-
公开(公告)号：CN115329479A
公开(公告)日：2022-11-11
申请号：CN202210867185.0
申请日：2022-07-22
Applicant: 华中科技大学
IPC: G06F30/17 , G06F30/23 , G06F119/14
Abstract: 本发明属于薄壁件加工相关技术领域，并公开了一种初始残余应力的逆辨识预测方法。该预测方法包括：S1对于同一批零件，消除试验零件的初始残余应力，铣削加工，测量其表面残余应力；S2设定初始残余应力为零，调整仿真参数，使得仿真残余应力与步骤S1获得的表面残余应力的差值在可接受阈值范围内，保存当前仿真参数，加载不同的初始残余应力，仿真获得不同的表面残余应力，构建初始残余应力与表面残余应力一一对应的数据库；S3利用数据库构建预测模型，将待检测零件的表面残余应力输入预测模型中，以此获得待检测零件的初始残余应力，实现初始残余应力的逆辨识。通过本发明，解决现有技术中测量残余引力破坏性大以及测量繁琐的问题。
-
公开(公告)号：CN118418158A
公开(公告)日：2024-08-02
申请号：CN202410699090.1
申请日：2024-05-31
Applicant: 华中科技大学
Abstract: 本发明属于机器人加工领域，并具体公开了一种数字孪生驱动的机器人加工方法及系统，其包括如下步骤：基于机器人的物理实体，构建对应的虚实孪生体；在机器人对工件加工的过程中，虚实孪生体与机器人同步运动，并且：通过虚实孪生体得到机器人基本几何信息；通过虚实孪生体得到机器人各关节刚度，进而计算机器人末端刚度，得到静刚度信息；通过机器人末端安装的测力传感器获取切削力信号，进而得到切削力特征信息；将机器人基本几何信息、静刚度信息和切削力特征信息在虚实孪生体中进行实时呈现，实现对机器人加工过程的监测。本发明可实现在加工过程中对隐含状态变量的实时表征，以便对大型复杂构件机器人加工中的工艺预判以及辅助决策。
-
公开(公告)号：CN114254915B
公开(公告)日：2024-07-02
申请号：CN202111553833.7
申请日：2021-12-17
Applicant: 华中科技大学
IPC: G06Q10/0633 , G06N3/02 , G06Q10/0639 , G06Q50/04 , G06F18/214 , G06F18/20
Abstract: 本发明属于决策优化相关技术领域，其公开了一种轴类零件全流程加工质量合格状态决策及优化方法，该方法包括对多个轴类零件进行多项指标的检测并分类，得到对应的观测状态几何指标；构建工序调节算子并修正隐马尔科夫模型；以多项指标和观测状态几何指标为输入并以零件最终合格状态为输出对修正后的隐马尔科夫模型进行训练得到训练完成的隐马尔科夫模型；获取影响最终合格状态的关键特征、关键加工工序以及关键加工参数，并构建代理模型函数，不断调整关键特征、关键加工工序以及关键加工参数，以使代理模型函数得到的输出输入隐马尔科夫模型后得出的结果满足要求。本申请可以实现对航空发动机细长轴类零件全流程加工质量合格状态决策与优化。
-
公开(公告)号：CN113076977A
公开(公告)日：2021-07-06
申请号：CN202110302309.6
申请日：2021-03-22
Applicant: 华中科技大学
Abstract: 本发明属于多工序加工误差溯源领域，具体涉及一种多工序加工中的误差溯源方法及其应用，包括：根据零件实际的加工工艺规划，建立零件基于状态空间方程的多工序误差流传递模型。另外，根据实际工件特征误差的测量数据，建立对抗神经网络并完成对抗神经网络的训练。将对抗神经网络生成器的输出虚拟数据反向输入生成器，获得各个误差源的分布，由前述建立的误差流模型确定各个误差源的物理意义，从而实现多工序加工误差源的分析。本发明可适用的场景为复杂零件的多工序加工中，通过对抗神经网络简单且有效地实现误差源解耦，极大提高误差溯源的精度和效率。
-
公开(公告)号：CN112529099A
公开(公告)日：2021-03-19
申请号：CN202011552274.3
申请日：2020-12-24
Applicant: 华中科技大学
Abstract: 本发明属于铣削加工颤振辨识领域，具体涉及一种机器人铣削加工颤振辨识方法，包括：采集机器人在铣削加工时加工工件表面形貌图像并输入铣削加工颤振类型预测模型，得到机器人颤振类型；铣削加工颤振类型预测模型构建方法为：根据机器人铣削加工时刀具端稳定性叶瓣图设置不同组合加工参数进行加工实验，并采集每次实验的振动信号以及工件表面形貌图像；基于各振动信号得到每张形貌图像所对应的颤振类型以得到训练样本集；采用公开数据集训练已知分类网络模型，根据颤振类型种类数修改已训练分类网络模型的输出结构，得到迁移后的网络模型；采用样本集微调该训练输出结构参数得到预测模型。本发明提高了颤振辨识效率，避免了训练数据不足的问题。
-
Patent Agency Ranking
公开(公告)号：CN112668227B
公开(公告)日：2024-02-02
申请号：CN202011626774.7
申请日：2020-12-31
Applicant: 华中科技大学
Abstract: 本发明公开了一种薄壁件让刀变形误差预测模型建立方法及其应用，属于加工误差预测领域，包括：通过有限元分析方法建立切削力模型，以实际产线不同加工条件下的刀具参数、加工过程参数和材料切削力参数作为切削力模型输入，输出与各组参数对应的切削力和让刀变形误差，得到训练数据集；获得多组加工现场的切削力及对应的让刀变形误差，得到测试数据集；在神经网络的输入层和第一个隐藏层之间增加一个数据增强模块，建立小样本学习模型，用于根据切削力预测让刀变形误差；分别利用训练数据集和测试数据集对小样本学习模型进行训练和测试，(56)对比文件刘新玲等.基于神经网络的铣削复杂薄壁件受力变形分析和建模研究《.机械制造》.2009,第47卷(第535期),全文.Zhang, FP等.An Integrated Methodologyfor Workpiece-Fixture System StiffnessCalculation and Error Control《. 2009INTERNATIONAL CONFERENCE ON MEASURINGTECHNOLOGY AND MECHATRONICS AUTOMATION》.2009,全文.Gaoqun Liu等.Deformation analysis anderror prediction in machining of thin-walled honeycomb-core sandwich structuralparts《.Advanced ManufacturingTechnology》.2017,全文.陈维克等.航空机匣工件车削加工变形量预测及误差补偿.制造技术与机床.2018,(第02期),全文.
-
公开(公告)号：CN113570147B
公开(公告)日：2023-10-10
申请号：CN202110874185.9
申请日：2021-07-30
Applicant: 华中科技大学
IPC: G06F18/243 , G06F18/27 , G06F18/214 , G06F30/27
Abstract: 本发明涉及一种薄壁件多工况加工误差快速预测方法及设备，属于加工误差预测领域。本发明先开展部分工况下的薄壁件加工实验，对多个点位的加工误差进行测量获得原始训练数据；然后开展区别于上述工况的新工况下的薄壁件加工实验，对新工况下的薄壁件选择代表性的诱导点测量加工误差获得诱导训练数据；将两部分数据合并训练多工况下薄壁件加工误差快速预测模型。在模型测试阶段，仅需要为模型输入新工况下薄壁件待预测点处的几何位置值即可计算出待预测点处的加工误差值。本发明基于几何位置驱动的数据诱导，仅需增加少量的诱导点样本即可将部分工况下学习到的加工误差分布规律仿射至待预测的目标工况薄壁件上，可以快速准确的预测薄壁件加工误差。
-
公开(公告)号：CN114417533A
公开(公告)日：2022-04-29
申请号：CN202210086113.2
申请日：2022-01-25
Applicant: 华中科技大学无锡研究院
IPC: G06F30/17 , G06F30/27 , G06N3/00 , G06F111/06
Abstract: 本发明涉及航空发动机技术领域，具体公开了一种航空航天回转体类零件加工参数优化方法，其中，包括：提取航空航天回转体类零件的关键特征，并确定所述关键特征的几何特征参数；建立加工过程数据模型，其中所述加工过程数据模型的输入量包括加工参数和所述几何特征参数，所述加工过程数据模型的输出量包括关键特征的加工精度指标；根据优化算法对所述加工过程数据模型中的加工参数进行迭代优化，得到优化后的加工参数。本发明提供的航空航天回转体类零件加工参数优化方法能够通过对加工参数的优化提升加工精度。
-
公开(公告)号：CN113836774A
公开(公告)日：2021-12-24
申请号：CN202111165049.9
申请日：2021-09-30
Applicant: 华中科技大学
IPC: G06F30/23 , G06K9/62 , G06F17/18 , G06F17/11 , G06F119/14
Abstract: 本发明属于铣削加工相关技术领域，并公开了一种机理与数据融合的金属切削仿真过程不确定校准方法。该方法包括下列步骤：S1建立材料JC本构系数与理论剪切流动应力间的映射关系；构建铣削加工实验，以此形成切削参数与实际剪切流动应力的数据集；利用该数据集以及本构系数与理论剪切流动应力间的映射关系计算求解获得JC本构系数，以此实现JC本构系数的校准；S2建立铣削加工仿真模型，然后建立该仿真模型的有限元代理模型；构建有限元仿真实验，以此获得切削参数和摩擦系数与实际切削力一一对应的数据集；利用该数据集与所述有限元代理模型计算获得摩擦系数，以此实现摩擦系数的校准。通过本发明，用于提升仿真模型的精度与效率。
-
公开(公告)号：CN112668227A
公开(公告)日：2021-04-16
申请号：CN202011626774.7
申请日：2020-12-31
Applicant: 华中科技大学
IPC: G06F30/23 , G06F30/27 , G06N3/04 , G06N3/08 , G06F113/24
Abstract: 本发明公开了一种薄壁件让刀变形误差预测模型建立方法及其应用，属于加工误差预测领域，包括：通过有限元分析方法建立切削力模型，以实际产线不同加工条件下的刀具参数、加工过程参数和材料切削力参数作为切削力模型输入，输出与各组参数对应的切削力和让刀变形误差，得到训练数据集；获得多组加工现场的切削力及对应的让刀变形误差，得到测试数据集；在神经网络的输入层和第一个隐藏层之间增加一个数据增强模块，建立小样本学习模型，用于根据切削力预测让刀变形误差；分别利用训练数据集和测试数据集对小样本学习模型进行训练和测试，得到薄壁件让刀变形误差预测模型。本发明能够提高对薄壁件加工过程中让刀变形误差的预测精度。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.022 seconds)
