-
公开(公告)号：CN109726228A
公开(公告)日：2019-05-07
申请号：CN201811298607.7
申请日：2018-11-01
Applicant: 北京理工大学
IPC: G06F16/2458 , G06K9/62
Abstract: 本发明属于信息检索及其数据库结构技术领域，公开了一种大数据背景下的切削数据综合应用方法，通过数据优选和数据挖掘算法对多源异构数据进行分析，通过历史加工实例建立多目标要求下的切削参数选用方法。针对高强度钢材料加工过程中切削力大、切削温度高、刀具磨损严重等问题，通过熵权逼近理想排序，设置主观与客观标准对其进行评价，并从中优选符合加工需求的最优参数；针对高强度钢材料加工完成的表面质量不易控制、无法建立多因素数理模型的问题，使用聚类分析与关联规则对切削参数的选取方法进行挖掘，形成切削用量选用规则以供后续规则推理使用；通过逼近理想排序法与决策树分类发将参数评价寻优与数据挖掘进行结合。
-
公开(公告)号：CN112247674A
公开(公告)日：2021-01-22
申请号：CN202011079075.5
申请日：2020-10-10
Applicant: 北京理工大学
IPC: B23Q17/09
Abstract: 本发明涉及机械加工领域，具体涉及基于表面纹理特征与多传感信号特征融合的刀具磨损预测方法。本发明切削信号采集系统包括设置在卡盘上的卡爪、工件、设置在刀杆上的车刀片、内六角螺栓、测力仪传感器、高速照相机和振动传感器，所述刀杆通过内六角螺栓设置在测力仪传感器内，所述振动传感器设置在刀杆前端外侧上，所述工件通过卡爪设置在卡盘上；本发明利用测力仪传感器、振动传感器、高速照相机搭建了一套工件已加工表面纹理和多传感器切削信号采集装置，对加工后的表面纹理进行了灰度直方图均衡化处理，并计算了预处理后表面纹理的灰度共生矩阵，并对矩阵进行了能量、熵、惯性矩和相关性四种特征量的提取，用于监测刀具磨损。
-
公开(公告)号：CN107511516A
公开(公告)日：2017-12-26
申请号：CN201710616206.0
申请日：2017-07-26
Applicant: 北京理工大学
Abstract: 本发明涉及机械加工领域，具体为一种加工变形误差预测及补偿方法，本发明包括机床工作台、微细铣刀、微型凹槽件、测力仪和支架，所述测力仪和支架平行设置在机床工作台上，本发明利用位移传感器实时在线监测微型凹槽件的加工变形，利用传感工作台传入调节信息进而对微型凹槽件进行实时调节，消除由于工件变形引起的径向欠切及人为调节所导致的不确定因素，提高加工精度和工件质量；本发明调节器独立于机床控制系统，不会影响现有程序规划的刀具路径，这极大节约了编程时间，进而提高了生产效率。
-
公开(公告)号：CN112247674B
公开(公告)日：2021-09-21
申请号：CN202011079075.5
申请日：2020-10-10
Applicant: 北京理工大学
IPC: B23Q17/09
Abstract: 本发明涉及机械加工领域，具体涉及基于表面纹理特征与多传感信号特征融合的刀具磨损预测方法。本发明切削信号采集系统包括设置在卡盘上的卡爪、工件、设置在刀杆上的车刀片、内六角螺栓、测力仪传感器、高速照相机和振动传感器，所述刀杆通过内六角螺栓设置在测力仪传感器内，所述振动传感器设置在刀杆前端外侧上，所述工件通过卡爪设置在卡盘上；本发明利用测力仪传感器、振动传感器、高速照相机搭建了一套工件已加工表面纹理和多传感器切削信号采集装置，对加工后的表面纹理进行了灰度直方图均衡化处理，并计算了预处理后表面纹理的灰度共生矩阵，并对矩阵进行了能量、熵、惯性矩和相关性四种特征量的提取，用于监测刀具磨损。
-
Patent Agency Ranking
公开(公告)号：CN109753632A
公开(公告)日：2019-05-14
申请号：CN201811296408.2
申请日：2018-11-01
Applicant: 北京理工大学
Abstract: 本发明属于信息检索及数据库结构技术领域，公开了一种基于数据挖掘的表面粗糙度监测模型及构建方法，基于方差分析及回归分析建立表面粗糙度模型，根据聚类结果明确了需切削力和振动信号与表面粗糙度的关联关系，大大的减少了切削信号选择过程中的盲目性；应用多传感器技术，实时采集切削过程的力和振动信号，基于奇异谱分析对切削信号进行分解和重构，不仅可以有效的减少噪声信号产生的干扰，也有助于特征量的提取；对切削力和振动信号进行时域和频域结果进行分析，通过相关性选择来进行特征提取，通过径向基函数神经网络建立表面粗糙度预测模型，可以大大提高预测的的精度和智能化水平，并且可以实现在线实时预测。
-
公开(公告)号：CN109746765A
公开(公告)日：2019-05-14
申请号：CN201811297324.0
申请日：2018-11-01
Applicant: 北京理工大学
IPC: B23Q17/09
Abstract: 本发明属于机床上的指示或测量装置技术领域，公开了一种基于累积和控制理论的刀具失效状态监测方法，以信息熵和相关性为控制量，通过经验模态分解方法对原始切削力信号进行分析重构，有效减小随机误差对分析参数的干扰，为切削力信号的提取与分析提供了可靠依据；提取重构切削力信号中的信号平均功率和摩擦系数，对刀具的磨损和破损状态进行表征，并对其中的关键参数进行定义，通过改进的累积和控制图形成完善的刀具失效状态分析方法；通过开展多种材料加工的刀具磨损实验，与传统测量方法进行对比，证明其在超高强度钢和不锈钢半精加工工况下的实用性和可靠性，可作为一种快速可靠的刀具磨损状态实时监测方法在切削数据服务系统中进行使用。
-
公开(公告)号：CN109710588A
公开(公告)日：2019-05-03
申请号：CN201811296431.1
申请日：2018-11-01
Applicant: 北京理工大学
IPC: G06F16/21 , G05B19/408
Abstract: 本发明属于计算机软件技术领域，公开了一种切削数据服务控制系统及控制方法，通过数据元和编码将基础物理数据和多源异构数据进行连接，完成数据描述标准制定、应用规范构建；实现数据、设备和功能的融合，为系统的智能化搭建提供可行方案，为参数实时决策分析和大数据挖掘等高级功能开发应用奠定基础。以切削切削数据应用为核心，以此为依据提出一种数据、设备和功能一体化的拓扑结构模型，为后续智能功能的开发奠定基础；以基础物理数据的标准化为目的，并制定约束矩阵实现数据元集合的构造，为后续数据分析的展开提供依据；在保证完整性和一致性的条件下，通过定义不同格式数据与文件的编码方式和参数指向方式，实现多源异构数据的表征应用。
-
公开(公告)号：CN109571141A
公开(公告)日：2019-04-05
申请号：CN201811297325.5
申请日：2018-11-01
Applicant: 北京理工大学
IPC: B23Q17/09
Abstract: 本发明属于铣床的附件和辅助装置技术领域，公开了一种基于机器学习的刀具磨损状态监测方法，将切削力和振动信号作为刀具状态监测信息，多特征融合的刀具磨损状态监测与预测方法，实现铣削加工刀具状态的有效监测同时为切削数据库提供基础数据来源及监测预测模块。不论是切削力还是振动信号，进行特征融合后识别精度更高，且进给方向提取特征相比其他方向有更高的识别精度；对比所有提取特征和经过选择后的部分特征识别精度可知，起到降维作用的相关性选择法可以提高分类的准确性和系统鲁棒性，对刀具监测系统有重要作用；通过神经网络对刀具磨损量进行回归分析，建立刀具磨损监测模型，并采用粒子群优化算法提高神经网络性能及表现。
-
公开(公告)号：CN107511516B
公开(公告)日：2019-04-05
申请号：CN201710616206.0
申请日：2017-07-26
Applicant: 北京理工大学
Abstract: 本发明涉及机械加工领域，具体为一种加工变形误差预测及补偿方法，本发明包括机床工作台、微细铣刀、微型凹槽件、测力仪和支架，所述测力仪和支架平行设置在机床工作台上，本发明利用位移传感器实时在线监测微型凹槽件的加工变形，利用传感工作台传入调节信息进而对微型凹槽件进行实时调节，消除由于工件变形引起的径向欠切及人为调节所导致的不确定因素，提高加工精度和工件质量；本发明调节器独立于机床控制系统，不会影响现有程序规划的刀具路径，这极大节约了编程时间，进而提高了生产效率。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.024 seconds)
