-
公开(公告)号：CN119871091A
公开(公告)日：2025-04-25
申请号：CN202510373618.0
申请日：2025-03-27
Applicant: 浙江恒大数控装备有限公司
IPC: B23Q15/16
Abstract: 本发明涉及数控机床控制技术领域，尤其涉及一种高精度多轴加工复合型数控机床控制系统，包括：采集模块；预测模块根据刀具半径和刀具长度分别确定半径时序曲线和长度时序曲线，结合振动幅值以及刀具的预设运动路径构建刀具磨损预测模型；分析模块根据刀具磨损预测模型确定刀具磨损程度，并根据振动幅值确定关键影响路径段和非关键影响路径段；优化模块根据关键影响路径段、非关键影响路径段以及刀具磨损程度确定修正方向和路径修正量，以确定刀具运动新路径，以及根据刀具磨损程度确定对切削速度/进给速度的调整方式，本发明将刀具磨损纳入到路径的动态调整机制中，提高加工精度。
-
公开(公告)号：CN119328581B
公开(公告)日：2025-04-04
申请号：CN202411886546.1
申请日：2024-12-20
Applicant: 中国科学院工程热物理研究所
IPC: B23Q15/16 , G05B19/404 , G05B19/19 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种整体叶盘精加工刀具路径补偿方法、介质及程序产品，涉及刀具路径补偿技术领域，包括：收集历史整体叶盘加工刀具数据，建立刀具磨损预测模型，根据建立的磨损模型，估算刀具在不同时间段内的磨损预测值，将磨损预测值与时间进行拟合，绘制刀具磨损时间曲线；根据刀具磨损对整体叶盘精加工的影响，结合刀具磨损时间曲线，将刀具磨损划分为若干个时间段，并建立不同时间段的加工补偿模型，同时对当前的整体叶盘进行叶片编组。本发明通过对刀具磨损的精准预测和补偿，结合产品检测结果对刀具补偿进行补正，以及对加工时间段的合理划分，确保了在刀具磨损的不同阶段，整体叶盘的加工精度和效率都能得到有效控制和提升。
-
公开(公告)号：CN119328581A
公开(公告)日：2025-01-21
申请号：CN202411886546.1
申请日：2024-12-20
Applicant: 中国科学院工程热物理研究所
IPC: B23Q15/16 , G05B19/404 , G05B19/19 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种整体叶盘精加工刀具路径补偿方法、介质及程序产品，涉及刀具路径补偿技术领域，包括：收集历史整体叶盘加工刀具数据，建立刀具磨损预测模型，根据建立的磨损模型，估算刀具在不同时间段内的磨损预测值，将磨损预测值与时间进行拟合，绘制刀具磨损时间曲线；根据刀具磨损对整体叶盘精加工的影响，结合刀具磨损时间曲线，将刀具磨损划分为若干个时间段，并建立不同时间段的加工补偿模型，同时对当前的整体叶盘进行叶片编组。本发明通过对刀具磨损的精准预测和补偿，结合产品检测结果对刀具补偿进行补正，以及对加工时间段的合理划分，确保了在刀具磨损的不同阶段，整体叶盘的加工精度和效率都能得到有效控制和提升。
-
公开(公告)号：CN118977137A
公开(公告)日：2024-11-19
申请号：CN202411341136.9
申请日：2024-09-25
Applicant: 小恒勇创(苏州)智能科技有限公司
Inventor： 李文峰
Abstract: 本发明公开了一种基于视觉识别的检品机自动调刀方法，涉及自动化加工技术领域，包括，启动多传感器，采集刀具的初始状态数据；激活多角度摄像头阵列，从多视角采集刀具的图像数据；融合刀具的初始状态和图像数据，形成重建后的三维模型；基于三维模型，分析刀具的当前空间位置与期望位置之间的误差；根据分析结果，自动调整刀具的位置与角度；利用深度学习算法识别调整后的刀具磨损特征，输出磨损评估结果；根据磨损评估结果，判断是否需要对刀具的磨损进行补偿；本发明通过逐点分析刀具的空间位置与标准位置之间的误差，生成偏差热图及向量图，提供了精确的误差数据，为自动调刀提供依据，确保刀具的高效调整和磨损补偿。
-
公开(公告)号：CN116079432B
公开(公告)日：2024-03-26
申请号：CN202310008617.7
申请日：2023-01-04
Applicant: 重庆大学
Abstract: 本发明公开一种基于智能刀柄的超声铣削自适应调控装置，包括智能刀柄装置、二维超声辅助平台装置和自适应调控装置；智能刀柄装置包括标准刀柄模块，力传感器测量模块，电路载体传输模块和附件模块；二维超声辅助平台装置包括超声振动转换模块，平台模块和超声发生模块；本发明可监测加工过程异常并自适应调控加工振幅，以提高加工过程成品率并延长刀具使用寿命。
-
Patent Agency Ranking
公开(公告)号：CN117381533A
公开(公告)日：2024-01-12
申请号：CN202310003373.3
申请日：2023-01-03
Applicant: 财团法人工业技术研究院
Abstract: 本发明公开一种复材刀具切削监控系统及其监控方法，其中该复材刀具切削监控系统用于一机台，该切削监控系统包括一数据撷取模块、一数据库以及一切削控制模块。该数据撷取模块用以撷取该机台的马达电流数据及一刀具磨耗数据，该马达电流数据作为一刀具磨耗状态预测模型的训练数据，以进行深度学习及预测。数据库用以建立一刀具磨耗数据库，以供比对一刀具磨耗状态。该刀具磨耗状态预测模型输出一刀具磨耗状态预测数据至切削控制模块。该切削控制模块根据刀具磨耗状态预测数据判断刀具磨耗状态是否正常。
-
公开(公告)号：CN115244477B
公开(公告)日：2023-08-18
申请号：CN202080098172.0
申请日：2020-07-21
Applicant: 三菱电机株式会社
Inventor： 半谷幸宽
IPC: G05B19/404 , G05B19/18 , G05B19/4155 , B23Q15/16 , B23Q17/09
Abstract: 数控装置(1A)具有：控制部(21)，其对工作机械(2A)进行控制；状态观测部(11A)，其对状态变量进行观测，该状态变量包含对工作机械(2A)所使用的切削刀具进行驱动的电动机的电动机负载电流值(41)、由切削刀具向工件的切削位置即切削坐标值(40)、切削刀具的类别即工具类别(42)、工件的类别即工件类别(43)和工件的温度即工件温度(44)；数据取得部(12)，其取得对切削刀具的磨损量进行测量而得到的结果即磨损量测量结果(45)；以及学习部(13)，其按照基于状态变量及磨损量测量结果(45)的组合而创建的数据集，对切削刀具的磨损量进行学习。
-
公开(公告)号：CN114515977B
公开(公告)日：2023-06-06
申请号：CN202210167380.2
申请日：2022-02-23
Applicant: 河南航天精工制造有限公司
Abstract: 本发明涉及一种自动化产线自动补偿系统及方法，属于数控车床通信技术领域，本发明利用自动测量装置对车床加工的工件进行检测，并将检测的数据存储在数据库中；服务器调取数据库中的数据写入文本文件；通讯控制模块将文本文件按照相应的格式生成宏子程序；车床调用相应的指令，提取该宏子程序中的检测数据，并将检测数据存储在车床设定位置；车床调用对应的判别程序利用检测数据判断刀具是否需要补偿。机床调用宏子程序就能实现自动测量装置对车床加工过程中刀具的实时控制，并且能够实时检测刀具是否需要补偿，在不需要外加设备的情况下提高了加工过程中对刀具控制的实时及精度，进而提高产线生产效率和测量效率，节省了成本。
-
公开(公告)号：CN113547156B
公开(公告)日：2023-04-07
申请号：CN202110859971.1
申请日：2021-07-28
Applicant: 云南昆船机械制造有限公司
Abstract: 本发明公开了一种三维异形变径涡轮轴锥面体车铣复合精密镜面加工方法，属于数控数字化加工精密制造技术领域。该方法首先构建曲率光顺连续的涡轮轴三维加工模型；然后确定加工设备和装夹定位方式；再确定刀具、刀具轴相对锥面体朝向及侧倾角度；最后进行零件加工，加工工序按照顺序包括粗铣、半精铣、刀刃磨损量计算、精度试加工、刀刃磨损补偿、精铣；在精度试加工和刀刃磨损补偿前均需要进行机床在线检测；粗铣、半精铣时采用逆铣切削的方式，精铣时采用顺铣切削的方式；总切削时间不超过4h。本发明解决了现有涡轮轴异形变径三维型面加工无法满足0.006mm形状度和Ra 0.8粗糙度要求的技术问题，大大提高了加工效率，易于推广应用。
-
公开(公告)号：CN115533215A
公开(公告)日：2022-12-30
申请号：CN202211273312.0
申请日：2022-10-18
Applicant: 陕西法士特齿轮有限责任公司
Abstract: 本发明涉及去毛刺工艺，具体涉及一种相交孔结构去毛刺方法，用于解决现有相交孔结构去毛刺方法采用球头锉等简易便捷工具，不仅劳动量大，并且常出现工件漏去毛刺等，无法保证工件去毛刺质量稳定性的不足之处。该相交孔结构去毛刺方法，通过建立空间相交曲线模型，生成相交曲线坐标点，利用机械加工程序进行相交孔结构去毛刺，并在仿形加工过程中依据加工精度要求，调整去毛刺刀具半径补偿数值、刀杆长度补偿数值，从而实现对相同尺寸相交孔结构的待处理工件的连续稳定加工，不仅保证了工件去毛刺质量的稳定性，还减少了人力消耗，提高了加工效率。
-
-
-
-
-
-
-
-
-
Search Results
161
records
(took 0.029 seconds)
