CN107065778B - 一种面向机床整个使用阶段能量效率最高的机床评选方法 - Google Patents

一种面向机床整个使用阶段能量效率最高的机床评选方法 Download PDF

Info

Publication number
CN107065778B
CN107065778B CN201710464808.9A CN201710464808A CN107065778B CN 107065778 B CN107065778 B CN 107065778B CN 201710464808 A CN201710464808 A CN 201710464808A CN 107065778 B CN107065778 B CN 107065778B
Authority
CN
China
Prior art keywords
lathe
candidate
energy efficiency
workpieces processing
machining feature
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
Application number
CN201710464808.9A
Other languages
English (en)
Other versions
CN107065778A (zh
Inventor
刘培基
张西成
刘飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University
Original Assignee
Chongqing University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing University filed Critical Chongqing University
Priority to CN201710464808.9A priority Critical patent/CN107065778B/zh
Publication of CN107065778A publication Critical patent/CN107065778A/zh
Application granted granted Critical
Publication of CN107065778B publication Critical patent/CN107065778B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/408—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by data handling or data format, e.g. reading, buffering or conversion of data
    • G05B19/4086—Coordinate conversions; Other special calculations
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/35—Nc in input of data, input till input file format
    • G05B2219/35356—Data handling

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)
  • Numerical Control (AREA)

Abstract

本发明公开了一种面向机床整个使用阶段能量效率最高的机床评选方法，包括以下步骤：建立预计加工工件集合WT；建立候选机床集合MT；为候选机床集合MT中的每个候选机床建立固有能效特征矩阵；根据每个候选机床的固有能效特征矩阵，建立包含全部候选机床的固有能效特征关联矩阵E；为候选机床集合MT中的每个候选机床建立加工特征矩阵；为每个候选机床计算当量参数；根据加工特征矩阵与当量参数，为每个候选机床构建当量加工特征矩阵；根据每个候选机床的当量加工特征矩阵，分别建立每个候选机床加工预计加工工件集合WT中全部工件的当量加工特征关联矩阵：根据固有能效特征矩阵以及当量加工特征关联矩阵计算候选机床MTm的能量效率

Description

一种面向机床整个使用阶段能量效率最高的机床评选方法
技术领域
本发明涉及机械制造技术领域，尤其是对机床整个使用阶段的能量效率进行预先评估的方法。
背景技术
近年来，提升制造系统能量效率已成为各国制造业可持续发展的重要战略；同时，受压于日益增加的能源价格和环境政策，制造商迫切需要提升制造系统的能量效率。考虑到机床为制造系统的能耗主体且节能潜力很大，制造商很有必要在组建制造系统阶段采购合适的机床，使得机床在未来整个使用阶段的能量效率尽可能的高。
在组建制造系统阶段采购机床，是一项多目标决策问题，需要综合考虑整个系统的揉性、效率、质量、效益、维修等多个目标。针对该多目标决策问题，现有学者已建立了模糊多目标决策法、模糊层次分析法、模糊网络分析法和多目标集体决策法等多种解决方案；但现有的文献对选择高能效机床的研究还不够。如WU在论文《A group decision makingframework based on fuzzy VIKOR approach for machine tool selection withlinguistic information》中将机床额定功率作为机床选择时的6个目标之一，但是额定功率同时反映了机床加工能力和能量消耗这两个相互冲突的目标；Nguyen在论文《A hybridapproach for fuzzy multi-attribute decision making in machine tool selectionwith consideration of the interactions of attributes》将“使用更少的能量”作为机床选择的目标之一，但并没有指出如何根据额定功率、待机功率等基础能耗参数评估各候选机床的能量效率表现情况的方法。
对于机床能量效率的评估方法，可分为参考工件法、参考工艺法、比能法和组件定标法四种。Schudeleit在论文《Methods for evaluation of energy efficiency ofmachine tools》中对上述四种方法进行了对比，发现：参考工艺法最适合用于测试机床的能量效率，组件定标法最适合用于设计高能效机床，比能法最适合用于比较各机床的能量效率表现，而参考样件法的测试过程相对比较简单。尽管上述4中方法有很多优点，但是这4种方法都忽略了一个事实，即机床的能量效率由机床自身的能量消耗特点和机床加工的工件任务两者共同决定的。由于机床加工不同的加工任务时具有不同的能量效率，而不同的机床客户具有的加工任务是不同的。因此，上述四种方法的评估结果难以反映机床在未来整个使用阶段加工可能的加工任务(即机床客户的加工任务)时的能量效率表现情况，因而难以用于机床客户采购机床时的机床能效评估。现有技术中的评估方法往往需要用到切削功率这一参数，这样就需要在机床上安装切削仪器，不仅费时费力，而且在某些机床如滚齿机上安装切削仪器比较困难，难以实现。
综述所述，现有的机床能效评估方法尚难以反映机床完成机床客户的加工任务的能量效率表现情况，导致机床客户在采购机床时尚缺乏评估候选机床完成企业加工任务的能量效率表现情况的有效手段。
发明内容
针对上述现有技术的不足，本发明提供一种机床面向机床整个使用阶段的能量效率评选方法，解决了现有技术中对机床整个使用阶段的能量效率不能准确评估的技术问题，能够客观真实的反映机床在未来整个使用阶段的能量效率，使得在进行机床采购时能够方便快速的选择出能量效率最高的机床。
为解决上述计算问题，本发明的技术方案如下：一种面向机床整个使用阶段能量效率最高的机床评选方法，包括以下步骤：
步骤1：建立预计加工工件集合WT：WT＝[W1,...,Wl,...,WL]；其中，L为预计加工工件种类总数，1≤l≤L；
步骤2：建立候选机床集合MT:MT＝[MT1,...,MTm,...,MTM]；其中，M为候选机床种类总数，1≤m≤M；
步骤3：为候选机床集合MT中的每个候选机床建立固有能效特征矩阵，第m个候选机床MTm的固有能效特征矩阵其中，为候选机床MTm的待机功率，为候选机床MTm在主轴启动阶段消耗的能量，为候选机床MTm的空载功率，分别为候选机床MTm的一次和二次载荷损耗系数；
步骤4：根据每个候选机床的固有能效特征矩阵，建立包含全部候选机床的固有能效特征关联矩阵E：E＝[E1...Em...EM]T；
步骤5：为候选机床集合MT中的每个候选机床建立加工特征矩阵；
在候选机床MTm采用第i套工艺方案加工第l个预计加工工件Wl的前提条件下，其中， 表示采用候选机床MTm加工工件Wl可供选择的工艺方案总数，第m个候选机床MTm的加工特征矩阵
其中，为加工工步总数；为待机时长；
其中，表示第j个加工工步开始前的主轴状态，的取值为0或1；当时，表示第j个加工工步开始前的主轴处于停机状态；当时，表示第j个加工工步开始前的主轴处于空载状态；
其中，表示第j个加工工步的主轴转速；
其中，表示第j个加工工步的空切阶段的空切时长；
其中，表示第j个加工工步的切削阶段的切削时长；
其中，表示第j个加工工步的切削功率；
步骤6：为候选机床集合MT中的每个候选机床计算当量参数；在候选机床MTm采用第i套工艺方案加工第l种预计加工工件Wl的前提条件下，第m个候选机床MTm的当量参数为根据公式进行计算；
其中，为表示采用第i套工艺方案的概率；xl表示第l种预计加工工件的数量Nl与所有预计加工工件总数NT的比值，即其中，
步骤7：根据步骤5以及步骤6计算的加工特征矩阵与当量参数，为候选机床集合MT中的每个候选机床构建当量加工特征矩阵，第m个候选机床MTm加工工件Wl的当量加工特征矩阵为
步骤8：根据每个候选机床的当量加工特征矩阵，分别建立每个候选机床加工预计加工工件集合WT中全部工件的当量加工特征关联矩阵：第m个候选机床的当量加工特征关联矩阵为
步骤9：计算每个候选机床在整个使用阶段的能量效率，其中第m个候选机床MTm的能量效率按如下步骤计算：
步骤901：根据候选机床编号m选出对应的当量加工特征关联矩阵以及固有能效特征矩阵Em；
步骤902：根据当量加工特征关联矩阵以及固有能效特征矩阵Em分别计算候选机床MTm采用第i套工艺方案加工工件Wl的比能以及有效切削能耗分别按如下公式：
步骤903：计算每个候选机床的能量效率，其中第m个候选机床MTm的能量效率的计算公式如下：
步骤10：采用以下数学模型计算出能量效率最高的候选机床所对应的机编号O，1≤O≤M：
优选的，当候选机床的主轴电机性能相近时，可进行如下简化：
固有能效特征矩阵Em可简化为如下形式：
加工特征矩阵可简化为如下形式：
比能计算公式可简化为：
优选的，切削功率按如下公式计算：
其中，为候选机床MTm采用第i套工艺方案加工工件Wl时第j工步的切削速度；为候选机床MTm采用第i套工艺方案加工工件Wl时第j工步的切削力，可根据切削力理论公式直接计算获取。
与现有技术相比，本发明具有以下有益效果：
1、本发明对于能量效率的评估考虑到了与机床本身结构与组件直接关联的机床固有能效属性因素(固有能效特征矩阵)，还同时考虑到与机床加工任务相关联的变化性能效属性因素(当量加工特征矩阵)，使得本发明的能量效率评选方法更加客观、真实、合理，符合实际需要。
2、考虑了机床客户的各种加工任务需求，本发明的每个候选机床的能量效率能够针对全部预计加工种类的工件，特别适合在不同生产阶段生产多种不同类型产品的机床，能够客观真实反映机床在未来整个使用阶段的能量效率。
3、本发明的评选方法所需要的各种参数十分容易获取，固有能效特征矩阵中的参数能够从机床厂家提供的信息获取，当量加工特征矩阵的参数能够根据工件特征以及机床特性计算得到，无需安装专门的仪器进行参数测量，如切削仪，节约成本，方便快速。
4、本发明的评选方法，只需提供相关参数，就能够快速的为机床客户选择出能量效率最高的机床，解决了机床客户在采购机床时能量效率评估困难、耗时较长的问题，能够大大缩短采购周期，具有广阔的应用前景。
具体实施方式
一种面向机床整个使用阶段能量效率最高的机床评选方法，包括以下步骤：
步骤1：建立预计加工工件集合WT：WT＝[W1,...,Wl,...,WL]；其中，L为预计加工工件种类总数，1≤l≤L；
步骤2：建立候选机床集合MT:MT＝[MT1,...,MTm,...,MTM]；其中，M为候选集成种类总数，1≤m≤M；
步骤3：为候选机床集合MT中的每个候选机床建立固有能效特征矩阵，第m个候选机床MTm的固有能效特征矩阵其中，为候选机床MTm的待机功率，为候选机床MTm在主轴启动阶段消耗的能量，为候选机床MTm的空载功率，分别为候选机床MTm的一次和二次载荷损耗系数；
步骤4：根据每个候选机床的固有能效特征矩阵，建立包含全部候选机床的总能效固有特征矩阵E：E＝[E1...Em...EM]T；
步骤5：为候选机床集合MT中的每个候选机床建立加工特征矩阵；
在候选机床MTm采用第i套工艺方案加工第l个预计加工工件Wl的前提条件下，其中， 表示采用候选机床MTm加工工件Wl可供选择的工艺方案总数，第m个候选机床MTm的加工特征矩阵
其中，为加工工步总数；为待机时长；
其中，表示第j个加工工步开始前的主轴状态，的取值为0或1；当时，表示第j个加工工步开始前的主轴处于停机状态；当时，表示第j个加工工步开始前的主轴处于空载状态；
其中，表示第j个加工工步的主轴转速；
其中，表示第j个加工工步的空切阶段的空切时长；
其中，表示第j个加工工步的切削阶段的切削时长；
其中，表示第j个加工工步的切削功率；
步骤6：为候选机床集合MT中的每个候选机床计算当量参数；在候选机床MTm采用第i套工艺方案加工第l种预计加工工件Wl的前提条件下，第m个候选机床MTm的当量参数为根据公式进行计算；
其中，为表示采用第i套工艺方案的概率；xl表示第l种预计加工工件的数量Nl与所有预计加工工件总数NT的比值，即其中，
步骤7：根据步骤5以及步骤6计算的加工特征矩阵与当量参数，为候选机床集合MT中的每个候选机床构建当量加工特征矩阵，第m个候选机床MTm加工工件Wl的当量加工特征矩阵为
步骤8：根据每个候选机床的当量加工特征矩阵，分别建立每个候选机床加工预计加工工件集合WT中全部工件的当量加工特征关联矩阵：第m个候选机床的当量加工特征关联矩阵为
步骤9：计算每个候选机床在整个使用阶段的能量效率，其中第m个候选机床MTm的能量效率按如下步骤计算：
步骤901：根据候选机床编号m选出对应的当量加工特征关联矩阵以及固有能效特征矩阵Em；
步骤902：根据当量加工特征关联矩阵以及固有能效特征矩阵Em分别计算候选机床MTm采用第i套工艺方案加工工件Wl的比能以及有效切削能耗分别按如下公式：
步骤903：计算每个候选机床的能量效率，其中第m个候选机床MTm的能量效率的计算公式如下：
步骤10：采用以下数学模型计算出能量效率最高的候选机床所对应的机编号O，1≤O≤M：
机床客户在采购机床时需要向机床供应商提供预计加工工件的CAD文件以及对应工件的毛坯CAD文件，然后根据候选机床特性设计机床MTm加工工件Wl的第i套工艺方案确定加工加工工步总数各工步的主轴转速切削速度进给速度背吃刀量以及主轴状态
本具体实施方式中，待机时长为工件装夹时长和卸料时长的总和；空切时长根据工程师的经验进行估计。
本具体实施方式中，切削时长按如下公式计算：
其中，为候选机床MTm采用第i套工艺方案加工工件Wl时第j工步的走刀行程，可根据工件Wl及其毛坯的CAD文件确定。
本具体实施方式中，切削功率按如下公式计算：
其中，为候选机床MTm采用第i套工艺方案加工工件Wl时第j工步的切削速度；为候选机床MTm采用第i套工艺方案加工工件Wl时第j工步的切削力，本实施例为滚齿机，采用机床厂商提供的计算公式，如下：
其中，m为工件模数，z为工件齿数，v为切削速度(米/分),f为走刀量(毫米/转)，ap为切入深度(毫米)，Kc为工件材料修正系数，Ky为工件硬度修正系数，Kβ为工件螺旋角修正系数，D为滚刀直径。
为了更好的说明本发明的技术方案，以某齿轮传动企业采购一台高速干切滚齿机为例，首先根据机床客户的实际需求，建立预计加工工件集合WT，集合WT中各工件的规格参数表1：
表1预计加工工件的规格清单
其中，预计加工工件种类总数L＝4，Wl为第l种预加工工件(1≤l≤4)。
然后，机床供应商根据机床客户的实际需求，以及机床的加工能力、加工精度、生产效率以及成本等要求，提供了两台候选机床分别是YE3120CNC7和YS3126CNC7，给YE3120CNC7机床编号为1，给YS3126CNC7机床编号为2，候选机床种类总数M＝2，组成候选机床集合MT＝[MT1,MT2]；两台机床的规格参数如表2所示：
表2滚齿机规格
由于两台机床加工表1中的4种预计加工工件时，推荐使用的主轴转速均为700r/min。为此，根据机床厂家提供的机床参数，按照简化形式建立候选机床的固有能效特征关联矩阵E：
再然后建立候选机床MT1加工所有工件的能效关联加工特征矩阵
由于表1中4种预计加工工件具有相同的材料，而且尺寸差异很小，因此，同一台候选机床可采用相同的工艺方案加工上述4种预加工工件；同时，由于候选机床YE3120CNC7的轴向移动速度高于候选机床YS3126CNC7，因此，候选机床YE3120CNC7的进给速度可高于候选机床YS3126CNC7；本实施例涉及的4种预计加工工件均可一次走刀完成加工，即加工工步总数J＝1。因此，两种机床加工表1中4种预计加工工件时的工艺参数及其使用概率如表3所示(其中，加工刀具为采用滚刀直径D为80mm的3头干切滚刀)：
表3(a)YE3120CNC7的加工参数
表3(b)YS3126CNC7的加工参数
然后，两台候选机床加工4种预计加工工件的待机时长取为28s；由于1号候选机床的快速移动性能优于2号候选机床，因此，1号候选机床的空切时长取为3s，2号候选机床的空切时长取为4s；切削时长根据表3中的数据按公式计算获取。
然而，切削功率按公式计算；其中根据公式计算切削力根据表1获取工件模数m、工件齿数z和切入深度ap，根据表3获取切削速度v、走刀量f。同时，工件材料修正系数Kc、工件硬度修正系数Ky和工件螺旋角修正系数Kβ可通过查询切削手册获取，本实施例中分别取为：Kc＝1.34，Ky＝1.05，Kβ＝1.11。
于是，建立候选机床MT1加工全部预计加工工件的当量加工特征关联矩阵如下所示：
同理，建立候选机床MT2加工全部预计加工工件的当量加工特征关联矩阵如下所示：
根据候选机床加工预计加工工件的能量效率计算公式，可得：
按照最高效率原则选择机床，计算出能量效率最高的候选机床所对应的机编号O：
O＝1，企业应该选择YE3120CNC7。
根据可得，与选择YS3126CNC7相比，采购YE3120CNC7加工企业的预计加工工件，4种预计加工工件可平均减少能源消耗24419J。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种面向机床整个使用阶段能量效率最高的机床评选方法，其特征在于：包括以下步骤：
步骤1：建立预计加工工件集合WT：WT＝[W1,...,Wl,...,WL]；其中，L为预计加工工件种类总数，1≤l≤L；
步骤2：建立候选机床集合MT:MT＝[MT1,...,MTm,...,MTM]；其中，M为候选机床种类总数，1≤m≤M；
步骤3：为候选机床集合MT中的每个候选机床建立固有能效特征矩阵，第m个候选机床MTm的固有能效特征矩阵其中，Ps m为候选机床MTm的待机功率，为候选机床MTm在主轴启动阶段消耗的能量，为候选机床MTm的空载功率，分别为候选机床MTm的一次和二次载荷损耗系数；
步骤4：根据每个候选机床的固有能效特征矩阵，建立包含全部候选机床的固有能效特征关联矩阵E：E＝[E1...Em...EM]T；
步骤5：为候选机床集合MT中的每个候选机床建立加工特征矩阵；
在候选机床MTm采用第i套工艺方案加工第l个预计加工工件Wl的前提条件下，其中， 表示采用候选机床MTm加工工件Wl可供选择的工艺方案总数，第m个候选机床MTm的加工特征矩阵
其中，为加工工步总数；为待机时长；
其中，表示第j个加工工步开始前的主轴状态，的取值为0或1；当时，表示第j个加工工步开始前的主轴处于停机状态；当时，表示第j个加工工步开始前的主轴处于空载状态；
其中，表示第j个加工工步的主轴转速；
其中，表示第j个加工工步的空切阶段的空切时长；
其中，表示第j个加工工步的切削阶段的切削时长；
其中，表示第j个加工工步的切削功率；
步骤6：为候选机床集合MT中的每个候选机床计算当量参数；在候选机床MTm采用第i套工艺方案加工第l种预计加工工件Wl的前提条件下，第m个候选机床MTm的当量参数为ri m,l，根据公式进行计算；
其中，为表示采用第i套工艺方案的概率；xl表示第l种预计加工工件的数量Nl与所有预计加工工件总数NT的比值，即其中，
步骤7：根据步骤5以及步骤6计算的加工特征矩阵与当量参数，为候选机床集合MT中的每个候选机床构建当量加工特征矩阵，第m个候选机床MTm加工工件Wl的当量加工特征矩阵为
步骤8：根据每个候选机床的当量加工特征矩阵，分别建立每个候选机床加工预计加工工件集合WT中全部工件的当量加工特征关联矩阵：第m个候选机床的当量加工特征关联矩阵为
步骤9：计算每个候选机床在整个使用阶段的能量效率，其中第m个候选机床MTm的能量效率按如下步骤计算：
步骤901：根据候选机床编号m选出对应的当量加工特征关联矩阵以及固有能效特征矩阵Em；
步骤902：根据当量加工特征关联矩阵以及固有能效特征矩阵Em分别计算候选机床MTm采用第i套工艺方案加工工件Wl的比能以及有效切削能耗分别按如下公式：
步骤903：计算每个候选机床的能量效率，其中第m个候选机床MTm的能量效率的计算公式如下：
步骤10：采用以下数学模型计算出能量效率最高的候选机床所对应的机编号O，1≤O≤M：
2.根据权利要求1所述的面向机床整个使用阶段能量效率最高的机床评选方法，其特征在于：当候选机床的主轴电机性能相近时，可进行如下简化：
固有能效特征矩阵Em可简化为如下形式：
加工特征矩阵可简化为如下形式：
比能计算公式可简化为：
3.根据权利要求1所述的面向机床整个使用阶段能量效率最高的机床评选方法，其特征在于：待机时长为工件装夹时长和卸料时长的总和。
4.根据权利要求1所述的面向机床整个使用阶段能量效率最高的机床评选方法，其特征在于：切削时长按如下公式计算：
其中，为候选机床MTm采用第i套工艺方案加工工件Wl时第j工步的走刀行程，为候选机床MTm采用第i套工艺方案加工工件Wl时第j工步的进给速度。
5.根据权利要求1所述的面向机床整个使用阶段能量效率最高的机床评选方法，其特征在于：切削功率按如下公式计算：
其中，为候选机床MTm采用第i套工艺方案加工工件Wl时第j工步的切削速度；为候选机床MTm采用第i套工艺方案加工工件Wl时第j工步的切削力，根据切削手册理论公式计算获取。
CN201710464808.9A 2017-06-19 2017-06-19 一种面向机床整个使用阶段能量效率最高的机床评选方法 Active CN107065778B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710464808.9A CN107065778B (zh) 2017-06-19 2017-06-19 一种面向机床整个使用阶段能量效率最高的机床评选方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710464808.9A CN107065778B (zh) 2017-06-19 2017-06-19 一种面向机床整个使用阶段能量效率最高的机床评选方法

Publications (2)

Publication Number Publication Date
CN107065778A CN107065778A (zh) 2017-08-18
CN107065778B true CN107065778B (zh) 2019-01-25

Family

ID=59595655

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710464808.9A Active CN107065778B (zh) 2017-06-19 2017-06-19 一种面向机床整个使用阶段能量效率最高的机床评选方法

Country Status (1)

Country Link
CN (1) CN107065778B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111752217A (zh) * 2020-06-19 2020-10-09 上海控软网络科技有限公司 机床识别码的确定方法、装置、电子设备及存储介质

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109753017B (zh) * 2019-01-29 2020-04-07 重庆大学 数控机床的固有能效要素函数获取系统与获取方法
CN109784763B (zh) * 2019-02-01 2023-11-10 宿州学院 一种基于能值的机械加工效率评判方法
CN110514335B (zh) * 2019-09-30 2021-04-23 武汉科技大学 一种数控机床的能效比确定方法
CN112925278B (zh) * 2021-01-29 2023-09-15 重庆大学 一种多目标滚齿工艺参数优化与决策方法
CN114310423B (zh) * 2022-02-17 2022-07-26 南京航空航天大学 一种加工单元多刀库联动配置方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101266477A (zh) * 2008-04-21 2008-09-17 耐普罗机械（苏州）有限公司 机床加工自动化控制程序
CN102331749B (zh) * 2010-07-15 2013-06-05 沈阳黎明航空发动机(集团)有限责任公司 一种数控加工工艺参数优化方法
CN103390195B (zh) * 2013-05-28 2016-11-09 重庆大学 一种基于强化学习的机械车间任务调度节能优化系统
CN104281090A (zh) * 2014-09-30 2015-01-14 华中科技大学 一种数控机床系统的功率建模方法
CN105955198B (zh) * 2016-04-28 2018-09-21 江南大学 基于最小二乘迭代算法的机床工步能耗监测方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111752217A (zh) * 2020-06-19 2020-10-09 上海控软网络科技有限公司 机床识别码的确定方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN107065778A (zh) 2017-08-18

Similar Documents

Publication Publication Date Title
CN107065778B (zh) 一种面向机床整个使用阶段能量效率最高的机床评选方法
Li et al. A comprehensive approach to parameters optimization of energy-aware CNC milling
Wang et al. Multi-objective optimization of machining parameters considering energy consumption
CN100553879C (zh) 一种能够对工件自动修型的砂带磨削加工方法及装置
CN106776712B (zh) 基于i5智能数控车床的车削工艺数据库及其应用方法
Wang et al. An integrated method for assessing the energy efficiency of machining workshop
CN105159237B (zh) 一种面向数字化车间数控机床的能耗预测方法
Kotliar et al. Ensuring the economic efficiency of enterprises by multi-criteria selection of the optimal manufacturingprocess
Jiang et al. Energy-efficient scheduling of flexible job shops with complex processes: A case study for the aerospace industry complex components in China
CN108181877B (zh) 使用中轴变换优化工具路径的方法
Li et al. Modeling and multi-objective optimization method of machine tool energy consumption considering tool wear
CN102059635A (zh) 一种典型零件磨削工艺优化集成数控磨削系统
Zhang et al. Optimization of cutting parameters for minimizing environmental impact: considering energy efficiency, noise emission and economic dimension
Shi et al. Experimental and theoretical investigation of milling tool selection towards energy-efficient process planning in discrete parts manufacturing
Nguyen et al. Optimization of the burnishing process for energy responses and surface properties
Tolouei-Rad An intelligent approach to high quantity automated machining
Tolouei-Rad Intelligent analysis of utilization of special purpose machines for drilling operations
CN109446721B (zh) 基于标识符软件线程执行顺序排列的机床工艺交互算法
Kang et al. Computer‐Aided Geometrical Analysis of the Fluting Operation for Twist Drill Design and Production. I. Forward Analysis and Generated Flute Profile
Breaz et al. Selecting between CNC turning centers using a combined AHP and fuzzy approach
Enparantza Tool selection and cutting conditions optimisation in milling
Carlsson et al. Technological capabilities and international competitiveness in the engineering industries
CN110514335A (zh) 一种数控机床的能效比确定方法
Michalik et al. Optimizing Component Production with Multi-axis Turning Technology
Degaspari All in the family

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant