CN107807526A - 一种基于稳定性仿真智能抑制加工颤振的方法 - Google Patents
一种基于稳定性仿真智能抑制加工颤振的方法 Download PDFInfo
- Publication number
- CN107807526A CN107807526A CN201711050896.4A CN201711050896A CN107807526A CN 107807526 A CN107807526 A CN 107807526A CN 201711050896 A CN201711050896 A CN 201711050896A CN 107807526 A CN107807526 A CN 107807526A
- Authority
- CN
- China
- Prior art keywords
- mainshaft
- speed
- flutter
- cutting
- mrow
- 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
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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
-
- 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
- G05B19/404—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 control arrangements for compensation, e.g. for backlash, overshoot, tool offset, tool wear, temperature, machine construction errors, load, inertia
-
- 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
- G05B19/406—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 monitoring or safety
-
- 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
- G05B2219/34—Director, elements to supervisory
- G05B2219/34065—Fuzzy logic, controller
-
- 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
- G05B2219/37—Measurements
- G05B2219/37269—Ultrasonic, ultrasound, sonar
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Automatic Control Of Machine Tools (AREA)
Abstract
本发明公开了一种基于稳定性仿真智能抑制加工颤振的方法,通过计算在一定主轴转速下不同的归一化变主轴转速幅值和频率组合对应的最大稳定加工切深,再以机床功率额外增加尽可能少和早生切削力做的功尽可能小为优化目标函数,利用寻优算法确定在某一转速下一定切深时最优的归一化变主轴转速幅值和频率组合并将其存入数据库中,当加工采用数据库中的主轴转速和切深时,机床会自动选择对应的最优变主轴转速幅值和频率组合,实施变主轴转速去抑制颤振。在线计算颤振指标量并求取其与预定的阈值的差值,将差值作为智能控制器的输入,而输出则为变主轴转速对应的变主轴转速幅值和频率,对变主轴转速的参数进行反馈调整以更精准地抑制颤振。
Description
技术领域
本发明涉及一种机床加工颤振智能抑制方法,尤其涉及一种基于稳定性仿真智能抑制加工颤振的方法,用于薄壁柔性零部件加工时抑制切削过程中的颤振。
背景技术
机床切削加工中出现的颤振是一种发生在刀具和工件之间强烈的相对振动,其产生机理复杂、很难准确预测且几乎存在于所有切削过程中。尤其是在薄壁柔性零部件加工中,由于工件刚性差,阻尼系数小,极易激发颤振。而颤振的出现不仅影响到工件的加工质量和生产效率,而且会影响到机床和刀具的使用寿命。
由于颤振的发生具有突发性和不确定性,即从稳定加工到发生颤振经历的过程很短,一般在几百毫秒之内,所以对颤振的在线检测和控制实时性要求较高。当前被成功运用的方法可归为两类:一类是对切削系统进行建模绘制稳定性lobe图调整转速和切深使加工过程维持在稳定范围内进行颤振控制;另一类是对切削加工参数(主轴转速、进给率、切深等)进行在线调整以破坏颤振的发展。但由于切削加工系统的复杂性使建立准确的系统模型非常困难,同时切削加工机械系统反映的严重滞后使得上述两种方法都不能很好地对切削稳定性进行在线控制,不能将颤振完全消除于孕育阶段而对工件不造成损害。
本发明的主要目的就是针对颤振的突发性和模型预测的不准确问题,提出一种基于稳定性仿真智能抑制加工颤振的方法。本发明的主要优势在于将离线仿真稳定性预测结果和在线智能自适应抑振方法相结合,达到快速准确地控制颤振的目的。
发明内容
鉴于现有技术的上述缺陷,本发明所要解决的技术问题是通过切削系统稳定性仿真及参数优化,计算出某一主轴转速和切深下的最优变主轴转速幅值(RVA)和频率(RVF)组合,在加工开始后即将其用于变主轴转速控制中,然后在线计算颤振指标量并求取其与预定的阈值的差值,将差值作为PID控制器或模糊控制等智能控制器的输入,而输出则为变主轴转速对应的变主轴转速幅值(RVA)和频率(RVF),在机床能力范围内实时改写变主轴转速的参数,对颤振进行闭环控制以更准确地抑制颤振。
为实现上述目的,如图1所示,本发明提供了一种基于稳定性仿真智能抑制加工颤振的方法,用于薄壁柔性零部件加工时抑制切削过程中的颤振,包括以下步骤:
步骤1、计算在一定主轴转速下不同的归一化变主轴转速幅值(RVA)和频率(RVF)组合对应的最大稳定加工切深;
步骤2、确定在一定主轴转速下一定切深时最优的归一化变主轴转速幅值(RVA)和频率(RVF)组合并将其存入数据库中;
步骤3、采用数据库中的主轴转速和切深加工时,数控系统自动选择与之对应的最优归一化变主轴转速幅值(RVA)和频率(RVF)组合,实施变主轴转速抑制颤振;
步骤4、在线计算颤振指标量并求取其与预定阈值的差值,如果所述差值小于预定阈值则将所述差值作为智能控制器的输入,输出则为变主轴转速对应的变主轴转速幅值(RVA)和频率(RVF),在机床能力范围内对变主轴转速的参数进行反馈调整以更精准地抑制颤振,如果所述差值不小于预定阈值则停止加工。
进一步地,步骤1中,所述一定主轴转速下不同的归一化变主轴转速幅值(RVA)和频率(RVF)组合对应的最大稳定加工切深,是通过半离散方法等数值方法计算得到的。使用所述半离散方法计算一定主轴转速下不同的归一化变主轴转速幅值和频率组合对应的最大稳定加工切深之前,可以先测量系统的模态质量、阻尼系数、固有频率、切削力系数等模型参数。
进一步地,步骤2中,所述一定主轴转速下一定切深时最优的归一化变主轴转速幅值(RVA)和频率(RVF)组合,是根据机床功率额外增加尽可能少和早生切削力做的功尽可能小为优化目标的函数利用寻优算法确定的。所述寻优算法包括但不限于遗传算法等智能算法,所述机床功率和早生切削力做的功,可以利用文献中提供的以下公式进行计算:
Pm=-9.68163+0.031305·RV+0.013024·Fv+2.95526·S·Fv-3.65057·e-0.05·S·Fv-0.082676·RV·Fv,其中RV=RVA·RVF,S是主轴转速,Fv是切向力,
fs是变主轴转速的频率,Kf是切削力系数,a是切深,X是刀具振动的幅值,Nm是平均主轴转速,Λ是变主轴转速的归一化幅值,ωs是变主轴转速的角频率。
进一步地,步骤3中,当加工开始时,即将与所述主轴转速和所述切深对应的所述最优归一化变主轴转速幅值(RVA)和频率(RVF)组合施加到主轴上,对颤振进行抑制。
进一步地,步骤4中,所述颤振指标量是基于加工过程中采集的信号并对其进行在线实时处理后得到的在一定时间段内的平均值。所述信号可以是声音信号、加速度信号、力信号、电流信号等信号中的一种。所述智能控制器使用的是PID控制器或模糊控制器等智能控制器。
本发明所述的方法可在加工开始时即采用较佳的变主轴参数对颤振进行抑制,后续根据颤振控制的效果实时改变变主轴参数,以实现快速准确地抑制颤振的目的。
以下将结合附图对本发明的构思、具体结构及产生的技术效果做进一步阐述,以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的原理流程图;
图2是本发明的一个较佳实施例的实施流程图。
具体实施方式
如图2所示,本发明所述的智能加工颤振抑制方法的一个较佳实施例的实施流程图,具体包含以下步骤:
(1)在数控加工前,通过半离散方法绘制的所有归一化变主轴转速幅值(RVA)和频率(RVF)组合下的稳定性lobe图,得到不同主轴转速下对应的稳定切削的最大切削深度,将这些数据进行整合得到一定主轴转速下不同的归一化变主轴转速幅值(RVA)和频率(RVF)组合对应的稳定加工最大切深,然后将机床功率和早生切削力做的功之和作为优化目标函数,利用遗传算法确定在某一转速下一定切深时的最优的归一化变主轴转速幅值(RVA)和频率(RVF)组合并将其存入数据库中。
(2)当采用数据库中的主轴转速和切削深度开始加工时,数控系统自动选择表中对应的最优的归一化变主轴转速幅值(RVA)和频率(RVF)组合,并按选择的控制参数实施变主轴转速方法抑制颤振。变主轴转速采用正弦方式,即以主程序中的主轴转速为平均值,实际主轴转速以正弦形式周期性变化,初始相位任意。用R参数作为数控NC数据和PLC数据的传输通道来实现主轴速度和变化频率的实时写入。
(3)通过数据采集卡采集麦克风记录的加工过程中的声音信号,采样频率设为40KHz。在计算机中对信号进行处理,计算颤振特征指标,这里采用加权小波包熵,无重叠滑动窗口设为1000个点,即每40ms计算一次采样信号的加权小波包熵并将求其与预定的颤振进入孕育阶段的阈值的差值。将上述计算得到的小波包熵的差值作为PID控制器或模糊控制器等智能控制器的输入,而输出为变主轴转速的归一化幅值(RVA)和频率(RVF)。
(4)若实施的变转速控制能在机床能力范围内抑制住颤振,则反映颤振状况的小波包熵等颤振指标将在阈值附近小范围波动,颤振在初期阶段就被合适的控制量抑制住。在此过程中,保持进给速率和切削深度不变。当在机床能力范围内采用变主轴转速抑制颤振后,若超过1s熵值的差仍大于或等于给定阈值即颤振状态不能被控制则停止加工过程。
以上详细描述了本发明的一个较佳的具体实施案例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和改变。因此,凡是本技术领域中的技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或有限的实验可以得到的技术方案,皆应在权利要求书所确定的保护范围内。
Claims (10)
1.一种基于稳定性仿真智能抑制加工颤振的方法,用于薄壁柔性零部件加工领域的颤振抑制,其特征在于,包括以下步骤:
步骤1、计算在一定主轴转速下不同的归一化变主轴转速幅值和频率组合对应的最大稳定加工切深;
步骤2、确定在一定主轴转速下一定切深时最优的归一化变主轴转速幅值和频率组合并将其存入数据库中;
步骤3、采用数据库中的主轴转速和切深加工时,数控系统自动选择与之对应的最优归一化变主轴转速幅值和频率组合,实施变主轴转速抑制颤振;
步骤4、在线计算颤振指标量并求取其与预定阈值的差值,如果所述差值小于预定阈值则将所述差值作为智能控制器的输入,输出则为变主轴转速对应的变主轴转速幅值和频率,在机床能力范围内对变主轴转速的参数进行反馈调整以更精准地抑制颤振,反之则停止加工。
2.如权利要求1所述的基于稳定性仿真智能抑制加工颤振的方法,其特征在于,步骤1中,所述一定主轴转速下不同的归一化变主轴转速幅值和频率组合对应的最大稳定加工切深,是通过半离散方法计算得到的。
3.如权利要求2所述的基于稳定性仿真智能抑制加工颤振的方法,其特征在于,使用所述半离散方法计算一定主轴转速下不同的归一化变主轴转速幅值和频率组合对应的最大稳定加工切深之前,测量系统的模态质量、阻尼系数、固有频率、切削力系数等模型参数。
4.如权利要求1所述的基于稳定性仿真智能抑制加工颤振的方法,其特征在于,步骤2中,所述一定主轴转速下一定切深时最优的归一化变主轴转速幅值和频率组合,是根据机床功率额外增加尽可能少和早生切削力做的功尽可能小为优化目标的函数并利用寻优算法确定的。
5.如权利要求4所述的基于稳定性仿真智能抑制加工颤振的方法,其特征在于,所述寻优算法是遗传算法、其他智能算法中的一种。
6.如权利要求4或5所述的基于稳定性仿真智能抑制加工颤振的方法,其特征在于,所述机床功率和早生切削力做的功,计算方法如下:
Pm=-9.68163+0.031305·RV+0.013024·Fv+2.95526·S·Fv-3.65057·e-0.05·S·Fv-0.082676·RV·Fv,其中RV=RVA·RVF,S是主轴转速,Fv是切向力,
<mrow>
<msub>
<mi>&Delta;U</mi>
<mi>F</mi>
</msub>
<mo>=</mo>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>&pi;</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<msub>
<mi>f</mi>
<mi>s</mi>
</msub>
<msub>
<mi>K</mi>
<mi>f</mi>
</msub>
<msup>
<mi>aX</mi>
<mn>2</mn>
</msup>
<msubsup>
<mo>&Integral;</mo>
<mn>0</mn>
<mfrac>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
<mi>n</mi>
</mrow>
<mi>&omega;</mi>
</mfrac>
</msubsup>
<mi>cos</mi>
<mrow>
<mo>(</mo>
<mi>&omega;</mi>
<mi>t</mi>
<mo>-</mo>
<mfrac>
<mrow>
<mn>60</mn>
<mi>&omega;</mi>
</mrow>
<mrow>
<msub>
<mi>N</mi>
<mi>m</mi>
</msub>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>+</mo>
<mi>&Lambda;</mi>
<mi>sin</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&omega;</mi>
<mi>s</mi>
</msub>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mi>sin</mi>
<mrow>
<mo>(</mo>
<mi>&omega;</mi>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
fs是变主轴转速的频率,Kf是切削力系数,a是切深,X是刀具振动的幅值,Nm是平均主轴转速,Λ是变主轴转速的归一化幅值,ωs是变主轴转速的角频率。
7.如权利要求1所述的基于稳定性仿真智能抑制加工颤振的方法,其特征在于,步骤3中,当加工开始时,即将与所述主轴转速和所述切深对应的所述最优归一化变主轴转速幅值和频率组合施加到主轴上。
8.如权利要求1所述的基于稳定性仿真智能抑制加工颤振的方法,其特征在于,步骤4中,所述颤振指标量是基于加工过程中采集的信号并对其进行在线实时处理后得到的在一定时间段内的平均值。
9.如权利要求8所述的基于稳定性仿真智能抑制加工颤振的方法,其特征在于,所述信号是声音信号、加速度信号、力信号、电流信号中的一种。
10.如权利要求1所述的基于稳定性仿真智能抑制加工颤振的方法,其特征在于,步骤4中,所述智能控制器是PID控制器、模糊控制器中的一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711050896.4A CN107807526B (zh) | 2017-10-31 | 2017-10-31 | 一种基于稳定性仿真智能抑制加工颤振的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711050896.4A CN107807526B (zh) | 2017-10-31 | 2017-10-31 | 一种基于稳定性仿真智能抑制加工颤振的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107807526A true CN107807526A (zh) | 2018-03-16 |
CN107807526B CN107807526B (zh) | 2021-01-01 |
Family
ID=61582762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711050896.4A Active CN107807526B (zh) | 2017-10-31 | 2017-10-31 | 一种基于稳定性仿真智能抑制加工颤振的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107807526B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109702554A (zh) * | 2019-01-25 | 2019-05-03 | 西安交通大学 | 一种自适应振动塑形铣削颤振抑制方法 |
CN112394642A (zh) * | 2020-11-27 | 2021-02-23 | 华中科技大学 | 一种基于超参数优化的机器人铣削加工颤振辨识方法 |
CN113156885A (zh) * | 2021-02-26 | 2021-07-23 | 西安交通大学 | 基于自适应模糊推理的电主轴铣削颤振调控方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102759633A (zh) * | 2012-07-05 | 2012-10-31 | 上海交通大学 | 基于fpga的伺服电机实时转速检测模块 |
US20130211574A1 (en) * | 2012-02-10 | 2013-08-15 | Chung Yuan Christian University | Cutter chatter monitoring method |
US20130345851A1 (en) * | 2011-03-31 | 2013-12-26 | Komatsu Ltd. | Machine tool and machining control device thereof |
JP2014061568A (ja) * | 2012-09-21 | 2014-04-10 | Jtekt Corp | びびり振動抑制方法および工作機械 |
CN105215800A (zh) * | 2014-06-17 | 2016-01-06 | 高庆 | 一种自适应模糊控制的轧辊变速磨削方法 |
CN105700477A (zh) * | 2016-04-28 | 2016-06-22 | 上海交通大学 | 一种基于颤振频率的加工颤振智能抑制方法 |
CN105739438A (zh) * | 2016-04-28 | 2016-07-06 | 上海交通大学 | 一种智能抑制加工颤振的方法 |
CN106940746A (zh) * | 2017-03-14 | 2017-07-11 | 东北大学 | 基于薄壁件的铣削颤振稳定性预测的并行时域方法 |
CN106965032A (zh) * | 2017-03-22 | 2017-07-21 | 西北工业大学 | 薄壁件铣削颤振抑制方法 |
CN106970593A (zh) * | 2017-04-18 | 2017-07-21 | 西安交通大学 | 一种通过主轴转速智能控制实现加工颤振在线抑制的方法 |
-
2017
- 2017-10-31 CN CN201711050896.4A patent/CN107807526B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130345851A1 (en) * | 2011-03-31 | 2013-12-26 | Komatsu Ltd. | Machine tool and machining control device thereof |
US20130211574A1 (en) * | 2012-02-10 | 2013-08-15 | Chung Yuan Christian University | Cutter chatter monitoring method |
CN102759633A (zh) * | 2012-07-05 | 2012-10-31 | 上海交通大学 | 基于fpga的伺服电机实时转速检测模块 |
JP2014061568A (ja) * | 2012-09-21 | 2014-04-10 | Jtekt Corp | びびり振動抑制方法および工作機械 |
CN105215800A (zh) * | 2014-06-17 | 2016-01-06 | 高庆 | 一种自适应模糊控制的轧辊变速磨削方法 |
CN105700477A (zh) * | 2016-04-28 | 2016-06-22 | 上海交通大学 | 一种基于颤振频率的加工颤振智能抑制方法 |
CN105739438A (zh) * | 2016-04-28 | 2016-07-06 | 上海交通大学 | 一种智能抑制加工颤振的方法 |
CN106940746A (zh) * | 2017-03-14 | 2017-07-11 | 东北大学 | 基于薄壁件的铣削颤振稳定性预测的并行时域方法 |
CN106965032A (zh) * | 2017-03-22 | 2017-07-21 | 西北工业大学 | 薄壁件铣削颤振抑制方法 |
CN106970593A (zh) * | 2017-04-18 | 2017-07-21 | 西安交通大学 | 一种通过主轴转速智能控制实现加工颤振在线抑制的方法 |
Non-Patent Citations (2)
Title |
---|
DING, LONGYANG等: "Early Chatter Detection based on Logistic Regression with Time and Frequency Domain Features", 《2017 IEEE INTERNATIONAL CONFERENCE ON ADVANCED INTELLIGENT MECHATRONICS (AIM)》 * |
钱士才等: "基于支持向量机的颤振在线智能检测", 《机械工程学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109702554A (zh) * | 2019-01-25 | 2019-05-03 | 西安交通大学 | 一种自适应振动塑形铣削颤振抑制方法 |
CN109702554B (zh) * | 2019-01-25 | 2020-01-31 | 西安交通大学 | 一种自适应振动塑形铣削颤振抑制方法 |
CN112394642A (zh) * | 2020-11-27 | 2021-02-23 | 华中科技大学 | 一种基于超参数优化的机器人铣削加工颤振辨识方法 |
CN112394642B (zh) * | 2020-11-27 | 2022-09-20 | 华中科技大学 | 一种基于超参数优化的机器人铣削加工颤振辨识方法 |
CN113156885A (zh) * | 2021-02-26 | 2021-07-23 | 西安交通大学 | 基于自适应模糊推理的电主轴铣削颤振调控方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107807526B (zh) | 2021-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110488754A (zh) | 一种基于ga-bp神经网络算法的机床自适应控制方法 | |
Ulsoy et al. | Principal developments in the adaptive control of machine tools | |
US5923561A (en) | Process of generating a succession of discrete points defining cutter path, by calculating a space interval of discrete points | |
CN105700477B (zh) | 一种基于颤振频率的加工颤振智能抑制方法 | |
EP2916187B1 (en) | Improved database for chatter predictions | |
CN107807526A (zh) | 一种基于稳定性仿真智能抑制加工颤振的方法 | |
JP6689106B2 (ja) | システム、微調整速度の選択方法、およびプログラム | |
CN107738140A (zh) | 一种监控刀具状态的方法、系统以及处理设备 | |
CN105488282A (zh) | 一种基于动态加工特征的切削参数分段和变切深优化方法 | |
WO2002003155A1 (fr) | Dispositif et procede de simulation d'operations d'usinage pour machines a commande numerique | |
CN105284045A (zh) | 电动机驱动装置 | |
CN104898568A (zh) | 基于刚度辨识的数控机床进给系统控制参数优化方法 | |
CN102500800B (zh) | 开放式智能铣削加工系统及基于该系统的铣削加工方法 | |
CN102081376A (zh) | 一种基于指令序列优化的加工负荷控制系统 | |
US20030125828A1 (en) | SmartPath: an intelligent tool path optimizer that automatically adusts feedrates, accel rates and decel rates based on a set of rules and spindle torque defined by the user | |
Azouzi et al. | On-line optimization of the turning process using an inverse process neurocontroller | |
TW202001460A (zh) | 智慧型調整系統及其方法 | |
CN107942953A (zh) | 一种抑制加工颤振的方法 | |
CN107491036B (zh) | 机床加工能耗控制方法及加工机床 | |
CN110597184A (zh) | 在线同时调整变主轴转速幅值和频率的主动颤振抑制方法 | |
CN106094722B (zh) | 智能车床控制方法 | |
CN111722530B (zh) | 机器学习装置、控制系统以及机器学习方法 | |
Huang et al. | Fuzzy logic for constant force control of end milling | |
Ratava et al. | Fuzzy feed rate and cutting speed optimization in turning | |
KR101499180B1 (ko) | 선삭가공에서 피드오버라이드 제어방법에 의한 칩 형태 제어 시스템 및 방법 |
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 |