基本信息
- 项目名称：
- 基于博世-力士乐数控系统的磨床关键控制技术的研究与应用
- 来源：
- 第十二届“挑战杯”作品
- 小类：
- 机械与控制
- 大类：
- 科技发明制作B类
- 简介：
- 本文介绍了YTMCNC8326-10全数控凸轮轴磨床的机械控制系统、电气控制系统、辅助控制系统，推导了全数控凸轮磨床的磨削原理与数学建模，工件旋转轴旋转速度自适应预测算法，升程值三次微分预处理和人工干预的三阶B样条控制过程校正，通过AE信号运用BP神经网络监控砂轮工作状况。建立了双平面磨削的数学模型，实现了送料盘的变速磨削。
- 详细介绍：
- 阐述了YTMCNC8326-10全数控凸轮轴磨床的开发过程，研究了MTX系统的软硬件的组成和功能、系统参数和驱动器参数的设置，完善了MTX系统的实验平台。以德国Bosch-Rexroch提供的客户端开发平台为基础，对全数控凸轮轴磨床数控系统的控制界面进行了规划与设计，并实现了对数控系统参数数据的实时读写，对PLC变量的状态监控，对NC程序的编辑、调用和程序运行的实时显示，以及系统故障诊断和帮助等功能。完成了控制界面、数控加工程序、PLC程序之间的通信。提出了一种对轴实时保护的方案，提高了机床工作的安全性。通过在博世力士乐中国有限公司上海总部的现场调试，验证了本系统的实用性与可靠性。
作品图片
作品专业信息
设计、发明的目的和基本思路、创新点、技术关键和主要技术指标
- 作品设计、发明目的和基本思路：本设计主要是根据恒磨除率原理和凸轮轴形状建立数学建模、利用三阶B样条原理进行曲线的拟合、工件旋转轴转速预测算法解决凸轮轴非圆部分砂轮架进给减轻加速度、加加速度急剧变化影响以提高凸轮加工精度。另外，我们应用该项技术实现了双平面磨削。项目创新点：（1）提出了自适应工件旋转轴转速预测算法。申请发明专利： CN201010278922.0 （2）提出了采用三阶B样条曲线拟合离散点的方法，软件著作权号：2010SR068264 （3）提出了BP神经网络监控的砂轮自动修整方法。（正在申请发明专利）（4）提出了一种送料盘变速控制的方法。（正申请发明专利）技术关键： 1.采用自适应工件旋转轴转速预测算法。 2. 采用对升程值三次微分预处理的方法和人工干预的三阶B样条控制过程校正技术。 3．解决了砂轮自动修整问题。 4.建立了双平面部件磨削的运动方程。凸轮轴主要技术指标：加工凸轮轴零件精度： (1) 基圆尺寸偏差 ±0.015mm (2) 基圆相对相邻主轴颈跳动 ≤0.01 mm (3) 凸轮相位角偏差 ±10′ (4) 凸轮表面粗糙度(精磨) Ra≤0.32mm 双平面零件主要技术指标：平面度 ≤0.0015mm 平行度 ≤0.003mm 表面粗糙度 Ra≤0.2μm。
科学性、先进性
- 本设计采用自适应工件旋转轴转速预测算法，解决因砂轮进给轴加速度，加加速度过大对工件的冲击；对升程值三次微分预处理和人工干预的三阶B样条控制过程校正，解决凸轮升程值局部跳变影响凸轮加工质量；通过AE信号运用BP神经网络监控砂轮工作状况技术，实现砂轮自动修整问题。将上述技术通过编程，移植到Bosch-Rexroth MTX数控系统中，并研究MTX系统的软硬件的组成和功能、系统参数和驱动器参数的设置，完善了MTX系统的开发平台。对全数控凸轮轴磨床数控系统的控制界面进行了规划与设计，实现了对数控系统参数数据的实时读写，对PLC变量的状态监控，对NC程序的编辑、调用和程序运行的实时显示，以及系统故障诊断和帮助等功能。完成了控制界面、数控加工程序、PLC程序之间的通信。提出了一种对轴实时保护的方案，提高了机床工作的安全性。实现了凸轮轴的高精、高效、安全的磨削加工，（同类产品未见报道）
获奖情况及鉴定结果
- （1）入选国家十一五科技支撑计划； （2）2011年5月于湖南省第九届大学生挑战杯获得二等奖； （3）在教育部科技查新点查新结果为未见同类论文； （4）获全国重点科技创新成果； （5）入选全国科技成果与专利推广转化；
作品所处阶段
- 实验室阶段(凸轮轴磨床)、使用阶段（双端面磨床）
技术转让方式
- 有偿转让
作品可展示的形式
- 现场演示、图片、录像
使用说明,技术特点和优势,适应范围,推广前景的技术性说明,市场分析,经济效益预测
- 本设计采用了自适应工件旋转轴转速预测算法，升程值三次微分预处理和人工干预的三阶B样条控制过程校正，通过AE信号运用BP神经网络监控砂轮工作状况技术。与原产品相比，具有更高的加工精度和更高的加工效率，人机接口界面更友好，降低了生产成本，减轻了操作工人的劳动强度。 本设计的数控凸轮轴磨床用户主要是汽车、摩托车、发动机、柴油机、凸轮轴配件等厂家，经预测，国内需求量为每年200台，以20%的幅度递增。至2010年，传统产品将有35%左右被高效数控磨床替代，市场前景广阔。 本设计扩展产品数控双端面磨床用户主要是轴承、活塞环、手机框架等厂家，经预测，国内需求量为每年1000台，以25%的幅度递增。至2010年，传统产品将有30%左右被高效双端面数控磨床替代，市场前景广阔。
同类课题研究水平概述
- 湖南大学的曹彦飞对凸轮轴磨削的几何和物理仿真算法进行了研究，从而可以促进加工程序的完善以保证更高的精确性。通过对西门子840D二次开发专用软件以及PLC的程序开发,实现了机床的实时监控，从而极大地增强了机床的图形人机交互能力以及安全性。 湖南大学的章振华对基于恒金属去除率的原则，根据零件的特点分别建立了非圆零件切点跟踪磨削的运动模型。对凸轮轴的切点跟踪磨削建立了两个运动模型，一个是砂轮架的横向运动模型；另一个是工件转速的运动模型。根据上述运动模型，编制仿真程序，分别计算出了砂轮架的横向运动及工件转速的数据。 本设计根据凸轮升程某些段曲率大，使砂轮进给轴产生的加速度、加加速度过大，引起的对凸轮表面地冲击，使凸轮型线误差变大的问题，提出自适应加减速控制控制方法,是工件旋转轴的加速得到缓和,提高了凸轮轮廓的加工精度. 东北大学的刘贵杰利用声发射(AE)传感器和功率传感器为信号源,固定时间间隔内的声发射信号幅值增量累加及砂轮碰撞破碎时电机功率信号的陡变为砂轮状态识别的特征值,应用BP神经网络建立信号特征值与砂轮状态之间的非线性关系模型. 南阳理工学院的吴国月建立了磨削时单切削刃作用的运动模型,该模型描述了切削刃处切屑形成产生的力脉冲.假定该脉冲激励声发射信号,它的典型特征决定所需的测量设备.当磨削时在工件上测出AE.并在70kHz和3.5MHz的频率范围进行分析,使用频率特征抽出,由AE信号抽出有意义的信息,开发合适的信号分析方法.模型和测量的比较,输出模型参数识别.该参数值对砂轮状态和磨削过程状态给出描述. 前一位提出BP神经网络预测砂轮磨削状态,特征值只提取了AE信号平均值和砂轮电机的功率,后者提取了AE信号的中心频率和能量.但未采用神经网络预测. 本设计的特征提取主要从AE信号的均方根值、中心频率、能量和头架伺服电机的功率，在利用BP神经网络预测砂轮修整的锋利与钝化时刻，实现砂轮的自动修整。 哈尔滨轴承集团公司哈尔滨市精密特种轴承厂季萍从理论上分析了采用双端面磨床加工滚子端面时磨削区的变化规律以及影响因素,给出了磨削量计算公式。没有提出恒磨除率控制送料盘的变速运动。
