着不同的三维磨损状态;在描述某种切削参数下的刀具磨损时,很容易忽略磨损过程中不同状态的相互作用及演化机理。因此,如何结合先进测量技术和数值分析理论等来评定并预测刀具磨损,成为亟待解决的问题。
发明内容
针对现有技术中的缺陷,本发明实施例提供一种基于广义磨损量的刀具磨损评价和预测方法及系统。
一方面,本发明实施例提出一种基于广义磨损量的刀具磨损评价和预测方法,包括:
S1、获取不同采样时间段内刀具采样点的磨损状态数据,通过对所述磨损状态数据进行拟合,得到刀具采样点的状态函数,并根据所述状态函数确定广义磨损量;
S2、基于所述广义磨损量计算刀具磨损评价指标和广义磨损率;
S3、根据所述刀具磨损评价指标评定刀具磨损情况,并根据所述广义磨损率预测刀具磨损情况。
另一方面,本发明实施例提出一种基于广义磨损量的刀具磨损评价和预测系统,包括:
拟合单元,用于获取不同采样时间段内刀具采样点的磨损状态数据,通过对所述磨损状态数据进行拟合,得到刀具采样点的状态函数,并根据所述状态函数确定广义磨损量;
计算单元,用于基于所述广义磨损量计算刀具磨损评价指标和广义磨损率;
评定和预测单元,用于根据所述刀具磨损评价指标评定刀具磨损情况,并根据所述广义磨损率预测刀具磨损情况。
本发明实施例提供的基于广义磨损量的刀具磨损评价和预测方法及系统,能够补充现有一维、二维测量与评价方法的不足,有利于优化刀具磨损测量研究过程,深入理解刀具磨损形态及其演化过程,从而更好的指导刀具设计与使用。
附图说明
图1为本发明一种基于广义磨损量的刀具磨损评价和预测方法一实施例的流程示意图;
图2为本发明一种基于广义磨损量的刀具磨损评价和预测系统一实施例的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参看图1,本实施例公开一种基于广义磨损量的刀具磨损评价和预测方法,包括:
S1、获取不同采样时间段内刀具采样点的磨损状态数据,通过对所述磨损状态数据进行拟合,得到刀具采样点的状态函数,并根据所述状态函数确定广义磨损量;
S2、基于所述广义磨损量计算刀具磨损评价指标和广义磨损率;
S3、根据所述刀具磨损评价指标评定刀具磨损情况,并根据所述广义磨损率预测刀具磨损情况。
本实施例提供的基于广义磨损量的刀具磨损评价和预测方法,能够补充现有一维、二维测量与评价方法的不足,有利于优化刀具磨损测量研究过程,深入理解刀具磨损形态及其演化过程,从而更好的指导刀具设计与使用。
可选地,在本发明基于广义磨损量的刀具磨损评价和预测方法的另一实施例中,所述广义磨损量,表示为:
其中,hij(i=1,2,…,m;j=1,2,…,n)为采样区域切削刃方向第i个位置垂直于切削刃方向第j个位置处采样点的状态函数,m为平行于切削刃方向的采样点的数量,n为垂直于切削刃方向的采样点的数量,采样区域的采样点数量为m×n。
可选地,在本发明基于广义磨损量的刀具磨损评价和预测方法的另一实施例中,所述S2,包括:
基于所述广义磨损量计算刀具体积磨损率和/或相对磨损面积比和/或相对磨损体积比和/或最大磨损截面面积。
可选地,在本发明基于广义磨损量的刀具磨损评价和预测方法的另一实施例中,所述基于所述广义磨损量计算刀具体积磨损率,包括:
计算刀具体积磨损率计算公式为其中,lm为平行于切削刃方向的取样长度,ln为垂直于切削刃方向的取样长度,t为与刀具磨损相关的影响因子或状态参量。
可选地,在本发明基于广义磨损量的刀具磨损评价和预测方法的另一实施例中,所述基于所述广义磨损量计算最大磨损截面面积,包括:
计算最大磨损截面面积S,计算公式为
可选地,在本发明基于广义磨损量的刀具磨损评价和预测方法的另一实施例中,所述S2,包括:
计算广义磨损率计算公式为其中,t为与刀具磨损相关的影响因子或状态参量。
可选地,在本发明基于广义磨损量的刀具磨损评价和预测方法的另一实施例中,所述S3,包括:
根据所述刀具磨损评价指标建立刀具磨损情况评定矩阵T,其中,W=(ω1ω2…ωm),ωi(i=1,2,...,m)为第i种因素对刀具磨损影响的程度,0≤ωi≤1,rij(1≤i≤m,1≤j≤n)为刀具磨损评价指标,R为rij的集合;
利用所述刀具磨损情况评定矩阵评定刀具磨损情况。
本发明实施例中,利用刀具磨损情况评定矩阵评定刀具磨损情况的方法可以为:计算T中每一元素在对应的阈值范围内的数量,若该数量小于一临界值,则认为刀具磨损不严重,否则,则认为刀具磨损严重。
可选地,在本发明基于广义磨损量的刀具磨损评价和预测方法的另一实施例中,所述S3,包括:
S30、计算并集包含采样区域的多个子区域中每一采样点的状态函数的一阶导数或一阶偏导数;
S31、对于所述多个子区域中每一子区域,计算该子区域中状态函数的一阶导数的绝对值大于除所述子区域外的其它子区域中的采样点的状态函数的一阶导数的绝对值的采样点的数量,或者对于所述多个子区域中每一子区域,计算该子区域中状态函数的一阶偏导数的绝对值大于除所述子区域外的其它子区域中的采样点的状态函数的一阶偏导数的绝对值的采样点的数量;
S32、比较步骤S31中多个计算结果的大小关系,根据比较的结果预测刀具磨损情况。
下面对本发明进行详细说明。
广义磨损量的定义为
其中,hij(i=1,2,…,m;j=1,2,…,n)为采样点状态函数,设定初始平面为参考面,向下为正。
对于上式在刀具磨损中的物理意义,设定如下:
该式为前刀面(或后刀面)广义磨损量,行向量为垂直于切削刃方向采样点的状态函数,列向量为平行于切削刃方向采样点的状态函数。hij是前刀面(或后刀面)随温度、时间及其他影响刀具磨损等因素变化的采样点状态函数,其某一时刻的数值可采用接触式或非接触式测量设备获得。采样点的数值精度、m、n的大小由测量设备精度及测试需求确定。
广义磨损率的定义为
其中,hij(i=1,2,…,m;j=1,2,…,n)为随温度、时间及其他影响刀具磨损等因素变化的采样点状态函数;t为与刀具磨损相关的影响因子或状态参量;设定初始平面为参考面,向下为正。
对于上式在刀具磨损中的物理意义,设定如下:
当t为时间,hij为采样点高度函数时,该式为前刀面(或后刀面)广义磨损率,为采样点的高度变化率,表征了采样点附近刀具磨损的剧烈程度。当规律变化时,说明该点附近为正常磨损;否则,为非正常磨损,如发生崩刃等现象。
定义刀具磨损情况评定矩阵为
T=W·R,
其中,W为系数矩阵,R为广义磨损量评价矩阵。
W=[ω1 ω2 … ωm],
对于上式在刀具磨损中的物理意义,设定如下:
定义某种因素对刀具磨损影响的程度,或者某种刀具磨损评价指标所反映的刀具磨损剧烈程度,称为刀具磨损敏感度。用数字来衡量时,称为刀具磨损敏感度因子,此处可记为ωi(i=1,2,...,m)且0≤ωi≤1。
rij(1≤j≤n)为刀具磨损评价指标,其物理意义如下表1。
表1 rij的物理意义
注:表1中rij的数值可以为测量值,也可以为根据测量值得到的评估值。
作为对表1的详细说明,表2列举了基本评价指标中的刀具三维形貌的具体内容。
表2刀具三维形貌的评价指标
本发明一种基于广义磨损量的刀具磨损评价和预测方法,该方法示例应用如下:
当hij(i=1,2,…,m;j=1,2,…,n)取为随温度、时间及其他影响刀具磨损等因素变化的采样点高度函数时,若采样点数值为正时说明发生了磨损,数值为负说明有积屑瘤等粘结物。以下示例以此为基础
示例1刀具磨损体积的测量
设定平行于切削刃方向的取样长度为lm,垂直于切削刃方向的取样长度为ln,则取样等距步长分别为
当m、n足够大时,等距步长可记为
刀具实体以外的采样点高度数值设定为hij=0。
则刀具磨损体积为
示例2刀具体积磨损率
由示例1中刀具磨损体积,可得刀具体积磨损率为
其中,t为切削时间。
同理,可定义单位工件去除量的刀具磨损体积。
其中,Q为工件去除量。
以车削为例,工件去除量
Q=ap·f·v·t,
其中ap、f、v、t分别为切削深度、进给率、切削速度、切削时间。则有
示例3后刀面磨损宽度的测量
当前刀面(或后刀面)只有少量几处(或一处)磨损严重,需要重点关注时,可采用不等距步长测量法。
例如后刀面C、B、N三个区域分别各有一处明显磨损需要测量,垂直于切削刃方向取样长度ln,n足够大,hCj(1≤j≤n)为刀面C区域中靠近切削刃的第j个取样点高度函数,hBj(1≤j≤n)为刀面B区域中靠近切削刃的第j个取样点高度函数,hNj(1≤j≤n)为刀面N区域中靠近切削刃的第j个取样点高度函数。
则广义磨损量可记为
设定当hij≥δ(单位为mm,δ的大小及精度根据实际情况确定),该取样点记为发生磨损。分别逐行对hij(j=1,2,…,n)进行判定,当第k(1<k<n)取样点附近hij<δ,可得到磨损宽度分别为
其中,lCk、lBk、lNk分别为后刀面C、B、N三个区域的采样长度,后刀面C区域中前kc个采样点的状态函数值不小于δ,第kc个采样点的状态函数值小于δ,后刀面B区域中前kB个采样点的状态函数值不小于δ,第kB个采样点的状态函数值小于δ,后刀面N区域中前kN个采样点的状态函数值不小于δ,第kN个采样点的状态函数值小于δ,VBC、VBB、VBN分别为后刀面C、B、N三个区域的最大磨损宽度。
作为后刀面磨损宽度的延伸,定义后刀面截面磨损面积为
示例4前刀面最大月牙洼深度的测量
根据需要采用等距或不等距步长法得到广义磨损量矩阵:
则前刀面最大月牙洼深度为
KT=hab(1≤a≤m,1≤b≤n),
其中,对于任意的i,j(1≤i≤m;1≤j≤n),均满足hab≥hij。
示例5刀具磨损预测
记采样区域中某一邻域G的广义磨损率为
其中,1≤a≤m,1≤b≤n,且1≤i+a≤m,1≤j+b≤n。
对于邻域G中采样点进行检测,若邻域G的值明显大于其他区域。则正常磨损情况下,邻域G成为刀具磨损的最严重区域,也表征了整个刀具的磨损程度。因此,采用邻域G可以预测刀具磨损情况,并进一步预测刀具寿命。
根据随时间变化的广义磨损量高度矩阵,可以得到不同时刻的刀具表面的磨损程度梯度图。根据广义磨损率的定义,高度向量的变化速率即表征了刀具磨损的程度和几何方向,从而可以进一步预测刀具磨损。由于刀具初期的磨损速率、磨损程度,一定程度上也表征了该刀具的磨损寿命。因此,根据刀具初期广义磨损率,可以快速筛选最佳刀具材料,缩短筛选时间。
参看图2,本实施例公开一种基于广义磨损量的刀具磨损评价和预测系统,包括:
拟合单元1,用于获取不同采样时间段内刀具采样点的磨损状态数据,通过对所述磨损状态数据进行拟合,得到刀具采样点的状态函数,并根据所述状态函数确定广义磨损量;
计算单元2,用于基于所述广义磨损量计算刀具磨损评价指标和广义磨损率;
评定和预测单元3,用于根据所述刀具磨损评价指标评定刀具磨损情况,并根据所述广义磨损率预测刀具磨损情况。
虽然结合附图描述了本发明的实施方式,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (5)
1.一种基于广义磨损量的刀具磨损评价和预测方法,其特征在于,包括:
S1、获取不同采样时间段内刀具采样点的磨损状态数据,通过对所述磨损状态数据进行拟合,得到刀具采样点的状态函数,并根据所述状态函数确定广义磨损量;
S2、基于所述广义磨损量计算刀具磨损评价指标和广义磨损率;
S3、根据所述刀具磨损评价指标评定刀具磨损情况,并根据所述广义磨损率预测刀具磨损情况;
所述广义磨损量,表示为:
其中,hij为采样区域切削刃方向第i个位置垂直于切削刃方向第j个位置处采样点的状态函数,m为平行于切削刃方向的采样点的数量,n为垂直于切削刃方向的采样点的数量,采样区域的采样点数量为m×n;
所述S2,包括:
计算广义磨损率计算公式为其中,t为与刀具磨损相关的影响因子或状态参量;
所述S3,包括:
根据所述刀具磨损评价指标建立刀具磨损情况评定矩阵T,其中,W=(ω1 ω2 … ωm),ωi为第i种因素对刀具磨损影响的程度,0≤ωi≤1,rij为刀具磨损评价指标,R为rij的集合,1≤i≤m,1≤j≤n;
利用所述刀具磨损情况评定矩阵评定刀具磨损情况,
所述利用所述刀具磨损情况评定矩阵评定刀具磨损情况的方法,包括:计算T中每一元素在对应的阈值范围内的数量,若该数量小于一临界值,则认为刀具磨损不严重,否则,则认为刀具磨损严重;
所述S3,包括:
S30、计算并集包含采样区域的多个子区域中每一采样点的状态函数的一阶导数或一阶偏导数;
S31、对于所述多个子区域中每一子区域,计算该子区域中状态函数的一阶导数的绝对值大于除所述子区域外的其它子区域中的采样点的状态函数的一阶导数的绝对值的采样点的数量,或者对于所述多个子区域中每一子区域,计算该子区域中状态函数的一阶偏导数的绝对值大于除所述子区域外的其它子区域中的采样点的状态函数的一阶偏导数的绝对值的采样点的数量;
S32、比较步骤S31中多个计算结果的大小关系,根据比较的结果预测刀具磨损情况。
2.根据权利要求1所述的基于广义磨损量的刀具磨损评价和预测方法,其特征在于,所述S2,包括:
基于所述广义磨损量计算刀具体积磨损率和/或相对磨损面积比和/或相对磨损体积比和/或最大磨损截面面积。
3.根据权利要求2所述的基于广义磨损量的刀具磨损评价和预测方法,其特征在于,所述基于所述广义磨损量计算刀具体积磨损率,包括:
计算刀具体积磨损率计算公式为其中,V磨损为刀具磨损体积,lm为平行于切削刃方向的取样长度,ln为垂直于切削刃方向的取样长度,t为与刀具磨损相关的影响因子或状态参量。
4.根据权利要求3所述的基于广义磨损量的刀具磨损评价和预测方法,其特征在于,所述基于所述广义磨损量计算最大磨损截面面积,包括:
计算最大磨损截面面积S,计算公式为
5.一种基于广义磨损量的刀具磨损评价和预测系统,其特征在于,包括:
拟合单元,用于获取不同采样时间段内刀具采样点的磨损状态数据,通过对所述磨损状态数据进行拟合,得到刀具采样点的状态函数,并根据所述状态函数确定广义磨损量;
计算单元,用于基于所述广义磨损量计算刀具磨损评价指标和广义磨损率;
评定和预测单元,用于根据所述刀具磨损评价指标评定刀具磨损情况,并根据所述广义磨损率预测刀具磨损情况;
所述广义磨损量,表示为:
其中,hij为采样区域切削刃方向第i个位置垂直于切削刃方向第j个位置处采样点的状态函数,m为平行于切削刃方向的采样点的数量,n为垂直于切削刃方向的采样点的数量,采样区域的采样点数量为m×n;
所述计算单元,具体用于:
计算广义磨损率计算公式为其中,t为与刀具磨损相关的影响因子或状态参量;
所述评定和预测单元,具体用于:
根据所述刀具磨损评价指标建立刀具磨损情况评定矩阵T,其中,W=(ω1 ω2 … ωm),ωi为第i种因素对刀具磨损影响的程度,0≤ωi≤1,rij为刀具磨损评价指标,R为rij的集合,1≤i≤m,1≤j≤n;
利用所述刀具磨损情况评定矩阵评定刀具磨损情况,
所述利用所述刀具磨损情况评定矩阵评定刀具磨损情况的方法,包括:计算T中每一元素在对应的阈值范围内的数量,若该数量小于一临界值,则认为刀具磨损不严重,否则,则认为刀具磨损严重;
所述评定和预测单元,具体用于:
计算并集包含采样区域的多个子区域中每一采样点的状态函数的一阶导数或一阶偏导数;
对于所述多个子区域中每一子区域,计算该子区域中状态函数的一阶导数的绝对值大于除所述子区域外的其它子区域中的采样点的状态函数的一阶导数的绝对值的采样点的数量,或者对于所述多个子区域中每一子区域,计算该子区域中状态函数的一阶偏导数的绝对值大于除所述子区域外的其它子区域中的采样点的状态函数的一阶偏导数的绝对值的采样点的数量;
比较前一步中多个计算结果的大小关系,根据比较的结果预测刀具磨损情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610203162.4A CN105893760B (zh) | 2016-04-01 | 2016-04-01 | 基于广义磨损量的刀具磨损评价和预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610203162.4A CN105893760B (zh) | 2016-04-01 | 2016-04-01 | 基于广义磨损量的刀具磨损评价和预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105893760A CN105893760A (zh) | 2016-08-24 |
CN105893760B true CN105893760B (zh) | 2018-11-16 |
Family
ID=57011866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610203162.4A Active CN105893760B (zh) | 2016-04-01 | 2016-04-01 | 基于广义磨损量的刀具磨损评价和预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105893760B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106407526B (zh) * | 2016-09-05 | 2019-08-09 | 大连理工大学 | 一种微铣削过程刀具后刀面磨损预测方法 |
DE102019102250A1 (de) * | 2018-02-06 | 2019-08-08 | Fanuc Corporation | Vorhersagen der Abnutzung des Polierwerkzeugs, Maschinenlernvorrichtung und System |
CN110111306B (zh) * | 2019-04-10 | 2021-01-22 | 厦门理工学院 | 一种圆柱立式铣刀周刃磨损评价方法、装置和存储介质 |
CN111007800B (zh) * | 2019-12-20 | 2020-10-30 | 常州先进制造技术研究所 | 用于平头微铣削刀具磨损预测和加工参数优化的通用方法 |
CN112818477B (zh) * | 2021-01-04 | 2022-10-04 | 哈尔滨理工大学 | 一种整体式平底立铣刀的刀具失效界限图建立方法及系统 |
CN114509991B (zh) * | 2022-02-25 | 2024-02-06 | 成都大学 | 考虑参数不确定的数控机床切削稳定性预测与优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5026225B2 (ja) * | 2007-10-25 | 2012-09-12 | Ntn株式会社 | 共形接触下の接触面圧および表面下応力計算方法・計算装置 |
CN103927450A (zh) * | 2014-01-22 | 2014-07-16 | 黑龙江科技大学 | 一种切削刀具与高温合金组合加工时的切削参数确定方法 |
CN105136449A (zh) * | 2015-08-24 | 2015-12-09 | 哈尔滨工程大学 | 一种基于磨损机理的车用传动装置的磨损随机过程试验预测方法 |
CN105550469A (zh) * | 2016-01-19 | 2016-05-04 | 中国兵器科学研究院 | 一种基于随机过程的磨损可靠寿命预测技术 |
-
2016
- 2016-04-01 CN CN201610203162.4A patent/CN105893760B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5026225B2 (ja) * | 2007-10-25 | 2012-09-12 | Ntn株式会社 | 共形接触下の接触面圧および表面下応力計算方法・計算装置 |
CN103927450A (zh) * | 2014-01-22 | 2014-07-16 | 黑龙江科技大学 | 一种切削刀具与高温合金组合加工时的切削参数确定方法 |
CN105136449A (zh) * | 2015-08-24 | 2015-12-09 | 哈尔滨工程大学 | 一种基于磨损机理的车用传动装置的磨损随机过程试验预测方法 |
CN105550469A (zh) * | 2016-01-19 | 2016-05-04 | 中国兵器科学研究院 | 一种基于随机过程的磨损可靠寿命预测技术 |
Also Published As
Publication number | Publication date |
---|---|
CN105893760A (zh) | 2016-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105893760B (zh) | 基于广义磨损量的刀具磨损评价和预测方法及系统 | |
Velchev et al. | Empirical models for specific energy consumption and optimization of cutting parameters for minimizing energy consumption during turning | |
Süveges | Likelihood estimation of the extremal index | |
CN102566492B (zh) | 一种用于预测金属难加工材料插铣最大铣削力的方法 | |
CN102880771B (zh) | 高速切削加工中工件表面粗糙度的预测方法 | |
CN105269402A (zh) | 一种基于铣削加工的钛合金材料表面粗糙度预测方法 | |
Dabade et al. | Cutting forces and surface roughness in machining Al/SiCp composites of varying composition | |
CN103761429A (zh) | 铣削加工工件表面粗糙度的预测方法 | |
CN104504583B (zh) | 分类器的评价方法 | |
Raykar et al. | Analysis of surface topology in dry machining of EN-8 steel | |
CN105955198B (zh) | 基于最小二乘迭代算法的机床工步能耗监测方法 | |
CN110728049A (zh) | 一种刀具车削温度变化均值的组合预测模型建立方法 | |
Singh et al. | Parametric optimisation of CNC turning for Al-7020 with RSM | |
US9669479B2 (en) | Data collection system for electric discharge machines | |
CN109901512A (zh) | 一种基于加工参数标准化的车削工时定额方法 | |
TW201821215A (zh) | 加工參數調整系統及加工參數調整方法 | |
Alrashdan et al. | Multi-criteria end milling parameters optimization of AISI D2 steel using genetic algorithm | |
Silva et al. | Adaptive control optimisation system for minimising production cost in hard milling operations | |
CN106407669A (zh) | 一种切削加工表面粗糙度的预测方法 | |
Nieslony et al. | Numerical 3D FEM simulation and experimental analysis of tribological aspects in turning Inconel 718 alloy | |
Horman et al. | Temperature influence on wear characteristics and blunting of the tool in continuous wood cutting process | |
Long et al. | Finite element modeling of burr formation in orthogonal cutting | |
CN113770805A (zh) | 一种基于刀具参数和材料参数的车削表面粗糙度预测方法 | |
Lin | The reliability analysis of cutting tools in the HSM processes | |
CN107103129A (zh) | 一种切削加工中工件表面残余应力的预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200309 Address after: 450000 No. seventh, 198 Avenue, Zhengzhou economic and Technological Development Zone, Henan Patentee after: Zhengzhou Diamond Precision Manufacturing Co., Ltd. Address before: 100191 Haidian District, Xueyuan Road, No. 37, Patentee before: BEIHANG University |