公开(公告)号：CN110263476A

公开(公告)日：2019-09-20

申请号：CN201910570989.2

申请日：2019-06-28

Applicant: 哈尔滨理工大学

Inventor： 刘立飞 ,  仲冬维 ,  刘献礼 ,  宋厚旺 ,  于福航 ,  张爱鑫 ,  张统

IPC: G06F17/50

Abstract: 本发明提出了一种基于有限元动态刻划仿真的金刚石磨粒磨损预测方法，该方法是通过拟合磨粒动态刻划过程所获得的应力数据及温度数据加载在磨粒上进行磨粒磨损的计算与预测。步骤是，根据实际加工情况定义磨粒几何尺寸，使用建模软件进行参数化建模；在有限元仿真软件中建立工件模型，依次完成工件、磨粒材料属性赋予，装配工作，分析步设置，网格划分，接触设置等；完成单颗金刚石磨粒刻划仿真，通过后处理获取刻划过程中应力数据、磨粒温度分布数据等；使用数学软件将刻划时间-应力数据、刻划时间-温度数据拟合成多项式；将获得的应力和温度数据以方程的形式加载在磨粒上来预测磨粒的磨损区域和磨损量。本发明结合建模软件、有限元仿真分析技术、数学软件进行单磨粒刻划的联合动态仿真以及金刚石磨粒刻划过程的磨损演变及磨损量预测。

公开(公告)号：CN110000610A

公开(公告)日：2019-07-12

申请号：CN201910306988.7

申请日：2019-04-17

Applicant: 哈尔滨理工大学

Inventor： 刘献礼 ,  张爱鑫 ,  宋厚旺 ,  于福航 ,  张统 ,  仲冬维

IPC: B23Q17/09

Abstract: 本发明涉及一种基于多传感器信息融合及深度置信网络的刀具磨损监测方法，包括步骤如下:采集数控机床加工过程中多种传感器信号，分别提取传感器信息在时域、频域、时频域的特征参数。由限制波尔兹曼机(RBM)有效的提取能够表征铣刀磨损的特征参数；通过堆叠多个限制波尔兹曼机(RBM)构造深度置信网络(DBN)，实现刀具磨损的监测。本发明可摆脱对信号处理专家经验的依赖，通过多个传感器获取刀具磨损状态详细信息，快速准确的识别出不同加工条件下的铣刀磨损状态，具有监测精度高，适应性强等特点。

公开(公告)号：CN109434564A

公开(公告)日：2019-03-08

申请号：CN201811567849.1

申请日：2018-12-21

Applicant: 哈尔滨理工大学

Inventor： 刘献礼 ,  张爱鑫 ,  李茂月 ,  于福航 ,  张统 ,  仲冬维 ,  宋厚旺

IPC: B23Q17/09

CPC classification number: B23Q17/0957

Abstract: 本发明涉及一种基于深度神经网络的铣刀磨损状态监测方法，包括如下步骤：采集加工过程中切削力信号，利用6层db8小波对采集到的切削力信号进行小波包分解，使用64个子能量带作为DNN网络的输入。将多个DAE层层堆叠形成DNN隐层结构，通过逐层无监督的学习，实现故障信息的层层提取，完成预训练后，添加具有分类功能的输出层，使用BP算法，微调DNN的参数，最终预测刀具磨损状态。本发明可摆脱对信号处理专家经验的依赖，快速准确的识别出不同加工条件下的铣刀磨损状态，具有监测精度高，适应性强等特点。

公开(公告)号：CN110147563A

公开(公告)日：2019-08-20

申请号：CN201811567598.7

申请日：2018-12-21

Applicant: 哈尔滨理工大学

Inventor： 严复钢 ,  于福航 ,  李茂月 ,  张统 ,  张爱鑫 ,  仲冬维 ,  宋厚旺

IPC: G06F17/50

Abstract: 本发明涉及先进制造领域，特别涉及一种基于大稳定域3阶线性公式的铣削稳定性预测方法，其特征是通过大稳定域3阶线性公式拟合强迫振动周期项，并通过离散化得到铣削系统的状态传递矩阵，最后通过奈奎斯特判据判断铣削系统传递矩阵的特征值预测铣削稳定性，为实际生产加工提供一定的理论依据和加工参数指导。该方法与其他铣削稳定性预测方法比较，具有计算效率高，预测精度准确等特点。

公开(公告)号：CN109571137A

公开(公告)日：2019-04-05

申请号：CN201811567839.8

申请日：2018-12-21

Applicant: 哈尔滨理工大学

Inventor： 严复钢 ,  张统 ,  李茂月 ,  于福航 ,  张爱鑫 ,  仲冬维 ,  宋厚旺

IPC: B23Q15/02 ,  B23Q15/12 ,  B23Q15/06 ,  B23Q17/09 ,  B23Q17/20 ,  B23Q15/16

Abstract: 本发明提出了一种适用于薄壁零件的在线测量和余量补偿新方法，提高了薄壁零件的加工精度。机床上自动检测是对工件进行粗/半精加工后的测量，不需要对工件进行传递和夹紧。然后，计算补偿值，自适应调整精加工时的切削深度。该方法不需要复杂的切削力建模或工件刀具挠度的非线性计算，避免了对机床和刀具的切削力、功率和扭矩的不经济监测，易于推广到工程应用。

公开(公告)号：CN109522959A

公开(公告)日：2019-03-26

申请号：CN201811375423.6

申请日：2018-11-19

Applicant: 哈尔滨理工大学

Inventor： 严复刚 ,  于福航

IPC: G06K9/62 ,  G06N3/08 ,  G06N3/12 ,  G06T5/00 ,  G06T7/13

Abstract: 本发明公开的乐谱图像识别方法及演奏控制方法，包括，获取待处理的乐谱：先通过K近邻算法去除乐谱上的无用点，再对乐谱进行基于高斯-拉普拉斯算子的边缘检测获取乐谱内容；用LSD算法获取乐符的位置，以直线位置及相对距离判断乐谱类别；通过乐谱分类器进行分类，然后将分类过的乐谱进行图像分割，得到独立音符的图像；将获得图像分表层和里层，表层识别音符，里层识别连音符，将表里层分别输入卷积神经网络，再将识别后的结果结合，得到完整的乐符，并将音符与相应电机控制进给相关联，实现数控平台自主识别乐谱及弹琴的目标。本专利发明的乐谱识别方法及装置，相比于现有的其他同类方法，具有识别范围广，识别精度及鲁棒性高等特点。