CN118268933A - 一种拉削刀具磨损状态识别方法 - Google Patents
一种拉削刀具磨损状态识别方法 Download PDFInfo
- Publication number
- CN118268933A CN118268933A CN202410391451.6A CN202410391451A CN118268933A CN 118268933 A CN118268933 A CN 118268933A CN 202410391451 A CN202410391451 A CN 202410391451A CN 118268933 A CN118268933 A CN 118268933A
- Authority
- CN
- China
- Prior art keywords
- broaching tool
- section
- wear
- broaching
- lsv
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000003754 machining Methods 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000005520 cutting process Methods 0.000 claims abstract description 9
- 238000005299 abrasion Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 abstract description 4
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Numerical Control (AREA)
Abstract
本发明涉及拉削刀具磨损状态识别技术领域,且公开了一种拉削刀具磨损状态识别方法,收集拉削刀具加工过程中的加工数据,调用拉削刀具历史切削数据库,进行比对,分别对两个图像数据进行算法运算,最终得到拉削刀具的磨损状态。该拉削刀具磨损状态识别方法通过对调用拉削刀具历史切削数据库,将采集到的拉削加工过程中的受力大小和进刀速度与历史数据库中的数据通过算法公式进行比对,若存在磨损发生的情况,则通过拍摄拉削刀具沿轴向图像数据和拉削刀具的垂直轴向的图像数据,对具体的磨损部位进行计算,将两次计算结果结合得出磨损值,通过两次测量来精确识别拉削刀具是否存在磨损依据磨损程度。
Description
技术领域
本发明涉及拉削刀具磨损状态识别技术领域,具体为一种拉削刀具磨损状态识别方法。
背景技术
拉削刀具是用于拉削的成形刀具,刀具表面上有多排刀齿,各排刀齿的尺寸和形状从切入端至切出端依次增加和变化,当拉刀作拉削运动时,每个刀齿就从工件上切下一定厚度的金属,最终得到所要求的尺寸和形状,拉刀常用于成批和大量生产中加工圆孔、花键孔、键槽、平面和成形表面等,生产率很高,拉刀按加工表面部位的不同,分为内拉刀和外拉刀;按工作时受力方式的不同,分为拉刀和推刀,推刀常用于校准热处理后的型孔;
在长时间的拉削过程中会对拉削刀具产生磨损,但现有的检测拉削刀具的方法多为利用先进仪器测量磨损区域的实际尺寸,能直观准确的观测尺寸变化的情况,但是该手段通常较为繁琐的,耗时较长。
发明内容
本发明要解决的技术问题是:本发明提供了一种拉削刀具磨损状态识别方法,具备快速精准识别的优点。
本发明解决上述技术问题所采用的技术方案是:一种拉削刀具磨损状态识别方法,包括以下步骤:
S1、收集拉削刀具加工过程中的加工数据,其中加工数据包括拉削加工过程中的受力大小Ft和进刀速度Vt;
S2、调用拉削刀具历史切削数据库,将采集到的拉削加工过程中的受力大小Ft和进刀速度Vt与历史数据库中的数据通过算法公式进行比对,若存在磨损发生的情况,则执行步骤S3;
S3、收集停止加工后的拉削刀具沿轴向图像数据和停止加工后的拉削刀具的垂直轴向的图像数据,并分别对两个图像数据进行算法运算,分别得出轴向观测磨损情况η1和垂直轴向的观测磨损情况η2;
S4、依据步骤S2和步骤S3的结果,通过算法公式输出拉削刀具的磨损状态。
作为本发明的优选技术方案,所述步骤S1中的拉削加工过程中的受力大小Ft和进刀速度Vt包括拉削刀具每一节刀齿的进刀时的受力大小和进刀速度,具体表达式如下:
Ft={Ft,1,Ft,2,…,Ft,n}
Vt={Vt,1,Vt,2,…,Vt,n}
其中,Ft,1,Ft,2,…,Ft,n分别表示第一节、第二节、…、第n节刀齿进刀时的受力大小,Vt,1,Vt,2,…,Vt,n分别表示第一节、第二节、…、第n节刀齿进刀时的进刀速度。
作为本发明的优选技术方案,所述步骤S2中调用的拉削刀具历史切削数据库包括历史拉削刀具受力大小LSFt和历史拉削刀具进刀速度LSVt,所述步骤S2中将采集到的拉削加工过程中的受力大小Ft和进刀速度Vt与历史数据库中的数据通过算法公式进行比对的算法表达式如下:
ΔFt,i=Ft,i-LSFt,i
ΔVt,i=LSVt,i-Vt,i
LSFt={LSFt,1,LSFt,2,…,LSFt,n}
LSVt={LSVt,1,LSVt,2,…,LSVt,n}
其中,,LSFt,1,LSFt,2,…,LSFt,n分别表示历史数据中第一节、第二节、…、第n节刀齿进刀时的受力大小,LSVt,1,LSVt,2,…,LSVt,n分别表示历史数据中第一节、第二节、…、第n节刀齿进刀时的进刀速度,ΔFt,i表示第i节刀齿进刀时的受力大小的变化值,ΔVt,i表示第i节刀齿进刀时的进刀速度的变化值,Ft,i表示第i节刀齿进刀时的受力大小,Vt,i表示第i节刀齿进刀时的进刀速度,LSFt,i表示历史数据中第i节刀齿进刀时的受力大小,LSVt,i表示历史数据中第i节刀齿进刀时的进刀速度,若ΔVt,i<V或ΔFt,i<F,则执行步骤S3,若ΔVt,i≥V或ΔFt,i≥F,则输出未磨损,其中V和F分别表示设定的阈值。
作为本发明的优选技术方案,所述步骤S3对拉削刀具沿轴向图像数据的处理包括以下步骤:
S3a.1、以拉削刀具轴向截面最小一面的中心点处为原点,建立XOY平面坐标系;
S3a.2、建立圆形拟合曲线,并逐级增大圆形拟合曲线的拟合半径rt,j,让圆形拟合曲线与每一节刀齿截面的边界相切,直到完成对每一节刀齿的拟合;
S3a.3、对拟合次数和拟合半径的数值进行逐一比对;
S3a.4、输出轴向观测磨损情况η1。
作为本发明的优选技术方案,所述步骤S3a.2中的圆形拟合曲线表达式如下:
x2+y2=rt,j 2
其中,x表示X轴坐标,y表示Y轴坐标,rt,j表示第j次增大后的圆形拟合曲线的拟合半径。。
作为本发明的优选技术方案,所述步骤S3a.3的具体过程如下:
S3a.3.1、将rt,j与历史数据库中存储的拉削刀具每一节刀齿的内切圆半径LSrt,j进行比较,并通过如下表达式进行误差计算:
ΔRj=|rt,j-LSrt,j|
其中,ΔRj表示第j个误差值,rt,j表示第j次增大后的圆形拟合曲线的拟合半径,LSrt,j表示对应第j次增大后的圆形拟合曲线的第j节刀齿的内切圆半径,|*|表示绝对值;
S3a.3.2、当ΔRj大于磨损阈值R0时,计算磨损情况,计算表达式如下:
其中,η1表示轴向观测磨损情况。
作为本发明的优选技术方案,所述步骤S3中处理拉削刀具的垂直轴向的图像数据的具体过程如下:
S3b.1、以拉削刀具中轴线和拉削刀具外径最短处的交点为原点,建立XOY平面坐标系;
S3.b.2、选取每一节刀齿最远离中轴线上方的一点作为最远参照点,选取每一节刀齿最接近中轴线上方的一点作为最近参照点;
S3.b.3、以计算相邻参照点之前的倾斜程度;
S3.b.4、输出垂直轴向的观测磨损情况η2。
作为本发明的优选技术方案,所述步骤S3.b.3的计算表达式如下:
其中,θt,j表示第j节刀齿的倾斜角度,arctan表示反正切三角函数,xt,j,1和yt,j,1表示最近参照点(xt,j,1,yt,j,1)的横纵坐标,xt,j,2和yt,j,2表示最远参照点(xt,j,2,yt,j,2)的横纵坐标。
作为本发明的优选技术方案,所述步骤S3.b.4输出垂直轴向的观测磨损情况η2的表达式如下:
其中,η2表示垂直轴向的观测磨损情况,LSθt,j表示历史第j节刀齿的倾斜角度。
作为本发明的优选技术方案,所述步骤S4的输出拉削刀具的磨损状态具体计算表达式如下:
其中,η表示磨损状态,η1表示轴向观测磨损情况,η2表示垂直轴向的观测磨损情况。
与现有技术相比,本发明提供了一种拉削刀具磨损状态识别方法,具备以下有益效果:
1、本发明通过对调用拉削刀具历史切削数据库,将采集到的拉削加工过程中的受力大小Ft和进刀速度Vt与历史数据库中的数据通过算法公式进行比对,若存在磨损发生的情况,则通过拍摄拉削刀具沿轴向图像数据和拉削刀具的垂直轴向的图像数据,对具体的磨损部位进行计算,将两次计算结果结合得出磨损值,通过两次测量来精确识别拉削刀具是否存在磨损依据磨损程度。
2、本发明通过在第二次测量中,若最终输出的磨损状态值η在误差范围内,则需要对检测拉削加工过程中的受力大小Ft和进刀速度Vt的传感器进行校准,从而避免误判。
附图说明
图1为本发明流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,一种拉削刀具磨损状态识别方法,包括以下步骤:
S1、收集拉削刀具加工过程中的加工数据,其中加工数据包括拉削加工过程中的受力大小Ft和进刀速度Vt;
步骤S1中的拉削加工过程中的受力大小Ft和进刀速度Vt包括拉削刀具每一节刀齿的进刀时的受力大小和进刀速度,具体表达式如下:
Ft={Ft,1,Ft,2,…,Ft,n}
Vt={Vt,1,Vt,2,…,Vt,n}
其中,Ft,1,Ft,2,…,Ft,n分别表示第一节、第二节、…、第n节刀齿进刀时的受力大小,Vt,1,Vt,2,…,Vt,n分别表示第一节、第二节、…、第n节刀齿进刀时的进刀速度。
S2、调用拉削刀具历史切削数据库,将采集到的拉削加工过程中的受力大小Ft和进刀速度Vt与历史数据库中的数据通过算法公式进行比对,若存在磨损肯,则执行步骤S3;
步骤S2中调用的拉削刀具历史切削数据库包括历史拉削刀具受力大小LSFt和历史拉削刀具进刀速度LSVt,步骤S2中将采集到的拉削加工过程中的受力大小Ft和进刀速度Vt与历史数据库中的数据通过算法公式进行比对的算法表达式如下:
ΔFt,i=Ft,i-LSFt,i
ΔVt,i=LSVt,i-Vt,i
LSFt={LSFt,1,LSFt,2,…,LSFt,n}
LSVt={LSVt,1,LSVt,2,…,LSVt,n}
其中,,LSFt,1,LSFt,2,…,LSFt,n分别表示历史数据中第一节、第二节、…、第n节刀齿进刀时的受力大小,LSVt,1,LSVt,2,…,LSVt,n分别表示历史数据中第一节、第二节、…、第n节刀齿进刀时的进刀速度,ΔFt,i表示第i节刀齿进刀时的受力大小的变化值,ΔVt,i表示第i节刀齿进刀时的进刀速度的变化值,Ft,i表示第i节刀齿进刀时的受力大小,Vt,i表示第i节刀齿进刀时的进刀速度,LSFt,i表示历史数据中第i节刀齿进刀时的受力大小,LSVt,i表示历史数据中第i节刀齿进刀时的进刀速度,若ΔVt,i<V或ΔFt,i<F,则执行步骤S3,若ΔVt,i≥V或ΔFt,i≥F,则输出未磨损,其中V和F分别表示设定的阈值。
S3、收集停止加工后的拉削刀具沿轴向图像数据和停止加工后的拉削刀具的垂直轴向的图像数据,并分别对两个图像数据进行算法运算,分别得出轴向观测磨损情况η1和垂直轴向的观测磨损情况η2;
步骤S3对拉削刀具沿轴向图像数据的处理包括以下步骤:
S3a.1、以拉削刀具轴向截面最小一面的中心点处为原点,建立XOY平面坐标系;
S3a.2、建立圆形拟合曲线,并逐级增大圆形拟合曲线的拟合半径rt,j,让圆形拟合曲线与每一节刀齿截面的边界相切,直到完成对每一节刀齿的拟合;
步骤S3a.2中的圆形拟合曲线表达式如下:
x2+y2=rt,j 2
其中,x表示X轴坐标,y表示Y轴坐标,rt,j表示第j次增大后的圆形拟合曲线的拟合半径。
S3a.3、对拟合次数和拟合半径的数值进行逐一比对;
步骤S3a.3的具体过程如下:
S3a.3.1、将rt,j与历史数据库中存储的拉削刀具每一节刀齿的内切圆半径LSrt,j进行比较,并通过如下表达式进行误差计算:
ΔRj=|rt,j-LSrt,j|
其中,ΔRj表示第j个误差值,rt,j表示第j次增大后的圆形拟合曲线的拟合半径,LSrt,j表示对应第j次增大后的圆形拟合曲线的第j节刀齿的内切圆半径,|*|表示绝对值;
S3a.3.2、当ΔRj大于磨损阈值R0时,计算磨损情况,计算表达式如下:
其中,η1表示轴向观测磨损情况。
S3a.4、输出轴向观测磨损情况η1。
进一步的,步骤S3中处理拉削刀具的垂直轴向的图像数据的具体过程如下:
S3b.1、以拉削刀具中轴线和拉削刀具外径最短处的交点为原点,建立XOY平面坐标系;
S3.b.2、选取每一节刀齿最远离中轴线上方的一点作为最远参照点,选取每一节刀齿最接近中轴线上方的一点作为最近参照点;
S3.b.3、以计算相邻参照点之前的倾斜程度;
步骤S3.b.3的计算表达式如下:
其中,θt,j表示第j节刀齿的倾斜角度,arctan表示反正切三角函数,xt,j,1和yt,j,1表示最近参照点(xt,j,1,yt,j,1)的横纵坐标,xt,j,2和yt,j,2表示最远参照点(xt,j,2,yt,j,2)的横纵坐标。
S3.b.4、输出垂直轴向的观测磨损情况η2。
步骤S3.b.4输出垂直轴向的观测磨损情况η2的表达式如下:
其中,η2表示垂直轴向的观测磨损情况,LSθt,j表示历史第j节刀齿的倾斜角度。
S4、依据步骤S2和步骤S3的结果,通过算法公式输出拉削刀具的磨损状态。
进一步的,步骤S4的输出拉削刀具的磨损状态具体计算表达式如下:
其中,η表示磨损状态,η1表示轴向观测磨损情况,η2表示垂直轴向的观测磨损情况。
若最终输出的磨损状态值η在误差范围内,则需要对检测拉削加工过程中的受力大小Ft和进刀速度Vt的传感器进行校准。
本发明通过对调用拉削刀具历史切削数据库,将采集到的拉削加工过程中的受力大小Ft和进刀速度Vt与历史数据库中的数据通过算法公式进行比对,若存在磨损发生的情况,则通过拍摄拉削刀具沿轴向图像数据和拉削刀具的垂直轴向的图像数据,对具体的磨损部位进行计算,将两次计算结果结合得出磨损值,通过两次测量来精确识别拉削刀具是否存在磨损依据磨损程度。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种拉削刀具磨损状态识别方法,其特征在于:包括以下步骤:
S1、收集拉削刀具加工过程中的加工数据,其中加工数据包括拉削加工过程中的受力大小Ft和进刀速度Vt;
S2、调用拉削刀具历史切削数据库,将采集到的拉削加工过程中的受力大小Ft和进刀速度Vt与历史数据库中的数据通过算法公式进行比对,若存在磨损肯,则执行步骤S3;
S3、收集停止加工后的拉削刀具沿轴向图像数据和停止加工后的拉削刀具的垂直轴向的图像数据,并分别对两个图像数据进行算法运算,分别得出轴向观测磨损情况η1和垂直轴向的观测磨损情况η2;
S4、依据步骤S2和步骤S3的结果,通过算法公式输出拉削刀具的磨损状态。
2.根据权利要求1所述的一种拉削刀具磨损状态识别方法,其特征在于:所述步骤S1中的拉削加工过程中的受力大小Ft和进刀速度Vt包括拉削刀具每一节刀齿的进刀时的受力大小和进刀速度,具体表达式如下:
Ft={Ft,1,Ft,2,…,Ft,n}
Vt={Vt,1,Vt,2,…,Vt,n}
其中,Ft,1,Ft,2,…,Ft,n分别表示第一节、第二节、…、第n节刀齿进刀时的受力大小,Vt,1,Vt,2,…,Vt,n分别表示第一节、第二节、…、第n节刀齿进刀时的进刀速度。
3.根据权利要求2所述的一种拉削刀具磨损状态识别方法,其特征在于:所述步骤S2中调用的拉削刀具历史切削数据库包括历史拉削刀具受力大小LSFt和历史拉削刀具进刀速度LSVt,所述步骤S2中将采集到的拉削加工过程中的受力大小Ft和进刀速度Vt与历史数据库中的数据通过算法公式进行比对的算法表达式如下:
ΔFt,i=Ft,i-LSFt,i
ΔVt,i=LSVt,i-Vt,
LSFt={LSFt,1,LSFt,2,…,LSFt,n}
LSVt={LSVt,1,LSVt,2,…,LSVt,n}
其中,,LSFt,1,LSFt,2,…,LSFt,n分别表示历史数据中第一节、第二节、…、第n节刀齿进刀时的受力大小,LSVt,1,LSVt,2,…,LSVt,n分别表示历史数据中第一节、第二节、…、第n节刀齿进刀时的进刀速度,ΔFt,t表示第i节刀齿进刀时的受力大小的变化值,ΔVt,t表示第i节刀齿进刀时的进刀速度的变化值,Ft,表示第i节刀齿进刀时的受力大小,Vt,i表示第i节刀齿进刀时的进刀速度,LSFt,i表示历史数据中第i节刀齿进刀时的受力大小,LSVt,i表示历史数据中第i节刀齿进刀时的进刀速度,若ΔVt,i<V或ΔFt,i<F,则执行步骤S3,若ΔVt,i≥V或ΔFt,i≥F,则输出未磨损,其中V和F分别表示设定的阈值。
4.根据权利要求3所述的一种拉削刀具磨损状态识别方法,其特征在于:所述步骤S3对拉削刀具沿轴向图像数据的处理包括以下步骤:
S3a.1、以拉削刀具轴向截面最小一面的中心点处为原点,建立XOY平面坐标系;
S3a.2、建立圆形拟合曲线,并逐级增大圆形拟合曲线的拟合半径rt,j,让圆形拟合曲线与每一节刀齿截面的边界相切,直到完成对每一节刀齿的拟合;
S3a.3、对拟合次数和拟合半径的数值进行逐一比对;
S3a.4、输出轴向观测磨损情况η1。
5.根据权利要求4所述的一种拉削刀具磨损状态识别方法,其特征在于:所述步骤S3a.2中的圆形拟合曲线表达式如下:
x2+y2=rt,j 2
其中,x表示X轴坐标,y表示Y轴坐标,rt,j表示第j次增大后的圆形拟合曲线的拟合半径。
6.根据权利要求5所述的一种拉削刀具磨损状态识别方法,其特征在于:所述步骤S3a.3的具体过程如下:
S3a.3.1、将rt,j与历史数据库中存储的拉削刀具每一节刀齿的内切圆半径LSrt,j进行比较,并通过如下表达式进行误差计算:
ΔRj=|rt,j-LSrt,j|
其中,ΔRj表示第j个误差值,rt,j表示第j次增大后的圆形拟合曲线的拟合半径,LSrt,j表示对应第j次增大后的圆形拟合曲线的第j节刀齿的内切圆半径,|*|表示绝对值;
S3a.3.2、当ΔRj大于磨损阈值R0时,计算磨损情况,计算表达式如下:
其中,η1表示轴向观测磨损情况。
7.根据权利要求4所述的一种拉削刀具磨损状态识别方法,其特征在于:所述步骤S3中处理拉削刀具的垂直轴向的图像数据的具体过程如下:
S3b.1、以拉削刀具中轴线和拉削刀具外径最短处的交点为原点,建立XOY平面坐标系;
S3.b.2、选取每一节刀齿最远离中轴线上方的一点作为最远参照点,选取每一节刀齿最接近中轴线上方的一点作为最近参照点;
S3.b.3、以计算相邻参照点之前的倾斜程度;
S3.b.4、输出垂直轴向的观测磨损情况η2。
8.根据权利要求7所述的一种拉削刀具磨损状态识别方法,其特征在于:所述步骤S3.b.3的计算表达式如下:
其中,θt,j表示第j节刀齿的倾斜角度,arctan表示反正切三角函数,xt,j,1和yt,j,1表示最近参照点(xt,j,1,yt,j,1)的横纵坐标,xt,j,2和yt,j,2表示最远参照点(xt,j,2,yt,j,2)的横纵坐标。
9.根据权利要求8所述的一种拉削刀具磨损状态识别方法,其特征在于:所述步骤S3.b.4输出垂直轴向的观测磨损情况η2的表达式如下:
其中,η2表示垂直轴向的观测磨损情况,LSθt,j表示历史第j节刀齿的倾斜角度。
10.根据权利要求1所述的一种拉削刀具磨损状态识别方法,其特征在于:所述步骤S4的输出拉削刀具的磨损状态具体计算表达式如下:
其中,η表示磨损状态,η1表示轴向观测磨损情况,η2表示垂直轴向的观测磨损情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410391451.6A CN118268933A (zh) | 2024-04-02 | 2024-04-02 | 一种拉削刀具磨损状态识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410391451.6A CN118268933A (zh) | 2024-04-02 | 2024-04-02 | 一种拉削刀具磨损状态识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118268933A true CN118268933A (zh) | 2024-07-02 |
Family
ID=91648493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410391451.6A Pending CN118268933A (zh) | 2024-04-02 | 2024-04-02 | 一种拉削刀具磨损状态识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118268933A (zh) |
-
2024
- 2024-04-02 CN CN202410391451.6A patent/CN118268933A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109063326B (zh) | 一种考虑微观修形和实际加工误差的齿轮精确建模方法 | |
US20100242283A1 (en) | Method for finishing a gear surface | |
CN111390250B (zh) | 弱刚度薄壁结构件及其加工方法和工位快换定位装夹装置 | |
WO2023138327A1 (zh) | 一种旋风铣削中螺纹工件表面形貌的预测方法 | |
CN112417537B (zh) | 一种基于车削加工将几何误差可视化的表面形貌仿真方法 | |
US4848040A (en) | Apparatus for grinding shaving cutter teeth, and method of same | |
CN106292531B (zh) | 一种计算加工zn1蜗杆盘状成形刀具廓形边界的算法 | |
CN118268933A (zh) | 一种拉削刀具磨损状态识别方法 | |
CN111193495B (zh) | 一种工件校直数据的滤波处理方法 | |
CN110102829B (zh) | 一种锥齿轮加工工艺的对比方法 | |
CN112729206B (zh) | 非渐开线车齿刀齿形检测方法 | |
Herrig et al. | Geometrical analysis of wire electrochemical machining for the manufacture of turbine disc slots | |
CN115091266B (zh) | 一种超精密切削钛合金微结构表面的回弹误差补偿方法 | |
JP2005098752A (ja) | ブローチの形状測定装置 | |
CN113029060B (zh) | 一种齿形定位方法及齿形定位控制*** | |
CN113414453B (zh) | 一种齿轮加工方法及刀具 | |
EP0866997B1 (en) | Surface determination and automatic milling in spinnerette manufacturing | |
CN114675598A (zh) | 基于迁移学习的不同数控机床刀尖模态参数预测方法及*** | |
CN110587223B (zh) | 一种薄壁高位置精度孔系零件加工方法 | |
CN112264674A (zh) | 一种盲孔内花键的制造方法 | |
CN111730113A (zh) | 一种薄壁结构件铣削工艺参数优化方法 | |
CN113399721B (zh) | 一种鼠笼窗口的铣加工方法 | |
CN116956500A (zh) | 基于全坐标检测的齿轮误差评价方法 | |
CN118417630A (zh) | 一种齿圈铣齿对中及进刀方法 | |
CN113814795B (zh) | 一种基于双通道在机测量的工件加工数据测量、修正、校验方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |