CN112733298B - 基于螺旋铣孔的混联机器人不同位姿下加工性能评价方法 - Google Patents
基于螺旋铣孔的混联机器人不同位姿下加工性能评价方法 Download PDFInfo
- Publication number
- CN112733298B CN112733298B CN202110045364.1A CN202110045364A CN112733298B CN 112733298 B CN112733298 B CN 112733298B CN 202110045364 A CN202110045364 A CN 202110045364A CN 112733298 B CN112733298 B CN 112733298B
- Authority
- CN
- China
- Prior art keywords
- cutting
- cutter
- hybrid robot
- milling
- robot
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/0095—Means or methods for testing manipulators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了基于螺旋铣孔的混联机器人不同位姿的加工性能评价方法,包括步骤:获取切削力系数;通过模态实验得到混联机器人在不同位姿下的模态参数;预测螺旋铣孔轨迹误差;预测螺旋铣孔切削稳定性;在每个稳定性叶瓣图的稳定性临界状态附近取混联机器人的主轴转速和刀具每公转轴向切削深度作为参数组合,混联机器人进行螺旋铣孔实验时以该组合参数作为切削参数进行工件加工,然后检测工件的加工精度和表面质量,据此评价混联机器人不同位姿下的加工性能。采用本方法可以提高评价效率和评价精度。
Description
技术领域
本发明涉及混联构想机器人在实际生产应用中的加工性能评价,特别是涉及一种基于螺旋铣孔的混联机器人不同位姿下加工性能评价方法。
背景技术
混联机器人由串联模块和并联模块组合而成,具备了串联机器人工作空间大和并联机器人刚度高、承载能力强等的优点。但由于自身结构原因相比传统机床仍存在刚度较弱的问题,尤其在加工钛合金等难加工材料的应用上,受到了较大限制。螺旋铣孔技术也多以此类串联工业机器人为载体进行钛合金/CFRP叠层构件加工,但由于螺旋铣工艺中刀具特殊的运动形式,影响制孔精度的因素相比钻削工艺更多,更复杂。所述加工性能评价方法采取了螺旋铣孔的方式,使混联机器人在切削过程中同时受到径向切削力和轴向力,其螺旋铣孔加工精度及表面质量同时包含机器人加工系统刚度及切削稳定性的信息,因此,可以借助螺旋铣孔的加工过程中的参数及最终加工质量,来分析该机器人系统的加工性能。
目前,对于加工性能的评价还大多数只是针对传统机床,其本质是针对机床在加工空间内某一位置的极限切削参数及其加工精度和质量。对于混联机器人来说由于不同位姿下的机构刚度有较大差异,所以不同位姿下的加工性能也有很大差异,需要针对不同位姿进行模态实验以预测其切削稳定性。选取了半离散时域法对时滞微分方程求解,相对频域法求解精度更高。因此,提出了一种基于螺旋铣孔的混联机器人不同位姿下加工性能评价方法。
发明内容
本发明的目的在于克服已有技术的缺点,提供一种可以提高评价效率和评价精度基于螺旋铣孔的混联机器人不同位姿下加工性能评价方法。
本发明的基于螺旋铣孔的混联机器人不同位姿的加工性能评价方法,包括以下步骤:
步骤一、获取切削力系数,过程为:
第一步,根据螺旋铣孔过程中垂直刀具切削刃的瞬时切削厚度,建立螺旋铣孔切削力的数学模型:
k=[kr kt ka]T
第二步,采用正交实验的方法使用混联机器人对工件进行螺旋铣孔切削实验,变量为混联机器人的主轴转速和刀具的轴向切削厚度;使用Kistler三向测力仪采集分别作用在刀具径向、切向和轴向上的切削力信号,由不同工况下的切削力和瞬时切削厚度,根据螺旋铣孔切削力的数学模型解得刀具侧刃沿刀具径向、切向和轴向的剪切效应系数;
步骤二、通过模态实验得到混联机器人在不同位姿下的模态参数,过程为:
第一步,在LMS Test.Lab软件中分别建立所述混联机器人在各位姿下的点线拾振模型;
第二步,按照点线拾振模型确定的各个拾振点的位置,分别在混联机器人的对应点位上安装PCB加速度传感器;
第三步,首先,利用B&K力锤敲击混联机器人末端的刀尖点产生激振信号,为了减少测试过程中的随机误差,在机器人坐标系下分别沿XYZ方向敲击多次;
然后,通过LMS数据采集系统读取B&K力锤输出的激振信号以及通过加速度传感器采集并输出的振动信号,并用LMS Test.Lab中的模态分析模块进行模态识别,最终得到混联机器人在不同位姿下的模态参数,具体包括角固有频率、阻尼比和模态质量;
步骤三、预测螺旋铣孔轨迹误差,过程为:
第一步,将混联机器人不同位姿的三维模型导入SAMCEF有限元仿真软件,在仿真软件中输入混联机器人的各个驱动支链、从动支链、动平台和AC转头的各个仿真参数,主要包括单元特性、材料属性、边界条件和载荷条件;
第二步,对混联机器人进行网格划分;
第三步,对混联机器人不同位姿的末端进行静刚度仿真,解得混联机器人末端在各位姿下的变形量,再累加上螺旋铣孔刀具在此切削力下的变形量,得到螺旋铣孔走刀轨迹的误差;
步骤四、预测螺旋铣孔切削稳定性,过程为:
第一步,将混联机器人螺旋铣孔加工过程中的三自由度铣削动力学方程表示为:
其中Γ(t)、和分别表示刀尖点的位移、速度和加速度向量,ωn、ξ和mt分别表示混联机器人的角固有频率、阻尼比和模态质量矩阵,ap表示刀具每公转轴向切削深度,A表示切削力系数方向矩阵,τ表示时间滞留量,N为混联机器人主轴转速,n为刀具齿数;
切削力方向系数矩阵A通过建立铣削动力学的数学模型,将切削力分解到x,y,z方向上得到;
第二步,将模态参数、切削力系数方向矩阵和刀具齿数代入所述的三自由度铣削动力学方程,根据Floquent理论,判定三自由度铣削动力学方程的稳定性,并获取稳定状态下混联机器人主轴转速和刀具每公转切削深度之间的对应关系,绘制混联机器人在不同位姿下的稳定性叶瓣图;
步骤五、在每个稳定性叶瓣图的稳定性临界状态附近取混联机器人的主轴转速和刀具每公转轴向切削深度作为参数组合,混联机器人进行螺旋铣孔实验时以该组合参数作为切削参数进行工件加工,然后检测工件的加工精度和表面质量,据此评价混联机器人不同位姿下的加工性能。
本发明具有的优点和积极效果是:
1)通过螺旋铣孔,使混联机器人在切削加工过程中同时受到径向切削力和轴向切削力,更为全面准确地分析了机器人在复杂工况下的动态性能;
2)建立了三自由度的切削稳定性预测模型,并且针对不同位姿进行稳定性预测,得出的切削稳定性叶瓣图更加精确,更具有实际参考意义。
附图说明
图1为基于螺旋铣孔的混联机器人不同位姿下加工性能评价方法技术流程图;
图2为所述混联机器人变形对螺旋铣孔走刀轨迹的影响示意图;
图3为所述混联机器人零点位姿下切削稳定性叶瓣图;
具体实施方式
为能更好的理解本发明的发明内容、特点及功效,下面结合附图和实施例对本发明的技术作进一步的说明。
如附图1所示,本发明的基于螺旋铣孔的混联机器人不同位姿的加工性能评价方法,包括以下步骤:
步骤一、获取切削力系数,过程为:
第一步,螺旋铣孔的运动学可分解为沿刀具轴线旋转、绕孔中心线公转和刀具轴向进给,在整个切削过程中,刀具侧刃和底刃都参与切削,其中刀具侧刃的动态切削厚度是动态切削力的主要来源,而动态切削力是引起机器人颤振的原因。根据螺旋铣孔过程中垂直刀具切削刃的瞬时切削厚度,建立螺旋铣孔切削力的数学模型。
k=[kr kt ka]T
第二步,采用正交实验的方法使用混联机器人对工件进行螺旋铣孔切削实验,变量为混联机器人的主轴转速和刀具的轴向切削厚度。使用Kistler三向测力仪采集分别作用在刀具径向、切向和轴向上的切削力信号,由不同工况下的切削力和瞬时切削厚度,根据螺旋铣孔切削力的数学模型解得刀具侧刃沿刀具径向、切向和轴向的剪切效应系数。
所述的混联机器人可以采用Trimule-600,工件可以为钛合金板材,牌号TC4,可根据需求更换不同的加工设备和工件材料。
步骤二、通过模态实验得到混联机器人在不同位姿下的模态参数。
第一步,在LMS Test.Lab软件中分别建立所述混联机器人在各位姿下的点线拾振模型。
第二步,按照点线拾振模型确定的各个拾振点的位置,分别在混联机器人的对应点位上安装PCB加速度传感器。
第三步,首先,利用B&K力锤敲击混联机器人末端的刀尖点产生激振信号,为了减少测试过程中的随机误差,在机器人坐标系下分别沿XYZ方向敲击多次;
然后,通过LMS数据采集系统读取B&K力锤输出的激振信号以及通过加速度传感器采集并输出的振动信号,并用LMS Test.Lab中的模态分析模块进行模态识别,最终得到混联机器人在不同位姿下的模态参数,具体包括角固有频率、阻尼比和模态质量。
步骤三、预测螺旋铣孔轨迹误差,过程为:
第一步,将混联机器人不同位姿的三维模型导入SAMCEF有限元仿真软件,根据混联机器人的结构说明书和SAMCEF操作指南在仿真软件中输入混联机器人的各个驱动支链、从动支链、动平台和AC转头的各个仿真参数,主要包括单元特性、材料属性、边界条件和载荷条件。
第二步,对混联机器人进行网格划分,其中网格的平均单元长度可设置为6mm,具体可根据仿真计算条件确定。
第三步,对混联机器人不同位姿的末端进行静刚度仿真,解得混联机器人末端在各位姿下的变形量,再累加上螺旋铣孔刀具在此切削力下的变形量(切削力和刀具刚度之比),得到螺旋铣孔走刀轨迹的误差。
步骤四、预测螺旋铣孔切削稳定性,过程为:
第一步,考虑混联机器人螺旋铣孔过程中轴向的动态特性和受力情况,混联机器人螺旋铣孔加工过程中的三自由度铣削动力学方程可表示为:
其中Γ(t)、和分别表示刀尖点的位移、速度和加速度向量,ωn、ξ和mt分别表示混联机器人的角固有频率、阻尼比和模态质量矩阵,ap表示刀具每公转轴向切削深度,A表示切削力系数方向矩阵,τ表示时间滞留量,N为混联机器人主轴转速,n为刀具齿数。
切削力方向系数矩阵A通过建立铣削动力学的数学模型(参见论文《AnAnalyticalMethod for Prediction of Stability Lobes Diagram of Milling of Large-sizeThin-walled workpiece(大尺寸薄壁工件铣削稳定性瓣图预测的解析方法)》,发表于电子与信息工程国际会议,2017年10322卷8-16页),将切削力分解到x,y,z方向上得到。
第二步,本方法采用改进的半离散时域法解上述动力学方程,只对延迟项进行离散化,而对实际时域项保持不变。将模态参数、切削力系数方向矩阵和刀具齿数代入所述的三自由度铣削动力学方程,根据Floquent理论,可判定三自由度铣削动力学方程的稳定性,并获取稳定状态下混联机器人主轴转速和刀具每公转切削深度之间的对应关系,绘制混联机器人在不同位姿下的稳定性叶瓣图。
由于混联机器人系统自身结构原因,其在不同位姿下的刚度会有较大程度的改变,由此也会导致工作域中不同加工位置的稳定性也会有很大区别,作为本方法的一个实施例,本发明在混联机器人工作域内选取了7个典型位姿点进行模态试验来获取稳定性分析所需要的系统前四阶固有频率,阻尼比,模态质量等模态参数。并基于此对其进行稳定性分析,机器人0点位姿下切削稳定性叶瓣图如图3所示,重复上述步骤获得不同位姿下的稳定性叶瓣图。
步骤五、在每个稳定性叶瓣图的稳定性临界状态附近取混联机器人的主轴转速和刀具每公转轴向切削深度作为参数组合,混联机器人进行螺旋铣孔实验时以该组合参数作为切削参数进行工件加工,然后检测工件的加工精度和表面质量,据此评价混联机器人不同位姿下的加工性能。
作为本方法的一个实施例,本方法分析加工精度方面主要从孔径误差和圆度两方面进行,在孔壁内距离入口平面1mm和4mm处的两个平面分别取点,使用三坐标测量机检测其孔径和圆度,并且对比入口处和出口处的孔径和圆度。这是由于混联机器人相对于传统机床刚度较差,在螺旋铣孔过程中较易因为刚度问题影响走刀轨迹的精度,从而导致的出口孔径小于入口孔径,走刀轨迹示意图如图2,故将此作为评判机器人加工性能的指标之一。使用粗糙度测力仪测量加工表面的表面粗糙度,使用超景深显微镜观测切削表面形貌是否有振纹产生,从粗糙度和表面形貌两方面评价加工质量。
根据实际生产加工中铣孔的精度和表面质量要求,对比所测得的混联机器人不同位姿下的螺旋铣孔加工精度和表面质量,便可判断混联机器人该位姿下的加工性能是否达到要求。也可为实际生产加工中优选工作位姿和加工参数提供参考。
Claims (1)
1.基于螺旋铣孔的混联机器人不同位姿的加工性能评价方法,其特征在于包括以下步骤:
步骤一、获取切削力系数,过程为:
第一步,根据螺旋铣孔过程中垂直刀具切削刃的瞬时切削厚度,建立螺旋铣孔切削力的数学模型:
k=[kr kt ka]T
第二步,采用正交实验的方法使用混联机器人对工件进行螺旋铣孔切削实验,变量为混联机器人的主轴转速和刀具的轴向切削厚度;使用Kistler三向测力仪采集分别作用在刀具径向、切向和轴向上的切削力信号,由不同工况下的切削力和瞬时切削厚度,根据螺旋铣孔切削力的数学模型解得刀具侧刃沿刀具径向、切向和轴向的剪切效应系数;
步骤二、通过模态实验得到混联机器人在不同位姿下的模态参数,过程为:
第一步,在LMS Test.Lab软件中分别建立所述混联机器人在各位姿下的点线拾振模型;
第二步,按照点线拾振模型确定的各个拾振点的位置,分别在混联机器人的对应点位上安装PCB加速度传感器;
第三步,首先,利用B&K力锤敲击混联机器人末端的刀尖点产生激振信号,为了减少测试过程中的随机误差,在机器人坐标系下分别沿XYZ方向敲击多次;
然后,通过LMS数据采集系统读取B&K力锤输出的激振信号以及通过加速度传感器采集并输出的振动信号,并用LMS Test.Lab中的模态分析模块进行模态识别,最终得到混联机器人在不同位姿下的模态参数,具体包括角固有频率、阻尼比和模态质量;
步骤三、预测螺旋铣孔轨迹误差,过程为:
第一步,将混联机器人不同位姿的三维模型导入SAMCEF有限元仿真软件,在仿真软件中输入混联机器人的各个驱动支链、从动支链、动平台和AC转头的各个仿真参数,主要包括单元特性、材料属性、边界条件和载荷条件;
第二步,对混联机器人进行网格划分;
第三步,对混联机器人不同位姿的末端进行静刚度仿真,解得混联机器人末端在各位姿下的变形量,再累加上螺旋铣孔刀具在此切削力下的变形量,得到螺旋铣孔走刀轨迹的误差;
步骤四、预测螺旋铣孔切削稳定性,过程为:
第一步,将混联机器人螺旋铣孔加工过程中的三自由度铣削动力学方程表示为:
其中Γ(t)、和分别表示刀尖点的位移、速度和加速度向量,ωn、ξ和mt分别表示混联机器人的角固有频率、阻尼比和模态质量矩阵,ap表示刀具每公转轴向切削深度,A表示切削力系数方向矩阵,τ表示时间滞留量,N为混联机器人主轴转速,n为刀具齿数;
切削力方向系数矩阵A通过建立铣削动力学的数学模型,将切削力分解到x,y,z方向上得到;
第二步,将模态参数、切削力系数方向矩阵和刀具齿数代入所述的三自由度铣削动力学方程,根据Floquent理论,判定三自由度铣削动力学方程的稳定性,并获取稳定状态下混联机器人主轴转速和刀具每公转切削深度之间的对应关系,绘制混联机器人在不同位姿下的稳定性叶瓣图;
步骤五、在每个稳定性叶瓣图的稳定性临界状态附近取混联机器人的主轴转速和刀具每公转轴向切削深度作为参数组合,混联机器人进行螺旋铣孔实验时以该组合参数作为切削参数进行工件加工,然后检测工件的加工精度和表面质量,据此评价混联机器人不同位姿下的加工性能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110045364.1A CN112733298B (zh) | 2021-01-12 | 2021-01-12 | 基于螺旋铣孔的混联机器人不同位姿下加工性能评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110045364.1A CN112733298B (zh) | 2021-01-12 | 2021-01-12 | 基于螺旋铣孔的混联机器人不同位姿下加工性能评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112733298A CN112733298A (zh) | 2021-04-30 |
CN112733298B true CN112733298B (zh) | 2022-04-29 |
Family
ID=75592765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110045364.1A Active CN112733298B (zh) | 2021-01-12 | 2021-01-12 | 基于螺旋铣孔的混联机器人不同位姿下加工性能评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112733298B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116484549B (zh) * | 2023-06-21 | 2023-09-08 | 南京航空航天大学 | 考虑力致变形影响的薄壁件铣削稳定性预测方法和系统 |
CN117196417B (zh) * | 2023-11-08 | 2024-01-30 | 天津市丰和博科技发展有限公司 | 一种立式加工机床加工数据智能分析管理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105414616A (zh) * | 2015-12-02 | 2016-03-23 | 上海交通大学 | 螺旋铣孔过程中切削力预报和稳定性判别方法 |
CN106625573A (zh) * | 2016-10-25 | 2017-05-10 | 天津大学 | 一种五自由度混联机器人直接误差补偿技术 |
CN111177860A (zh) * | 2019-12-10 | 2020-05-19 | 南京理工大学 | 一种提升钛合金薄壁件铣削稳定域的方法 |
CN111291479A (zh) * | 2020-01-21 | 2020-06-16 | 清华大学 | 混联机床铣削稳定性预测方法 |
CN111390253A (zh) * | 2020-04-26 | 2020-07-10 | 兰州理工大学 | 一种叠层材料制孔加工轨迹规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11426833B2 (en) * | 2018-09-13 | 2022-08-30 | Dalian University Of Technology | Cross-axis and cross-point modal testing and parameter identification method for predicting the cutting stability |
-
2021
- 2021-01-12 CN CN202110045364.1A patent/CN112733298B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105414616A (zh) * | 2015-12-02 | 2016-03-23 | 上海交通大学 | 螺旋铣孔过程中切削力预报和稳定性判别方法 |
CN106625573A (zh) * | 2016-10-25 | 2017-05-10 | 天津大学 | 一种五自由度混联机器人直接误差补偿技术 |
CN111177860A (zh) * | 2019-12-10 | 2020-05-19 | 南京理工大学 | 一种提升钛合金薄壁件铣削稳定域的方法 |
CN111291479A (zh) * | 2020-01-21 | 2020-06-16 | 清华大学 | 混联机床铣削稳定性预测方法 |
CN111390253A (zh) * | 2020-04-26 | 2020-07-10 | 兰州理工大学 | 一种叠层材料制孔加工轨迹规划方法 |
Non-Patent Citations (8)
Title |
---|
"An improved dynamic milling force coefficients identification method considering edge force";Guofeng Wang et al.;《Journal of Mechanical Science and Technology》;20121231;第1585-1590页 * |
"Cutting force and chatter stability analysis for PKM-based helical milling operation";Mengrui Shi et al.;《The International Journal of Advanced Manufacturing Technology》;20201108;第3207-3224页 * |
"Deformation analysis and hole diameter error compensation for hybrid robot based helical milling";Hao Li et al.;《Journal of Advanced Mechanical Design Systems and Manufacturing》;20190131;第1-12页 * |
"Machining quality and cutting force signal analysis in UD-CFRP milling under different fiber orientation";Hao Li et al.;《The International Journal of Advanced Manufacturing Technology》;20180709;第2377-2387页 * |
"基于机器人载体的螺旋铣制孔精度研究";刘刚等;《应用基础与工程科学学报》;20151031;第1047-1058页 * |
"混联机器人UD-CFRP铣削过程切削力及加工质量分析";秦旭达等;《机械科学与技术》;20201231;第1898-1905页 * |
"螺旋铣孔工艺的切削稳定性及工艺参数规划";刘长毅等;《中国机械工程》;20141130;第3022-3027页 * |
"高速铣削稳定性的不确定性建模及实验预测";曹自洋等;《制造技术与机床》;20151231;第154-158页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112733298A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Arnaiz-González et al. | Using artificial neural networks for the prediction of dimensional error on inclined surfaces manufactured by ball-end milling | |
Costes et al. | Surface roughness prediction in milling based on tool displacements | |
Scippa et al. | FEM based cutting velocity selection for thin walled part machining | |
CN112733298B (zh) | 基于螺旋铣孔的混联机器人不同位姿下加工性能评价方法 | |
De Lacalle et al. | Recording of real cutting forces along the milling of complex parts | |
de Lacalle et al. | Simultaneous measurement of forces and machine tool position for diagnostic of machining tests | |
Zhang et al. | An efficient approach for milling dynamics modeling and analysis with varying time delay and cutter runout effect | |
Östling et al. | Cutting process monitoring with an instrumented boring bar measuring cutting force and vibration | |
Mohadzir et al. | In-situ worn geometry effect over the surface roughness propagation during micro milling process | |
Urena et al. | Stability of variable helix milling: model validation using scaled experiments | |
Mandal | Applicability of tool condition monitoring methods used for conventional milling in micromilling: A comparative review | |
Abele et al. | Prediction of the tool displacement by coupled models of the compliant industrial robot and the milling process | |
Zhao et al. | Measurement-based modal analysis and stability prediction on turn-milling of hollow turbine blade | |
Dun et al. | Investigation on milling force of thin-walled workpiece considering dynamic characteristics of workpiece | |
Miko et al. | Vibrations in the machining system of the vertical machining center | |
Liu et al. | Modeling and cutting path optimization of shallow shell considering its varying dynamics during machining | |
Klocke et al. | Compensation of disturbances on force signals for five-axis milling processes | |
CN110750891A (zh) | 一种平行同步正交车铣颤振稳定性叶瓣图预测方法 | |
Bisu et al. | Experimental approach on torsor dynamic analysis for milling process monitoring and diagnosis | |
Totis et al. | Stability analysis in milling by taking into account the influence of forced vibrations on the actual tool-workpiece engagement conditions | |
Wang et al. | Stability of milling of thin-walled workpiece | |
Bisu et al. | New approach of envelope dynamic analysis for milling process | |
Dunwoody | Automated identification of cutting force coefficients and tool dynamics on CNC machines | |
Umezu et al. | Evaluation of on-machine measuring method for dynamic stiffness of thin-walled workpieces | |
Ma et al. | Modeling of dynamic cutting forces in thin-walled structures trimming |
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 | ||
CP02 | Change in the address of a patent holder | ||
CP02 | Change in the address of a patent holder |
Address after: 300452 Binhai Industrial Research Institute Campus of Tianjin University, No. 48 Jialingjiang Road, Binhai New Area, Tianjin Patentee after: Tianjin University Address before: 300350 Haijing garden, Haihe Education Park, Jinnan, Tianjin, 135, Tianjin University. Patentee before: Tianjin University |