CN106970593A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN106970593A CN106970593A CN201710254687.5A CN201710254687A CN106970593A CN 106970593 A CN106970593 A CN 106970593A CN 201710254687 A CN201710254687 A CN 201710254687A CN 106970593 A CN106970593 A CN 106970593A
- Authority
- CN
- China
- Prior art keywords
- flutter
- speed
- mainshaft
- online
- processing
- 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
- 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
- G05B19/4083—Adapting programme, configuration
-
- 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)
- Automatic Control Of Machine Tools (AREA)
- Numerical Control (AREA)
Abstract
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,属于智能化加工领域,所述方法包括:步骤1,当主轴在初始转速n0下加工时,对铣削加工状态进行实时监测,分析检测结果,确定是否发生颤振;步骤2,当未识别到颤振发生时,机床主轴保持原有转速不变,并重复执行步骤1;当识别到颤振的发生时,调整主轴转速到新的最佳主轴转速nnew,在颤振发生的早期进行抑制颤振。本发明通过主轴转速智能控制来实现铣削加工颤振的在线抑制,当监测到颤振的发生时,数控机床***会利用本发明提供的自适应控制算法,调整主轴转速到一个新的能够稳定切削的转速nnew,解决了常规的切削过程中依靠主轴转速在一定范围内随机变化来抑制颤振的被动式方法存在的问题和缺点。
Description
技术领域
本发明属于智能化加工领域,主要涉及稳定切削过程的自适应控制保障技术,具体为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。
背景技术
高速加工技术具有较高的加工效率与加工表面质量,因此逐渐被广泛地应用于实际的生产加工过程中。其中高速铣削加工技术的应用更为广泛,包括航空航天领域、汽车加工领域、模具加工领域等。然而由于铣削加工的固有属性,在切削过程中会难免会产生颤振现象,一方面严重影响零件的表面加工质量,另一方面可能引起刀具的磨损甚至引起主轴的损坏,因此铣削加工过程中的颤振抑制技术引起了广泛的关注。其中一种比较重要的颤振抑制方法为通过控制主轴转速实现颤振的抑制,具体地,在高速铣削加工过程中,当刀具沿着切削路径加工时,主轴转速在一个人为设定的转速范围内随机变化,由于该种方式是通过主轴转速的随机变化来改变刀具的切削周期进而“干扰”颤振的产生,因此属于被动式抑制颤振方法的一种。该种颤振抑制方法只需要对主轴转速进行控制,比较容易实现,然而对于高速铣削加工而言,主轴转速在一定范围内持续变化一方面对主轴控制器提出了较高的要求,另一方面又容易引起切削力较大的波动,引起更大的振动。
发明内容
针对现有技术中存在的问题,本发明提供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,通过控制主轴转速实现主动式颤振抑制,当监测到颤振的发生时,机床主轴控制器调整主轴转速到一个新的最佳转速,对颤振进行抑制。
本发明是通过以下技术方案来实现:
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,,包括如下步骤,
步骤1,当主轴在初始转速n0下加工时,对铣削加工状态进行实时监测,得到铣削加工状态下的振动加速度信号a(k),其中k为获取的振动加速度信号时间序列的序号;
对振动加速度信号a(k)进行滤波处理,将其中与转速有关的信号成分滤除,得到其他扰动成分
利用AR自回归模型对进行离散时间序列信号建模分析,求解所述AR模型的特征方程,得到特征方程的特征根λ,当|λmax|>1时,表征铣削过程不稳定,即颤振发生;
步骤2,当未识别到颤振发生时,机床主轴保持原有转速不变进行加工,并重复执行步骤1;
当识别到颤振的发生时,输出控制信号到机床主轴的控制器,控制主轴转速到新的最佳主轴转速nnew,在颤振发生的早期进行抑制颤振;
所述新的主轴转速值为nnew(k)=n0(1+Qc(k));其中,Qc(k)为转速控制算法输出的控制参数;
通过定义成本函数为J(QC)=min(S(fchat)),其中,S(fchat)为在主颤振频率fchat处的功率密度值;求得使上述成本函数值最小的QC,从而求得新的最佳主轴转速nnew。
优选的,步骤1中,振动加速度信号包括两类成分,其表示如下:
其中,a*(k)为与转速有关的信号成分,从频域上看为包括主轴的转频及其倍频、铣刀的刀齿通过频率及其倍频;为其他扰动成分。
优选的,步骤1中,对振动加速度信号a(k)进行滤波处理时,利用以下滤波方法:
其中,fs为信号采样频率,n为主轴转速,round()代表对括号内数据四舍五入取整处理。
优选的,步骤1中,利用AR自回归模型对进行离散时间序列信号建模分析,构建如下所示的状态空间方程:
状态方程:δ(k+1)=δ(k)+δ(k);
观测方程:
其中,δ(k)为模型参数;M为模型阶数;δ(k)和r(k)分别为过程噪声和观测噪声。
优选的,求解如下的AR模型的特征方程:
1-δ1q-δ2q2-...-δMqM=0;其中,q为延迟算子;
得到特征方程的特征根λ,当|λmax|>1时,表征铣削过程不稳定,即颤振发生。
优选的,步骤1中,利用下式计算颤振发生时的主颤振频率:
其中,fs为信号采样频率。
优选的,步骤2中,利用归一化最小均方差算法求得使上述成本函数值最小的QC,从而求得新的最佳主轴转速nnew。
优选的,归一化最小均方差算法所用的自适应迭代方程为:
式中,αc为步长系数;ε0为极小值,取1×10-12;
Δf(k)=p(k)ft(k)-fchat(k),其中{·}代表对括号内数值四舍五入取整处理,为刀齿通过频率;
u(k)为指数滑动平均数,由下式确定:
u(k)=(1-ηc)u(k-1)+ηcS(fchat(k));
其中,ηc为平滑系数。
与现有技术相比,本发明通过主轴转速智能控制来实现铣削加工颤振的在线抑制,具有以下区别于传统颤振抑制方法的显著优势和有益的技术效果:
本发明所述方法属于主动式颤振抑制方法,只有当监测到颤振的发生时,数控机床***才会利用本发明提供的自适应控制算法,调整主轴转速到一个新的能够稳定切削的最佳转速nnew,解决了常规的切削过程中依靠主轴转速在一定范围内随机变化来抑制颤振的被动式方法存在的问题和缺点。
同时本发明提供的主动式颤振抑制方法通过主动调整主轴的转速实现颤振的抑制,方法简单,容易实现,不需要改变主轴、机床的结构或设计额外的主动式颤振抑制装置,通用性强。
附图说明
图1所示为本发明实例中所述方法的流程图。
图2所示为本发明中所述的转速控制算法的流程图。
具体实施方式
下面结合具体的实施例对本发明做进一步的详细说明,所述是对本发明的解释而不是限定。
本发明提供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,主要包括两个步骤:
第一步,当主轴在初始转速n0下加工时,对铣削加工状态进行实时监测,在颤振发生的早期对其进行识别,并获取颤振发生早期的主要特征参数;第二步,当识别到颤振的发生时,利用本发明提供的控制算法,输出控制信号到机床主轴的控制器控制主轴转速到新的最佳主轴转速nnew,在颤振发生的早期进行抑制颤振。
具体的,如图1所示,通过主轴转速智能控制实现加工颤振在线抑制的方法主要包括以下两个过程:
1、颤振的监测及识别。
作为本发明提出的主动式颤振抑制方法的前提,颤振的监测与识别至关重要。只有当准确地识别出颤振的发生,之后的主动调控才有意义。颤振的监测与识别又包括以下几个步骤:
1.1加工过程信号的获取。
通过获取铣削加工时的状态信号,进行一系列的处理,对颤振进行识别。本实施例利用安装在主轴轴端外壳上的加速度传感器获取铣削加工状态下的振动加速度信号a(k),其中k为获取的振动加速度信号时间序列的序号。
1.2信号的滤波处理。
对于铣削过程而言,振动加速度信号主要包括两类成分:
其中,a*(k)为与转速有关的信号成分,从频域上看为包括主轴的转频及其倍频、铣刀的刀齿通过频率及其倍频。为其他扰动成分。当铣削过程平稳进行时,近似可以看做白噪声,当颤振发生时,中开始出现于颤振有关的频率成分。为了对颤振进行识别,需要滤掉与转速有关的信号成分a*(k),利用以下滤波方法:
其中,fs为信号采样频率,n为主轴转速,round()代表对括号内数据四舍五入取整处理。
1.3颤振的判别与特征参数的计算。
为了对颤振进行判别,需要对滤波处理后获得的进行进一步分析。利用AR自回归模型对进行建模分析,构建如下所示的状态空间方程:
状态方程:δ(k+1)=δ(k)+δ(k);
观测方程:
其中,δ(k)为模型参数;M为模型阶数;δ(k)和r(k)分别为过程噪声和观测噪声。通过对上述模型参数δ(k)进行估计,可以获得颤振判别的判据。
求解上述AR模型的特征方程:
1-δ1q-δ2q2-...-δMqM=0;
其中,q为延迟算子,得到特征方程的特征根λ,当|λmax|>1时,表征铣削过程不稳定,即颤振发生。
利用下式计算颤振发生时的主颤振频率:
2、转速的控制。
如图1所示,当未识别到颤振发生时,机床主轴保持原有转速不变进行加工,同时颤振监测与识别过程继续进行。
当识别到颤振的发生时,根据本发明提供的转速控制算法,计算出新的最佳的主轴转速,之后输出控制指令到主轴控制器,对主轴转速进行调整,实现颤振的抑制,本发明所提供的转速控制算法框架如图2所示。
定义新的主轴转速值为:
nnew(k)=n0(1+Qc(k));
其中,n0为铣削加工时主轴的初始转速,Qc(k)为控制算法输出的控制参数。
定义成本函数为J(QC)=min(S(fchat)),其中S(fchat)为在主颤振频率fchat处的功率密度值。
利用归一化最小均方差(NLMS)算法求得使上述成本函数值最小的QC,从而求得新的最佳主轴转速nnew。NLMS算法所用的自适应迭代方程为:
式中,αc为步长系数;ε0为极小值,取1×10-12;
Δf(k)=p(k)ft(k)-fchat(k),其中{·}代表对括号内数值四舍五入取整处理;
为刀齿通过频率;
u(k)为指数滑动平均数,由下式确定:
u(k)=(1-ηc)u(k-1)+ηcS(fchat(k));
其中,ηc为平滑系数。
Claims (8)
1.一种通过主轴转速智能控制实现加工颤振在线抑制的方法,其特征在于,包括如下步骤,
步骤1,当主轴在初始转速n0下加工时,对铣削加工状态进行实时监测,得到铣削加工状态下的振动加速度信号a(k),其中k为获取的振动加速度信号时间序列的序号;
对振动加速度信号a(k)进行滤波处理,将其中与转速有关的信号成分滤除,得到其他扰动成分
利用AR自回归模型对进行离散时间序列信号建模分析,求解所述AR模型的特征方程,得到特征方程的特征根λ,当|λmax|>1时,表征铣削过程不稳定,即颤振发生;
步骤2,当未识别到颤振发生时,机床主轴保持原有转速不变进行加工,并重复执行步骤1;
当识别到颤振的发生时,输出控制信号到机床主轴的控制器,控制主轴转速到新的最佳主轴转速nnew,在颤振发生的早期进行抑制颤振;
所述新的主轴转速值为nnew(k)=n0(1+Qc(k));其中,Qc(k)为转速控制算法输出的控制参数;
通过定义成本函数为J(QC)=min(S(fchat)),其中,S(fchat)为在主颤振频率fchat处的功率密度值;求得使上述成本函数值最小的QC,从而求得新的最佳主轴转速nnew。
2.根据权利要求1所述的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,其特征在于,步骤1中,振动加速度信号包括两类成分,其表示如下:
其中,a*(k)为与转速有关的信号成分,从频域上看为包括主轴的转频及其倍频、铣刀的刀齿通过频率及其倍频;为其他扰动成分。
3.根据权利要求1所述的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,其特征在于,步骤1中,对振动加速度信号a(k)进行滤波处理时,利用以下滤波方法:
其中,fs为信号采样频率,n为主轴转速,round()代表对括号内数据四舍五入取整处理。
4.根据权利要求1所述的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,其特征在于,步骤1中,利用AR自回归模型对进行离散时间序列信号建模分析,构建如下所示的状态空间方程:
状态方程:δ(k+1)=δ(k)+δ(k);
观测方程:
其中,δ(k)为模型参数;M为模型阶数;δ(k)和r(k)分别为过程噪声和观测噪声。
5.根据权利要求4所述的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,其特征在于,求解如下的AR模型的特征方程:
1-δ1q-δ2q2-...-δMqM=0;其中,q为延迟算子;
得到特征方程的特征根λ,当|λmax|>1时,表征铣削过程不稳定,即颤振发生。
6.根据权利要求1所述的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,其特征在于,步骤1中,利用下式计算颤振发生时的主颤振频率:
其中,fs为信号采样频率。
7.根据权利要求6所述的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,其特征在于,步骤2中,利用归一化最小均方差算法求得使上述成本函数值最小的QC,从而求得新的最佳主轴转速nnew。
8.根据权利要求7所述的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,其特征在于,归一化最小均方差算法所用的自适应迭代方程为:
式中,αc为步长系数;ε0为极小值,取1×10-12;
Δf(k)=p(k)ft(k)-fchat(k),其中{·}代表对括号内数值四舍五入取整处理,为刀齿通过频率;
u(k)为指数滑动平均数,由下式确定:
u(k)=(1-ηc)u(k-1)+ηcS(fchat(k));
其中,ηc为平滑系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710254687.5A CN106970593B (zh) | 2017-04-18 | 2017-04-18 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710254687.5A CN106970593B (zh) | 2017-04-18 | 2017-04-18 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106970593A true CN106970593A (zh) | 2017-07-21 |
CN106970593B CN106970593B (zh) | 2019-06-11 |
Family
ID=59333523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710254687.5A Active CN106970593B (zh) | 2017-04-18 | 2017-04-18 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106970593B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107807526A (zh) * | 2017-10-31 | 2018-03-16 | 上海交通大学 | 一种基于稳定性仿真智能抑制加工颤振的方法 |
CN109396948A (zh) * | 2018-11-16 | 2019-03-01 | 华中科技大学 | 一种提高五轴铣削***加工稳定性的主动控制方法及*** |
CN111618658A (zh) * | 2020-05-21 | 2020-09-04 | 西安交通大学 | 一种面向无颤振高效铣削的主轴转速自适应调整方法 |
CN111966044A (zh) * | 2020-07-15 | 2020-11-20 | 成都飞机工业(集团)有限责任公司 | 一种基于振动监测的弱刚性结构钻孔方法 |
CN112305996A (zh) * | 2019-07-30 | 2021-02-02 | 兄弟工业株式会社 | 数值控制装置和控制方法 |
CN112449617A (zh) * | 2018-08-09 | 2021-03-05 | 国立大学法人东海国立大学机构 | 加工装置和切削加工方法 |
CN112809462A (zh) * | 2019-11-18 | 2021-05-18 | 株式会社捷太格特 | 颤振评价*** |
CN113984190A (zh) * | 2021-10-20 | 2022-01-28 | 上海交通大学 | 机器人钻削颤振识别方法和*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3537216A1 (de) * | 1984-10-24 | 1986-04-24 | General Electric Co., Schenectady, N.Y. | Anordnung und verfahren zum erkennen von werkzeugbruch |
CN101934487A (zh) * | 2010-08-25 | 2011-01-05 | 上海理工大学 | 滚珠丝杆磨削颤振稳定性极限图确定方法 |
CN102248209A (zh) * | 2011-07-01 | 2011-11-23 | 黑龙江科技学院 | 薄壁复杂曲面工件铣削加工时机床极限稳定工艺参数的确定方法 |
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 |
CN105817952A (zh) * | 2016-05-11 | 2016-08-03 | 西安交通大学 | 一种基于混合支撑电主轴的在线主轴碰撞及刀具折断监测***和方法 |
US20160346891A1 (en) * | 2015-05-29 | 2016-12-01 | Okuma Corporation | Vibration information display device for machine tool |
US20170100810A1 (en) * | 2015-10-07 | 2017-04-13 | Industrial Technology Research Institute | Chatter avoidance method and device |
-
2017
- 2017-04-18 CN CN201710254687.5A patent/CN106970593B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3537216A1 (de) * | 1984-10-24 | 1986-04-24 | General Electric Co., Schenectady, N.Y. | Anordnung und verfahren zum erkennen von werkzeugbruch |
CN101934487A (zh) * | 2010-08-25 | 2011-01-05 | 上海理工大学 | 滚珠丝杆磨削颤振稳定性极限图确定方法 |
CN102248209A (zh) * | 2011-07-01 | 2011-11-23 | 黑龙江科技学院 | 薄壁复杂曲面工件铣削加工时机床极限稳定工艺参数的确定方法 |
US20160346891A1 (en) * | 2015-05-29 | 2016-12-01 | Okuma Corporation | Vibration information display device for machine tool |
US20170100810A1 (en) * | 2015-10-07 | 2017-04-13 | Industrial Technology Research Institute | Chatter avoidance method and device |
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 |
CN105817952A (zh) * | 2016-05-11 | 2016-08-03 | 西安交通大学 | 一种基于混合支撑电主轴的在线主轴碰撞及刀具折断监测***和方法 |
Non-Patent Citations (2)
Title |
---|
HONGYU JIN 等: "ON-LINE CHATTER RECOGNITION AND SUPRESSION IN MILLING BASED ON SMART CNC", 《2016 INTERNATIONAL SYMPOSIUM ON FLEXIBLE AUTOMATION (ISFA)》 * |
李茂月 等: "基于开放式控制器的铣削颤振在线抑制", 《机械工程学报》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107807526A (zh) * | 2017-10-31 | 2018-03-16 | 上海交通大学 | 一种基于稳定性仿真智能抑制加工颤振的方法 |
CN112449617A (zh) * | 2018-08-09 | 2021-03-05 | 国立大学法人东海国立大学机构 | 加工装置和切削加工方法 |
CN112449617B (zh) * | 2018-08-09 | 2022-07-12 | 国立大学法人东海国立大学机构 | 加工装置和切削加工方法 |
CN109396948A (zh) * | 2018-11-16 | 2019-03-01 | 华中科技大学 | 一种提高五轴铣削***加工稳定性的主动控制方法及*** |
CN112305996A (zh) * | 2019-07-30 | 2021-02-02 | 兄弟工业株式会社 | 数值控制装置和控制方法 |
CN112809462A (zh) * | 2019-11-18 | 2021-05-18 | 株式会社捷太格特 | 颤振评价*** |
CN112809462B (zh) * | 2019-11-18 | 2024-04-09 | 株式会社捷太格特 | 颤振评价*** |
CN111618658A (zh) * | 2020-05-21 | 2020-09-04 | 西安交通大学 | 一种面向无颤振高效铣削的主轴转速自适应调整方法 |
CN111618658B (zh) * | 2020-05-21 | 2021-08-10 | 西安交通大学 | 一种面向无颤振高效铣削的主轴转速自适应调整方法 |
CN111966044A (zh) * | 2020-07-15 | 2020-11-20 | 成都飞机工业(集团)有限责任公司 | 一种基于振动监测的弱刚性结构钻孔方法 |
CN111966044B (zh) * | 2020-07-15 | 2022-04-08 | 成都飞机工业(集团)有限责任公司 | 一种基于振动监测的弱刚性结构钻孔方法 |
CN113984190A (zh) * | 2021-10-20 | 2022-01-28 | 上海交通大学 | 机器人钻削颤振识别方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN106970593B (zh) | 2019-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106970593A (zh) | 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 | |
Qin et al. | Concentrated velocity synchronous linear chirplet transform with application to robotic drilling chatter monitoring | |
CN111694320B (zh) | 一种虑及颤振抑制的机床自适应控制方法 | |
CN109713968B (zh) | 切割机伺服***机械谐振的抑制方法 | |
CN110263474A (zh) | 一种数控机床的刀具寿命实时预测方法 | |
CN111650891B (zh) | 具有恒力自适应控制方法的五轴精密小龙门数控加工中心 | |
CN106112697A (zh) | 一种基于3σ准则的铣削颤振自动报警阈值设定方法 | |
CN107248047B (zh) | 基于加工过程状态熵动态计算的加工过程状态评价方法 | |
Liu et al. | A hybrid health condition monitoring method in milling operations | |
CN105700477A (zh) | 一种基于颤振频率的加工颤振智能抑制方法 | |
CN109991925A (zh) | 一种切削颤振在线监控方法及监控*** | |
CN114992033B (zh) | 基于nlm-ceemdan的水电机组信号去噪方法 | |
Dong et al. | Chatter identification in milling of the thin-walled part based on complexity index | |
CN115922553A (zh) | 一种碳化硅晶片抛光加工状态在线监测方法 | |
CN114273974A (zh) | 高速铣削加工中基于振动信号的刀具跳动参数在线估计法 | |
CN115755758A (zh) | 基于神经网络模型的机床加工控制方法 | |
CN111723765A (zh) | 一种基于变分模态分解与改进型bp神经网络的微铣刀磨损监测方法 | |
CN107807526B (zh) | 一种基于稳定性仿真智能抑制加工颤振的方法 | |
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 | |
CN116141073A (zh) | 一种基于刀具磨损状态的切削参数优化方法 | |
CN114638265B (zh) | 一种基于信号卷积神经网络的铣削颤振判别方法 | |
CN114378653B (zh) | 基于bp神经网络外圆磨削颤振在线识别和监测方法 | |
CN111966044B (zh) | 一种基于振动监测的弱刚性结构钻孔方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 |