-
公开(公告)号：CN114714146A
公开(公告)日：2022-07-08
申请号：CN202210367064.X
申请日：2022-04-08
Applicant: 北京理工大学
Abstract: 本发明涉及机械加工领域，具体涉及一种基于堆栈降噪自编码和多任务学习的表面粗糙度和刀具磨损预测方法。本发明从切削信号中提取时域和频域特征，划分训练集X1和测试集C1，利用训练集X1对搭建堆栈降噪自编码网络进行预训练；以预训练后的堆栈降噪自编码网络为基础，搭建多任务学习模型；通过动态平均权重法动态调整表面粗糙度和刀具磨损的权重，利用训练集X1对搭建的网络进行训练，提高模型预测准确度。本发明不仅能够同时实现表面粗糙度和刀具磨损预测，还能提升两者的预测准确度。本发明能够同时判断刀具磨损状态和当前所加工零件的表面质量，以保证刀具磨损状态在正常的使用范围内以及零件的表面质量满足生产要求。
-
公开(公告)号：CN113408195A
公开(公告)日：2021-09-17
申请号：CN202110652289.5
申请日：2021-06-11
Applicant: 北京理工大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F119/04
Abstract: 本发明涉及机械加工领域，具体涉及基于刀具磨损数据的多步刀具磨损值预测方法。通过基础刀具磨损试验，获得刀具磨损曲线和刀具磨损数据，对获得的刀具磨损数据通过移动滑窗操作划分成训练集T1和测试集T2，搭建密集残差神经网络，对其进行训练，实现刀具磨损趋势的准确预测。本发明能够判断在未来一段时间内的刀具磨损值是否发生较大的变化，以保证所加工零件的尺寸精度满足使用要求，根据预测得到的将来过程中的刀具磨损状态做出刀具是否更换的决策，在保证加工质量的前提下，提高生产效率和降低成本，对于当前数据驱动的智能制造具有重要意义。
-
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：CN110598299A
公开(公告)日：2019-12-20
申请号：CN201910833046.4
申请日：2019-09-04
Applicant: 北京理工大学
Abstract: 本发明涉及机械加工领域，具体涉及基于多传感器融合与深度学习算法的表面完整性表征参数评价方法，本发明包括设置在铣床工作台上的测力仪传感器、压板、振动传感器、夹具、立铣刀、测温传感器和工件，所述测力仪传感器通过压板设置在铣床工作台上，所述铣床工作台设有T型槽，本发明能同时进行直线铣削、凸圆弧铣削、凹圆弧铣削以及槽铣削，能够获得不同的工艺特征与表面完整性表征参数之间的影响规律；本发明利用灰色关联分析将表面完整性多个表征参数转换为用灰色关联值表示的单个表征参数，从总体上，实现了表面完整性的评价。
-
公开(公告)号：CN109531272A
公开(公告)日：2019-03-29
申请号：CN201811310711.3
申请日：2018-11-06
Applicant: 北京理工大学
IPC: B23Q17/09
Abstract: 本发明涉及智能制造领域，具体涉及一种传感器融合采集切削信号的方法，本发明传感器切削信号测量系统包括设置在机床床身的电机、工控机、霍尔电流传感器、采集盒、设置在三爪卡盘上的工件、设置在刀杆上的车刀、封闭盒、六角螺钉、刀架、振动传感器、第一柔性管、六角螺栓、第二柔性管、压电片传感器、封闭圈、采集板和六角隔离柱；本发明利用霍尔电流传感器、振动传感器、压电片传感器与采集板搭建了一套基于多传感器融合切削信号测量装置，所用传感器体型小、便于携带及安装；本发明利用工控机进行信号集成，扩展了信号的采集途径，摆脱了单一信号引发的不确定性。
-
Patent Agency Ranking
公开(公告)号：CN114714146B
公开(公告)日：2023-04-07
申请号：CN202210367064.X
申请日：2022-04-08
Applicant: 北京理工大学
Abstract: 本发明涉及机械加工领域，具体涉及一种基于堆栈降噪自编码和多任务学习的表面粗糙度和刀具磨损预测方法。本发明从切削信号中提取时域和频域特征，划分训练集X1和测试集C1，利用训练集X1对搭建堆栈降噪自编码网络进行预训练；以预训练后的堆栈降噪自编码网络为基础，搭建多任务学习模型；通过动态平均权重法动态调整表面粗糙度和刀具磨损的权重，利用训练集X1对搭建的网络进行训练，提高模型预测准确度。本发明不仅能够同时实现表面粗糙度和刀具磨损预测，还能提升两者的预测准确度。本发明能够同时判断刀具磨损状态和当前所加工零件的表面质量，以保证刀具磨损状态在正常的使用范围内以及零件的表面质量满足生产要求。
-
公开(公告)号：CN110598299B
公开(公告)日：2021-04-30
申请号：CN201910833046.4
申请日：2019-09-04
Applicant: 北京理工大学
Abstract: 本发明涉及机械加工领域，具体涉及基于多传感器融合与深度学习算法的表面完整性表征参数评价方法，本发明包括设置在铣床工作台上的测力仪传感器、压板、振动传感器、夹具、立铣刀、测温传感器和工件，所述测力仪传感器通过压板设置在铣床工作台上，所述铣床工作台设有T型槽，本发明能同时进行直线铣削、凸圆弧铣削、凹圆弧铣削以及槽铣削，能够获得不同的工艺特征与表面完整性表征参数之间的影响规律；本发明利用灰色关联分析将表面完整性多个表征参数转换为用灰色关联值表示的单个表征参数，从总体上，实现了表面完整性的评价。
-
公开(公告)号：CN112693597A
公开(公告)日：2021-04-23
申请号：CN202110006371.0
申请日：2021-01-05
Applicant: 北京理工大学
IPC: B64C17/10 , G06F30/15 , G06F30/20 , G06F111/10 , G06F119/12
Abstract: 本发明涉及飞行器质心调控领域，具体涉及一种飞行器质心平衡供油方法。本发明所要解决的技术问题是提供一种多油箱飞行器质心平衡供方法，在满足自身飞行任务需求的前提下，通过调控各油箱供油速度，准确控制飞行器质心位置，使得其与理想质心位置偏离最小的方法。本发明通过对理想质心曲线和俯仰角曲线求二阶导数并取其拐点为特殊点的方法，将整个时间序列分割成多个片段，降低计算过程中大量无用过程量的产出，大大提高了计算的速度；本发明对每个特殊点都进行一次迭代寻优，寻求满足一定条件的当前最优质心平衡供油策略，将具有指数级复杂度的问题简化为了多项式级别的寻优问题，极大的降低了计算的时间和空间成本。
-
公开(公告)号：CN110315113B
公开(公告)日：2020-06-05
申请号：CN201910533718.X
申请日：2019-06-19
Applicant: 北京理工大学
Abstract: 本发明涉及机械设计方法，具体涉及一种基于齿轮传动机构的单轴动力输入的机械式行星复合铣削工具的设计与装配方法。本发明中行星复合铣削装置包括：驱动电机、端盖部件、行星齿轮组部件和盖板，所述驱动电机、端盖部件、行星齿轮组部件和盖板依次顺序连接;本发明采用法兰盘接口设计，与现有加工设备连接关系简单，机构简洁，不需要另外配备动力驱动装置和其他辅助装置，装置成本更低；本发明采用单轴动力输入的设计方案，只需将本发明装置的中心轴设计成刀柄轴的形式，即可在对机床稍做改装甚至不做改装的情况下，实现行星复合铣削加工。
-
公开(公告)号：CN115139155A
公开(公告)日：2022-10-04
申请号：CN202211006746.4
申请日：2022-08-22
Applicant: 北京理工大学
IPC: B23Q17/09 , B23Q17/20 , G05B19/401
Abstract: 本发明公开了一种加工过程智能监测系统性能评价方法，涉及监测系统性能评价技术领域，包括：搭建加工过程智能监测系统，选择单一测量设备作为参照设备；将所述加工过程智能监测系统和参照设备同时安装在加工机床上，并保证测量条件的一致性；进行加工实验并同时同步测量，获取监测信号和参照信号；基于所述监测信号和参照信号，获取所述加工过程智能监测系统的准确性评价结果及实时性评价结果。本发明可以对搭建的智能切削监测系统进行评价，使智能切削监测系统更好地服务于实际加工过程，提高加工质量，节约生产成本。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.023 seconds)
