CN107598732A - 一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法 - Google Patents
一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法 Download PDFInfo
- Publication number
- CN107598732A CN107598732A CN201710824168.8A CN201710824168A CN107598732A CN 107598732 A CN107598732 A CN 107598732A CN 201710824168 A CN201710824168 A CN 201710824168A CN 107598732 A CN107598732 A CN 107598732A
- Authority
- CN
- China
- Prior art keywords
- grinding
- polishing
- force
- formula
- abrasive belt
- 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.)
- Granted
Links
- 238000000227 grinding Methods 0.000 title claims abstract description 79
- 238000005498 polishing Methods 0.000 title claims abstract description 74
- 238000005520 cutting process Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 18
- 239000000463 material Substances 0.000 claims abstract description 42
- 238000007517 polishing process Methods 0.000 claims abstract description 23
- 239000002245 particle Substances 0.000 claims abstract description 16
- 238000002474 experimental method Methods 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 3
- 238000003754 machining Methods 0.000 description 7
- 229910052751 metal Inorganic materials 0.000 description 5
- 239000002184 metal Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 229910001104 4140 steel Inorganic materials 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000006061 abrasive grain Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 229910001069 Ti alloy Inorganic materials 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007514 turning Methods 0.000 description 1
Landscapes
- Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)
Abstract
本发明公开了一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法，首先将砂带磨抛过程中的切向力分解为滑擦力、耕犁力和切削力三个分力，并建立磨抛过程的总摩擦系数模型以及滑擦摩擦系数模型；然后通过砂带磨粒真实几何形状建立耕犁摩擦系数模型；计算测量不同工艺参数实验条件下的材料去除率，通过线性拟合得到材料去除率为零的条件下的总摩擦系数；根据获得的总摩擦系数，分别推导出切向力中的滑擦力、耕犁力和切削力；建立砂带磨抛中的比切削能以及三个分力的比能模型，计算机器人砂带磨削效率。通过本发明，能更精确地评估机器人砂带磨抛过程中影响磨抛效率的主要工艺参数，能在降低能源消耗的基础上大幅度提升砂带磨抛效率。
Description
技术领域
本发明属于机器人高效高精磨抛加工技术领域，具体涉及一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法。
背景技术
机器人砂带磨抛加工是一种新兴发展的机器人集成应用技术。相对于传统的手工磨抛和多轴数控机床砂带磨抛方式，机器人磨抛能充分发挥其柔性好、成本低、可扩展力控等优势，被广泛应用于提升航空发动机叶片、叶盘、叶环等复杂曲面零件的加工精度和表面质量。随着机器人磨抛加工复杂曲面的研究成果逐渐丰富，可以发现目前国内外公开发表的文献多集中在对机器人路径规划、机器人姿态控制、系统标定与在线测量等方面，而对机器人加工状态下的材料去除机理研究甚少，有待进一步探索和完善。
比能是表征金属切削过程中能量分配的一个重要参数，有利于加深理解材料去除机理，并进一步提升切削加工过程有效性和效率。目前，有学者已经从能量分析的角度提出了一些砂带磨抛机理的表征方法，例如Khellouki等人在研究中(“Energetic analysis ofcutting mechanisms in belt finishing of hard materials”,2013；227:1409-1413)提出了一种基于切削力的能量分析方法用来理解砂带磨抛机理，但分析过程中没有考虑耕犁力的影响，导致最终的磨抛效率估算结果偏大，不能精确评估砂带磨抛的有效性。实际上，金属切削加工过程中，耕犁力显著影响总摩擦系数，并直接决定能量消耗的大小。另外，Ma等人在研究中(“Assessment of cutting energy consumption and energy efficiencyin machining of 4140 steel”,2014；74:1701-1708)从宏观层面评估了金属切削过程中不同工艺参数条件下的能量消耗以及切削效率，发现降低刀具刃口半径和前角将显著提升切削效率，而切削速度和刀尖半径对切削效率影响较小，但对于微观切削力层面则没有更深入的探讨。
发明内容
本发明要解决的技术问题是：提供一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法，能够在降低能量消耗的基础上最大程度地提升加工效率，从而对加工过程进行更好的控制。
本发明为解决上述技术问题所采取的技术方案为：
一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法，其特征在于：它包括以下步骤：
S1、将砂带磨抛过程中的切向力分解为滑擦力、耕犁力和切削力一共三个分力，并建立磨抛过程的总摩擦系数模型以及滑擦摩擦系数模型；
S2、考虑砂带磨粒真实几何形状，建立耕犁摩擦系数模型；
S3、通过切向力分解的切削力与磨抛过程中材料去除率的对应关系，进一步确定用材料去除率表示的总摩擦系数模型；
S4、计算不同工艺参数实验条件下的材料去除率和对应的总摩擦系数，通过线性拟合得到材料去除率和总摩擦系数的线性关系公式，通过线性关系公式推导出材料去除率为零的条件下的总摩擦系数，上述材料去除率通过工件打磨的几何尺寸测量并计算得到，总摩擦系数通过力传感器测定切向力和砂带磨抛过程中的法向力做比值计算得到；
S5、根据获得材料去除率为零的总摩擦系数，用模型公式计算的耕犁摩擦系数和滑擦摩擦系数，分别推导出切向力中的滑擦力、耕犁力和切削力；
S6、建立砂带磨抛中的比切削能以及三个分力的比能模型，计算机器人砂带磨削效率。
作为优选，步骤S1中所述的切向力Ft、总摩擦系数模型中的总摩擦系数f和滑擦摩擦系数模型中的滑擦摩擦系数μs分别表示为：
切向力公式：
Ft＝Ft·s+Ft·p+Ft·c 公式I
公式I中，切向力Ft由传感器测量得到，切向力分解的三个分力分别为滑擦力Ft·s、耕犁力Ft·p和切削力Ft·c；
总摩擦系数公式：
公式II中，Fn为砂带磨抛过程中的法向力，由传感器测量得到；
滑擦摩擦系数公式：
作为优选，所述的砂带磨粒真实几何形状为球形。
作为优选，在步骤S2中，所述的建立耕犁摩擦系数μp公式如下：
公式IV中，R为砂带磨粒的平均半径；r为球形磨粒中心轴与磨粒/工件接触点之间的距离，根据R和实际磨抛深度a’p求解。
作为优选，在步骤S3，所述的切向力分解的切削力Ft·c与磨抛过程中材料去除率Qw为线性关系，用如下公式进行表示：
Ft·c＝k·Qw 公式V
其中，Qw＝a'p·vw·b
上式中，k为常数；a’p为实际磨抛深度，可以通过游标卡尺测量得到；vw为工件进给速度；b为接触轮与工件间的有效接触宽度。
作为优选，在步骤S3，所述的总摩擦系数f可重新表示如下：
步骤S4中计算材料去除率的不同工艺参数包括接触轮切向速度vc、工件进给速度vw、理论磨抛深度ap；材料去除率为零的条件下总摩擦系数用Qw＝0条件下的f值表示，即：
f＝μs+μp 公式VI。
作为优选，在步骤S5，求得材料去除率为零的总摩擦系数，即为Qw＝0条件下的f值，切向力的三个分力可分别根据公式III、公式IV和公式I求出。
作为优选，在步骤S6中，砂带磨抛中的比切削能Ec以及三个分力的比能公式分别为：
比切削能公式：
其中，Ec＝Ec·s+Ec·p+Ec·c
式中，Ec·s，Ec·p和Ec·c分别为滑擦比能、耕犁比能和切削比能；
三个分力比能公式：
机器人砂带磨削效率E最终可表示为：
作为优选，所述r为的计算公式为：
作为优选，所述的砂带磨抛为机器人磨抛加工。
本发明的有益效果为：由于现有研究多是从宏观工艺参数角度对金属切削过程中的能量效率进行评估，导致对引起加工效率低下的根本原因无法进行有效辨别，因此本发明从微观材料去除率层面出发，通过充分考虑滑擦力、耕犁力以及切削力等微观切削力的影响，能对机器人砂带磨抛加工效率进行精确评估，进而对金属切削过程中如何降低能量使用并提升能量效率提出优化控制策略，将产生良好的技术效果。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1为本发明一实施例的方法流程方框图；
图2为本发明磨抛加工中的微观层面材料去除过程示意图；
图3为本发明机器人砂带磨抛工件示意图；
图4为按照本发明所建立的材料去除率对总摩擦系数影响规律的示意图；
图5为按照本发明的不同理论磨抛深度条件下工件进给速度对切向力及其三个分力的影响规律图，其中图5a理论磨抛深度为1mm，图5b理论磨抛深度为2mm；
图6为按照本发明的不同理论磨抛深度条件下材料去除率对比切削能及其三个分力比能的影响规律图，其中图6a理论磨抛深度为1mm，图6b理论磨抛深度为2mm，
图7为按照本发明的不同理论磨抛深度条件下材料去除率对机器人磨抛效率的影响规律图。
图8位本发明耕犁摩擦系数公式中r计算方法示意图。
具体实施方式
为了使本发明的目的、技术方案及优点增加清晰明白，以下结合附图及实施例，对本发明做进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法，如图1所示，它包括以下步骤：S1、将砂带磨抛过程中的切向力分解为滑擦力、耕犁力和切削力等三个分力，并建立磨抛过程的总摩擦系数模型以及滑擦摩擦系数模型；S2、考虑砂带磨粒真实几何形状，建立耕犁摩擦系数模型；S3、通过切向力分解的切削力与磨抛过程中材料去除率的对应关系，进一步确定用材料去除率表示的总摩擦系数模型；S4、计算不同工艺参数实验条件下的材料去除率，通过线性拟合得到材料去除率为零的条件下的总摩擦系数；S5、根据获得的总摩擦系数，分别推导出切向力中的滑擦力、耕犁力和切削力；S6、建立砂带磨抛中的比切削能以及三个分力的比能模型，计算机器人砂带磨削效率。
所述的切向力Ft、总摩擦系数f和滑擦摩擦系数μs分别表示为：
切向力公式：
Ft＝Ft·s+Ft·p+Ft·c 公式I
式中，切向力由传感器测量得到，模型中切向力的三个分力包括滑擦力Ft·s、耕犁力Ft·p、切削力Ft·c，如图2所示。
总摩擦系数公式：
式中，Fn为砂带磨削过程中的法向力，通过传感器测量得到。
滑擦摩擦系数公式：
所述的砂带磨粒真实几何形状为球形。
上述步骤S2建立的耕犁摩擦系数μp公式如下：
式中，R为砂带磨粒的平均半径；r为球形磨粒中心轴与磨粒/工件接触点之间的距离，可根据R和实际磨抛深度a’p求解，具体计算公式为
所述的切向力分解的切削力Ft·c与磨抛过程中材料去除率Qw为线性关系，可用如下公式进行表示：
Ft·c＝k·Qw 公式V
其中，Qw＝a'p·vw·b
上式中，k为常数；a’p为实际磨抛深度，可以通过游标卡尺测量得到；vw为工件进给速度；b为接触轮与工件间的有效接触宽度。
上述步骤S3总摩擦系数f可重新表示如下：
所述的不同工艺参数包括接触轮切向速度vc、工件进给速度vw、理论磨抛深度ap；所述的材料去除率为零的条件下的总摩擦系数可理解为Qw＝0条件下的f值，即：
f＝μs+μp 公式VI
所述的总摩擦系数即为Qw＝0条件下的f值，因此切向力的三个分力可分别根据公式III、公式IV和公式I求出，具体方式为，通过公式IV算出μp和Ft·p，然后根据公式VI算出μs，根据公式III算出Ft·s，然后根据公式I算出Ft·c。
所述的砂带磨抛中的比切削能Ec以及三个分力的比能公式分别为：
I.比切削能公式：
其中，
Ec＝Ec·s+Ec·p+Ec·c
式中，Ec·s，Ec·p和Ec·c分别为滑擦比能、耕犁比能和切削比能。
II.三个分力比能公式：
所述的S6机器人砂带磨削效率E最终可表示为：
本发明中所述的砂带磨抛为机器人磨抛加工，如图3所示。
下面通过一个具体的实例来进一步说明本发明。
对钛合金TC4进行机器人砂带磨抛加工，考察切削力分解模型对机器人砂带磨抛效率评估的精准性。考察的机器人磨抛工艺条件如下：工业机器人型号ABB IRB 6650S-125/3.5、力传感器型号Kistler 7257B、工件尺寸长×宽×高＝100mm×17mm×20mm、砂带型号3MKK712X、砂带磨粒平均半径R＝80μm、接触轮切向速度vc＝7.5m/s、工件进给速度vw＝5,10,15mm/s、理论磨抛深度ap＝1,2mm。切向力Ft和法向力Fn由力传感器直接测量获得；实际磨抛深度a’p由游标卡尺测量获得。因此，一旦磨抛工艺参数条件确定，S2耕犁摩擦系数μp公式中的r可由实际磨抛深度a’p和砂带磨粒平均半径R求得。图4为本工艺条件下总摩擦系数f随材料去除率的变化趋势。通过线性拟合并延长至与Y轴相交，即可得到μs+μp＝0.464，随后分别根据已计算得到的耕犁摩擦系数μp值，以及滑擦摩擦系数μs公式、切向力Ft公式求出滑擦力Ft·s、耕犁力Ft·p和切削力Ft·c的具体数值。
通过模型求解得到的结果分别如图5、6、7所示。图5a和图5b分别为不同理论磨抛深度条件下工件进给速度对切向力及其三个分力的影响规律，可以发现滑擦力Ft·s所占的比例最大，几乎为切向力Ft的一半，其次为耕犁力Ft·p和切削力Ft·c。图6a和图6b分别为不同理论磨抛深度条件下进给速度对比切削能及其三个分力比能的影响规律，可以发现滑擦力Ft·s所消耗的比能最大，其次为耕犁力Ft·p和切削力Ft·c。从图5和图6可以看出，在机器人砂带磨抛过程中，耕犁力的影响不可忽略。图7为不同理论磨抛深度条件下材料去除率对机器人磨抛效率的影响规律，可以发现磨抛效率与理论磨抛深度无关，其数值范围在15％～25％，远小于Ma等人(“Assessment of cutting energy consumption and energyefficiency in machining of 4140 steel”,2014；74:1701-1708)切削4140钢所得到的45％～80％范围。进一步观察图7可以发现：提高工件进给速度和材料去除率有利于提升机器人砂带磨抛效率，降低材料去除效率则可节省切削过程中的能量消耗。因此，通过本发明从微观切削力角度对机器人砂带磨抛效率进行评估，在充分考虑耕犁力影响基础上，可以获得更为精确的磨抛效率，从而通过调整不同的磨抛工艺参数来达到平衡能量消耗和磨抛效率的目的。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，该理论同样能推导至车削、钻削、铣削等加工方式。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法，其特征在于：它包括以下步骤：
S1、将砂带磨抛过程中的切向力分解为滑擦力、耕犁力和切削力一共三个分力，并建立磨抛过程的总摩擦系数模型以及滑擦摩擦系数模型；
S2、考虑砂带磨粒真实几何形状，建立耕犁摩擦系数模型；
S3、通过切向力分解的切削力与磨抛过程中材料去除率的对应关系，进一步确定用材料去除率表示的总摩擦系数模型；
S4、计算不同工艺参数实验条件下的材料去除率和对应的总摩擦系数，通过线性拟合得到材料去除率和总摩擦系数的线性关系公式，通过线性关系公式推导出材料去除率为零的条件下的总摩擦系数，上述材料去除率通过工件打磨的几何尺寸测量并计算得到，总摩擦系数通过力传感器测定切向力和砂带磨抛过程中的法向力做比值计算得到；
S5、根据获得材料去除率为零的总摩擦系数，用模型公式计算的耕犁摩擦系数和滑擦摩擦系数，分别推导出切向力中的滑擦力、耕犁力和切削力；
S6、建立砂带磨抛中的比切削能以及三个分力的比能模型，计算机器人砂带磨削效率。
2.根据权利要求1所述的一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法，其特征在于：步骤S1中所述的切向力Ft、总摩擦系数模型中的总摩擦系数f和滑擦摩擦系数模型中的滑擦摩擦系数μs分别表示为：
切向力公式：
Ft＝Ft·s+Ft·p+Ft·c 公式I
公式I中，切向力Ft由传感器测量得到，切向力分解的三个分力分别为滑擦力Ft·s、耕犁力Ft·p和切削力Ft·c；
总摩擦系数公式：
公式II中，Fn为砂带磨抛过程中的法向力，由传感器测量得到；
滑擦摩擦系数公式：
3.根据权利要求2所述的一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法，其特征在于：所述的砂带磨粒真实几何形状为球形。
4.根据权利要求3所述的一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法，其特征在于：在步骤S2中，所述的建立耕犁摩擦系数μp公式如下：
公式IV中，R为砂带磨粒的平均半径；r为球形磨粒中心轴与磨粒/工件接触点之间的距离，根据R和实际磨抛深度a’ p求解。
5.根据权利要求4所述的一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法，其特征在于：在步骤S3，所述的切向力分解的切削力Ft·c与磨抛过程中材料去除率Qw为线性关系，用如下公式进行表示：
Ft·c＝k·Qw 公式V
其中，Qw＝a'p·vw·b
上式中，k为常数；a’p为实际磨抛深度，可以通过游标卡尺测量得到；vw为工件进给速度；b为接触轮与工件间的有效接触宽度。
6.根据权利要求5所述的一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法，其特征在于：在步骤S3，所述的总摩擦系数f可重新表示如下：
<mrow>
<mi>f</mi>
<mo>=</mo>
<msub>
<mi>&mu;</mi>
<mi>s</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&mu;</mi>
<mi>p</mi>
</msub>
<mo>+</mo>
<mi>k</mi>
<mo>&CenterDot;</mo>
<mfrac>
<msub>
<mi>Q</mi>
<mi>w</mi>
</msub>
<msub>
<mi>F</mi>
<mi>n</mi>
</msub>
</mfrac>
</mrow>
步骤S4中计算材料去除率的不同工艺参数包括接触轮切向速度vc、工件进给速度vw、理论磨抛深度ap；材料去除率为零的条件下总摩擦系数用Qw＝0条件下的f值表示，即：
f＝μs+μp 公式VI。
7.根据权利要求6所述的一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法，其特征在于：在步骤S5，求得材料去除率为零的总摩擦系数，即为Qw＝0条件下的f值，切向力的三个分力可分别根据公式III、公式IV和公式I求出。
8.根据权利要求7所述的一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法，其特征在于：在步骤S6中，砂带磨抛中的比切削能Ec以及三个分力的比能公式分别为：
比切削能公式：
其中，Ec＝Ec·s+Ec·p+Ec·c
式中，Ec·s，Ec·p和Ec·c分别为滑擦比能、耕犁比能和切削比能；
三个分力比能公式：
机器人砂带磨削效率E最终可表示为：
9.根据权利要求8所述的一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法，其特征在于：所述r为的计算公式为：
10.根据权利要求1至9中任意一项所述的一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法，其特征在于：所述的砂带磨抛为机器人磨抛加工。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710824168.8A CN107598732B (zh) | 2017-09-13 | 2017-09-13 | 一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710824168.8A CN107598732B (zh) | 2017-09-13 | 2017-09-13 | 一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107598732A true CN107598732A (zh) | 2018-01-19 |
| CN107598732B CN107598732B (zh) | 2019-04-09 |
Family
ID=61063662
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710824168.8A Active CN107598732B (zh) | 2017-09-13 | 2017-09-13 | 一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107598732B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109794813A (zh) * | 2019-02-28 | 2019-05-24 | 武汉理工大学 | 一种考虑加工弹性变形的机器人砂带磨抛表面粗糙度预测方法 |
| CN110315552A (zh) * | 2019-06-21 | 2019-10-11 | 广州大学 | 一种基于深度信念网络的机器人磨抛预测控制方法 |
| CN110434675A (zh) * | 2018-05-04 | 2019-11-12 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 基于数控车床电动机功率变化预测切削力的方法 |
| CN113231914A (zh) * | 2021-07-12 | 2021-08-10 | 南京航空航天大学 | 叶轮叶片机器人轨迹恒力跟踪去毛刺方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0982091A2 (de) * | 1998-08-28 | 2000-03-01 | Detec Decommissioning Technologies GmbH | Verfahren und Vorrichtung zum Zerlegen von Gegenständen |
| CN104551870A (zh) * | 2013-10-29 | 2015-04-29 | 青岛天恒机械有限公司 | 砂带干式磨抛钛合金方法 |
| CN105729321A (zh) * | 2016-04-29 | 2016-07-06 | 江苏科技大学 | 一种砂带接口结构及其对接工艺 |
| CN106737247A (zh) * | 2017-01-03 | 2017-05-31 | 山东理工大学 | 一种高切向磨削力与低法向磨削力的磨削工具 |
-
2017
- 2017-09-13 CN CN201710824168.8A patent/CN107598732B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0982091A2 (de) * | 1998-08-28 | 2000-03-01 | Detec Decommissioning Technologies GmbH | Verfahren und Vorrichtung zum Zerlegen von Gegenständen |
| CN104551870A (zh) * | 2013-10-29 | 2015-04-29 | 青岛天恒机械有限公司 | 砂带干式磨抛钛合金方法 |
| CN105729321A (zh) * | 2016-04-29 | 2016-07-06 | 江苏科技大学 | 一种砂带接口结构及其对接工艺 |
| CN106737247A (zh) * | 2017-01-03 | 2017-05-31 | 山东理工大学 | 一种高切向磨削力与低法向磨削力的磨削工具 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110434675A (zh) * | 2018-05-04 | 2019-11-12 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 基于数控车床电动机功率变化预测切削力的方法 |
| CN109794813A (zh) * | 2019-02-28 | 2019-05-24 | 武汉理工大学 | 一种考虑加工弹性变形的机器人砂带磨抛表面粗糙度预测方法 |
| CN110315552A (zh) * | 2019-06-21 | 2019-10-11 | 广州大学 | 一种基于深度信念网络的机器人磨抛预测控制方法 |
| CN113231914A (zh) * | 2021-07-12 | 2021-08-10 | 南京航空航天大学 | 叶轮叶片机器人轨迹恒力跟踪去毛刺方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107598732B (zh) | 2019-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107598732B (zh) | 一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法 | |
| Duan et al. | Mechanical behavior and semiempirical force model of aerospace aluminum alloy milling using nano biological lubricant | |
| Rao et al. | Influence of cutting parameters on cutting force and surface finish in turning operation | |
| Wyen et al. | Influence of cutting edge radius on cutting forces in machining titanium | |
| Chen et al. | Research on the ploughing force in micro milling of soft-brittle crystals | |
| CN101412196B (zh) | 基于刀具角度与切削用量参数变化的车削力预测方法 | |
| CN110293451A (zh) | 一种整体式平底立铣刀后刀面磨损率确定方法 | |
| Tao et al. | Undeformed chip width non-uniformity modeling and surface roughness prediction in wafer self-rotational grinding process | |
| Borysenko et al. | Influence of cutting ratio and tool macro geometry on process characteristics and workpiece conditions in face milling | |
| Daniyan et al. | Modelling and optimization of the cutting forces during Ti6Al4V milling process using the response surface methodology and dynamometer | |
| Kamguem et al. | Investigation on surface finish and metallic particle emission during machining of aluminum alloys using response surface methodology and desirability functions | |
| 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 | |
| Lv et al. | Effects of cutting edge radius on cutting force, tool wear, and life in milling of SUS-316L steel | |
| Cui et al. | Evaluation of specific cutting energy considering effects of cutting tool geometry during micro-machining process | |
| Kim et al. | A study on the effect of laser preheating on laser assisted turn-mill for machining square and spline members | |
| Xu et al. | Condition monitoring and mechanism analysis of belt wear in robotic grinding of TC4 workpiece using acoustic emissions | |
| Chen et al. | A unified analytical cutting force model for variable helix end mills | |
| Zheng et al. | The fundamental roughness model for face-milling spiral bevel gears considering run-outs | |
| Guo et al. | Minimization of surface roughness and tangential cutting force in whirlwind milling of a large screw | |
| Ren et al. | Modeling and analysis of material removal depth contour for curved-surfaces abrasive belt grinding | |
| Ren et al. | A review of recent advances in robotic belt grinding of superalloys | |
| Roushan et al. | Multi-characteristics optimization in micro-milling of Ti6Al4V alloy | |
| Lin et al. | Sensitivity analysis and parameter interval optimization for residual stress in polishing process of GH4169 blisk blade | |
| CN112139863A (zh) | 基于能量守恒的阀芯棱边磨削毛刺形态预测方法 | |
| Filho et al. | Investigation and modelling of the cutting forces in turning process of the Ti-6Al-4V and Ti-6Al-7Nb titanium alloys |
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 |