课程文献中心 更多>>

关键词： 自动化技术   汽车   机械控制系统  

摘要： 自动化技术在汽车机械控制系统中的应用，是现代科技进步的重要体现之一。随着科技的不断发展，自动化技术已经成为汽车行业中不可或缺的一部分，不仅提高了汽车的性能和安全性，还为驾驶员带来了更加舒适和便捷的驾驶体验。应用自动化技术，汽车可以实现更精确的控制和更高效的运行，从而提高整体的工作效率和可靠性。此外，自动化技术还可有助于减少人为错误和事故的发生，提升道路安全性。该文研究自动化技术在汽车机械控制系统中的应用，为自动化技术应用水平的提升提供助力。

关键词： 石墨   摩擦   磨损   转移膜  

摘要： 为改善核电压力容器设备与其支撑结构件之间的摩擦磨损性能，保证核电压力容器的安全，避免因金属之间干摩擦而导致的严重磨损，研究了石墨材料与金属SA533GrBCL1摩擦磨损性能。采用两种石墨（GP1、GP2）经过机加工制备成圆环试样，与SA533GrBCL1钢环组成摩擦副，研究了不同载荷和速度对其摩擦磨损性能的影响。结果表明：GP1型高纯石墨综合摩擦磨损性能优于GP2型浸树脂石墨材料；GP1型石墨在不同载荷和转速条件下，摩擦系数和比磨损率较为稳定，摩擦系数小于0.2，比磨损率较小。GP2型浸树脂石墨在低转速时摩擦系数和比磨损率较低，在高转速时摩擦系数波动较大。GP2型石墨在交变应力下产生磨粒磨损，出现掉块甚至破碎现象。石墨在SA533GrBCL1钢环摩擦表面形成的转移膜与载荷和速度密切相关。GP1型高纯石墨在SA533GrBCL1钢环摩擦表面形成的转移膜相对较为均匀稳定；GP2型浸树脂石墨在SA533GrBCL1钢环摩擦表面形成的转移膜受载荷和速度影响较大，高载荷、高速度条件下，转移膜不稳定。两种石墨与SA533GrBCL1钢环的磨损机制主要表现为磨粒磨损。

关键词： 三维建模装置   表面轮廓点云   局部轮廓   轮廓拼接   三维模型  

摘要： 随着激光扫描技术的不断发展,三维建模技术在工业智能化制造和文物数字化保护领域有着广泛的应用需求,吸引大量的研究者对其进行研究。目前,基于点云轮廓的机械零件三维建模因其扫描快、周期短及效率高的优势逐渐取代了基于三维建模软件和基于扫描目标表面拼接的方式,成为当前的研究热点。本课题选择基于点云轮廓的机械零件三维建模作为研究方向,具体研究内容如下: (1)基于三角测距原理的激光扫描装置搭建:针对数据采集速度慢、控制难、噪声多的问题,本课题搭建了基于三角测距法的激光扫描装置获取机械零件的表面轮廓。该装置由机械零件运动控制装置和激光扫描轮廓采集装置来获得高精度的机械零件轮廓线数据。机械零件运动控制装置平衡目标在旋转和移动过程中带来的抖动,同时严格控制机械零件的运动方向、角度、距离,以确保在采集过程中的稳定性和准确性;激光扫描轮廓采集装置通过高精度扫描目标表面,获得机械零件在当前角度的轮廓线进行持久化存储,同时去除轮廓线的无效边界,对行进间轮廓线进行分组,极大地降低了生成网格的计算量。 (2)基于三维坐标的Delaunay三角化平滑方法:针对三角化生成的狭长三角形,无法确保边界平滑的问题,本课题设计了一种基于Delaunay三角化的表面平滑方法。在将采集到的轮廓分组按照特征进行坐标维度提升后,计算出分组轮廓的最小包围边界,利用逐点扫描算法得到轮廓凸包。同时引入切片操作,将每组轮廓按照最小包围边界进行分割,消除包含当前点的多个外接圆所在公共边,构造Delaunay空腔,生成局部三角网格。利用长度标尺和无量纲半径规范生成的三角表面,消除三角表面中的狭长三角形,得到更平稳、更均匀的局部可视化三维模型。 (3)基于多权重的ICP轮廓拼接方法:针对在提取特征和进行轮廓拟合的过程中,局部轮廓的拼接所需的计算资源消耗较大的问题。本课题提出了基于多权重的ICP两阶段轮廓拼接方法。通过提取上、下表面轮廓的位置、尺寸、形状和法向量等特征,实现局部轮廓表面的拼接;同时,根据到中心点的水平距离为不同角度下的分组轮廓特征表面设置权重,并基于ICP算法进行轮廓配准,按照权重为每组轮廓设置偏移量,提升三维模型的生成速度。

关键词： 刀具状态监控   卷积神经网络   注意力机制   遗传算法  

摘要： 随着制造业向智能化转型的不断深入,数控机床刀具的状态监测成为提升生产效率的关键技术。本研究搭建了基于多传感器数据和深度学习算法的刀具状态监测系统,研究了基于注意力机制的一维卷积神经网络铣刀磨损状态分类方法和遗传算法优化的BP神经网络铣刀剩余寿命预测模型,实现了对数控机床铣刀磨损状态的精准评估。 本文首先数据预处理方面,通过数据清洗和特征工程技术,有效地从原始数据中提取具有代表性的特征,为后续的数据分析和模型构建提供准确的输入。针对时域、频域和时频域特征提取,提出一种结合皮尔曼相关系数的特征综合选择方法,确保了选取的特征与刀具磨损状态高度相关。 在模型构建方面,研究了深度学习算法,如一维卷积神经网络,且将注意力机制引入一维卷积神经网络,大幅提升了一维卷积神经网络的分类准确性。通过与传统机器学习方法进行比较,证明了所提出模型在分类上的准确性和可靠性方面的优势;针对数控机床刀具的寿命预测提供了一种新的解决方案,基于遗传算法优化BP神经网络和支持向量回归机,实现了对刀具剩余寿命的精准预测。 在系统开发方面,搭建了集成多传感器的刀具加工信息采集平台,该平台能够实时采集刀具加工过程中的多种关键参数,如切削力、振动、声发射等;并将本研究提出的算法模型集成至刀具状态监测系统中,实现了对刀具磨损状态和剩余使用寿命的实时监测功能在实现生产智能化管理方面具有潜在价值。