新葡京娱乐场-大陆娱乐场开户注册

本發明涉及一種組合式的圓柱形零件分選操縱機構，包括底板，所述底板與供料單元的水平方向成一定度角安置，底板前開設有缺口，供料單元可上下平移運動，待分選件由此傳遞到底板上，底板兩側有接口支座，其上方豎有立柱和橫梁，分選模塊固定在橫梁上，分選模塊上有導軌、氣缸支座和左右運動導向板，安裝有基座單元的滑塊可在導軌上自由移動，基座單元中安插有帶導向輪擋板，氣缸通過氣缸支座固定在分選模塊上，氣缸活塞桿通過氣動浮頭與基座單元相連，氣缸動作帶動基座單元沿運動導向板運動，待分選件隨基座單元運動的同時實現擋板的上下移動。該機構可對圓柱形零件進行分選操縱，其模塊化結構便于組合，更容易滿足多種分選類別的擴展要求。

本發明涉及一種超高強度鋼軸類零件的加工方法。該方法通過在一臺高速外圓磨床上裝夾超高強度鋼軸類零件，經過裝置設置和零件裝夾、粗磨、半精磨和精磨四個工藝流程，在粗磨、半精磨、精磨工藝流程開始之前和之后對零件進行強冷降溫，并在上述三個工藝流程過程中對磨削區域自上而下噴射高壓氣、液混合流體。本發明具有磨削力小，磨削效率高；提高了材料的脆性，并改善了材料的加工性能；減少了磨削熱的產生和溫升，減少了加工表面燒傷與硬化；無需二次裝夾，減小裝夾誤差，提高加工精度和加工效率。

本發明提出一種飛機翼梁類零件的增材制造方法，所述飛機翼 梁類零件由腹板、緣條、立柱三部分組成。加工時先將基板安裝在變 位機上，基板工作面平行于地面為初始狀態，在基板上沉積兩緣條和 腹板，待兩緣條和腹板的高度達到下一步要沉積的立柱下表面所處的 設計高度時，再單獨沉積腹板，使腹板和緣條的高度差達到所述立柱 厚度，將變位機工作臺繞翻轉軸翻轉 90°，腹板平行于地面，腹板在 緣條下方，然后按設計尺寸沉積立柱，完畢后，將變位機

本發明公開了一種機械零件表平面殘余應力場的預測方法，包 括以下步驟:1)建立主殘余應力分量的二元 n 階三角級數多項式模型; 2)初步測試分析確定模型階數 n 值;3)根據模型階數 n，確定測試點個 數及測試方案并進行測試;4)根據預測模型和測試結果，對模型進行 矩陣形式整理求解模型系數;5)根據殘余應力分量測試結果、已求的 模型系數和自平衡條件，求解其它殘余應力分量預測模型系數;6)表 平面殘余應力場形象表征。本發明方法避免了測試的盲目性

本成果提出了基于零件批量加工數據分析的加工工藝與流程優化，主要包括零件加工過程的工藝數據挖掘與機器學習算法、基于數據和機理模型相結合的零件加工精度預測、基于機器學習的零件加工工藝優化與決策、基于數據驅動的零件批量加工工藝優化方法驗證這四方面。以下是各方面具體對應內容： 1）零件加工過程的工藝數據挖掘與機器學習算法：在數據挖掘與機器學習算法方面，搭建了軸類零件全流程加工工況數據實時采集硬件平臺，實現對加工力、加工振動、主軸電流等工況數據的實時在線獲取。 2）基于數據和機理模型相結合的零件加工精度預測：在航空薄壁件加工精度預測方面，對復雜曲面加工過程混合建模與全流程加工精度預測等理論開展了深入研究工作；建立了零件單工序/多工序加工精度預測混合驅動模型，實現了加工精度的高效高精預測。 3）基于機器學習的零件加工工藝優化與決策：在軸類零件全流程加工工藝優化與決策方面，圍繞隱馬爾可夫決策過程、遺傳算法等理論開展了理論研究工作，結合軸類零件加工過程開展了優化工作；提出了加工參數自適應調控聯合決策方法。 4）基于數據驅動的零件批量加工工藝優化方法驗證：構建加工數據庫1套，包含機床設備、加工刀具、加工參數、檢測數據等四種類型數據。開發全流程加工智能推理軟件1套（部署于中航發南方公司柔軸車間），實現航軸全流程質量數據感知與工藝優化，其中全流程誤差建模與分析模塊實現了端到端的零件加工質量智能推理，可以用于工藝設計與現場預先感知，加工過程工藝數據挖掘模塊實現基于批量數據的多工序誤差流分析，實現后續工序加工誤差推理，加工過程工藝優化與智能決策模塊實現了零件多工序加工質量數據推理與給定期望指標下的加工參數優化。 圖1 本成果對應功能結構示意圖 【技術優勢】 圍繞航空領域制造的加工質量問題，開展基于制造過程數據的工藝全流程智能決策技術與系統的研發，初步實現工藝與制造過程的智能控制。在數據挖掘與機器學習算法、航空薄壁件加工精度預測、軸類零件全流程加工工藝優化與決策、零件全流程加工質量智能推理與優化、智能加工產線智能決策技術應用與推廣等多個方面實現了突破，具有顯著的理論價值與應用價值。 規范制定方面，研究了薄壁件加工誤差產生的深層機理，構建了批量零件加工過程中誤差傳遞的理論模型，探究了機床、夾具、刀具、加工參數全方位、多層次的因素對于零件加工誤差產生的影響規律，提出了零件加工工藝與流程優化策略，形成制定面向航空發動機大長徑比軸類零件的決策規范，規定軸類零件全流程加工過程中機床、刀具、裝夾、加工參數四個方面的具體要求。通過中國航發南方工業有限公司企業標準體系管理系統制定、修改、審批，形成《航空發動機軸類零件加工工藝優化與決策技術規范Q/2B 1586—2022》。 軟件開發方面，將上述理論成果進行高度集成，開發了零件全流程加工智能推理優化軟件（MIO軟件）。軟件集成了四大功能模塊，包括加工工藝數據庫、全流程誤差建模與分析、加工過程工藝數據挖掘、加工工藝優化與智能決策。相關知識與優化規則形成權。全流程加工智能推理優化軟件以及知識庫軟件通過第三方測評，測評機構具備MA與CNAS認證資質，最終形成《零件全流程加工智能推理優化軟件第三方測試報告》、《智能加工產線工藝全流程智能決策工藝知識庫軟件第三方測試報告》。 應用驗證方面，結合航空發動機制造具體需求，將相關成果應用到某型號航空發動機軸類零件（動力渦輪傳動軸）加工生產中。將零件全流程加工智能推理優化軟件部署在航軸加工車間，在驗證產品的加工設備上部署了數據采集裝置，實時采集加工過程數據，集成企業工藝資源數據庫和產品數字化檢測系統，獲取機床、夾具、刀具、產品質量等信息，構建了加工工藝數據庫，開展了航軸加工工藝分析、現場加工質量預先感知、加工工藝與流程優化、現場實際加工驗證等工作。通過南方公司現場應用驗證，零件次品率平均降低54.53%。（2019年至2020年優化前，次品率為8.38%；2021年6月至2022年5月優化后，次品率為3.81%）。相關應用驗證通過了中國航發南方公司的效果認定，并形成用戶報告。 【技術指標】 1）采用機理模型/有限元仿真技術獲取切削力/熱/柔度/加工誤差數據集，構建代理模型實現了切削過程的毫秒級預測，切削過程關鍵物理量的預測時間優于10毫秒。 2）建立了機理模型與小樣本工況數據混合驅動的預測模型不確定分析與量化模型，提出了貝葉斯框架下的不確定校準方法，實現了加工誤差快速（毫秒級）精準（偏差小于5微米）預測。 3）提出了航軸加工質量狀態估計方法，建立了現場多源數據信息串聯模型，基于隱馬爾科夫的決策模型，實現工序間感知平均誤差控制在9.21%內。 4）建立了加工次品率與加工參數約束集間雙向映射互通模型，首次提出了基于隱馬爾科夫模型與遺傳算法的聯合決策方法框架，聯合決策優化框架保證次品率降低優于50%。

（專利號：ZL 201310414136.2） 簡介：本發明提供了一種套筒類零件內表面微凸起電解加工方法，屬于電解加工領域。該方法利用微小群孔結構的彈性絕緣薄板，其面向零件一面進行導電化處理，并將其導電層與彈性絕緣薄板組成工具陰極，套筒類零件作為工件陽極，陰、陽極之間充滿電解液，陽、陰極分別與電源的正、負極連接，進行電解加工，在套筒類零件內表面制造出微凸起結構。采用本發明的電解加工方法，能夠在套筒類零件的內表面形成微

本實用新型公開了一種圓柱形零件翻轉的自動上下料裝置。零件儲料箱內裝有零件，零件儲料箱底面為帶有傾角的斜面，零件儲料箱底端設有出料口，出料口連接出料槽，出料槽出口處安裝有選料輪，選料輪周面沿圓周等間距開有四個凹槽，選料輪旋轉出口的一側下方設有用于承接零件的傾斜的滑槽，滑槽與提升機構銜接，提升機構的出口處下方設有豎直導向管，豎直導向管的出料口下方為零件操作臺。本實用新型僅依靠一個電機帶動的選料輪即可實現對圓柱形零件的周期性取料，利用重力滑落實現零件翻轉上料，并能保證零件出料方向的一致性，簡便節能，自動化程度高，且具有較高的可靠性。

鐵基粉末冶金（P/M）零件溫壓工藝是90年代國際上出現的一個粉末冶金新技術。該技術通過對于適當的鋼鐵粉末及潤滑劑系統在一個不太高的溫度（100-150℃）下壓制，可使鐵基P/M零件生坯的密度增加0.1-0.3g/cm3。1994-1998年，瑞典、美國、瑞士、加拿大和臺灣保來得公司已先后建立了20多條溫壓生產線，已能生產30 余種密度在7.25-7.60 g/cm3的高密度鐵基P/M零件。 本項目根據我國的粉末冶金發展和設備水平，通過“九五”攻關“轎車用合金粉末和高強度溫壓技術研究”及國家863計劃項目的執行，獲得了一批重要的研究成果。用國產設備和研究的模具及潤滑系統，成功地實現了軟磁材料、高強度燒結鋼、復合材料零件的溫壓。本項目可提供經濟的溫壓系統設計、工藝參數的優化設定、溫壓零件提高疲勞強度的表面處理和新產品的開發。產品的綜合水平達到國際和國內先進水平。 該項目適用于溫壓產品主要應用于高強度汽車、轎車、電動及風動工具粉末冶金燒結鋼零件。如高壓油泵齒輪、鏈輪、密封環、活塞環、磁軛等。

本發明屬于精密加工與測量技術領域，并公開了一種基于核外 電子概率密度分布的復雜曲面零件匹配檢測方法，包括:對待測零件 進行非接觸式掃描獲得掃描點云，并將其與設計點云組成匹配比較對 象;將兩片點云轉換到同一三維坐標系內，并將各個點看作原子的原子核，將此原子核的鄰域點看作核外電子，遍歷所有點計算得出其對 應的電子概率密度分布值;基于計算得出的電子概率密度分布值確定 兩個模型的誤差，并在當前誤差不滿足終止條件時對測量點云進行粗 匹配和精匹配，直至滿足終止條件為止。通過本發明，能夠有效解決 現有非接觸式匹配

本發明屬于精密加工與測量技術領域，并公開了一種可有效保留邊界和局部特征的復雜曲面零件點云精簡方法，包括:對復雜曲面 零件生成掃描點云;針對點云中的各個點獲得多個鄰域點并計算得出 法線向量;繼續以各個點為球心找出最短半徑范圍內的 m 個點，然后 求出點云中各個點的法線向量與這 m 個點的法線向量之間夾角的平均 值;基于夾角平均值來設定閾值，然后執行特征粗分類;進行二次細 分以完成第一個精簡子集的選取，然后基于定向Hausdorff距離來完成 第二個精簡子集的選取