.png){kind=icon}
返回
Research on feedrate intelligent control method for machining efficiency
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ymssp.2025.113037.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统恒定进给加工方法存在若干局限性，包括缺乏对加工参数的在线调整能力以及过度依赖操作员经验。此外，对于余量不均且材料去除率高的工件，传统恒定进给加工的效率显著偏低。为解决这些问题，本文研究了一种进给速度自适应控制方法，旨在提高加工效率。首先，我们分析系统采集的信号数据。以主轴系统功率作为加工状态监控信号，基于主轴系统的能量传递关系，研究采集的主轴系统功率信号的组成。在此基础上，我们设计了一种功率数据预处理算法，引入指令域的概念以标记主轴转速不恒定时的采集功率数据。其次，提出一种基于模糊理论的进给速度自适应控制方法，以在恒定功率约束下实现自适应控制。所提出的算法通过仿真验证，表现出良好的收敛性。此外，我们设计了一种控制参数自调整算法。通过构建切削过程的参考模型，该算法能够实现模糊控制参数的实时调整，确保控制器在加工过程的各个阶段均能最优运行。最后，在航空工件上分别采用传统恒定进给加工模式和所提出的进给速度自适应控制加工模式进行实验。结果表明，所提出的方法将加工效率提高了23.1%，并使主轴系统功率维持在目标功率附近。本研究对于提升数控加工效率及推动装备制造业的智能化转型具有重要意义。
期刊
IF:
8.9
论文数:
1.3W
被引数:
6.6W
机构
暂无机构信息
引用论文
.png){kind=icon}
Fuzzy control of milling chatter with piezoelectric actuators embedded to the tool holder刀架嵌入压电执行器的铣削颤振模糊控制
PREAI
分享收藏A novel milling parameter optimization method based on improved deep reinforcement learning considering machining cost考虑加工成本的基于改进深度强化学习的铣削参数优化方法
PREAI
分享收藏Dynamic feedrate optimization for parametric toolpath with data-based tracking error prediction基于数据跟踪误差预测的参数化刀具路径动态给药率优化
PREAI
分享收藏
查看更多内容