首页期刊导航|组合机床与自动化加工技术
期刊信息/Journal information
组合机床与自动化加工技术
组合机床与自动化加工技术

宋鸿升

月刊

1001-2265

zhjcqk@126.com

0411-86658407

116033

大连市沙河口区新生路80号504室

组合机床与自动化加工技术/Journal Modular Machine Tool & Automatic Manufacturing Technique北大核心CSTPCD
查看更多>>本刊是中国机械工程学会与大连组合机床研究所共同主办,中国科协主管的,由科技部和新闻出版署共同审核批准的公开发行的学术性科技期刊。1959年创刊。本刊主要讨论新技术在生产工程领域内的实际应用,内容侧重以汽车生产为代表的大批量制造技术及成套技术装备的开发设计。本刊也多视角、全方位的报道制造领域的研究成果,理论探讨,应用实践,技术展望及行业动态。《组合机床与自动化加工技术》的读者对象是从事机床及其它工艺装备开发、设计的工程师,从事新技术、新设备、新工艺开发及应用的科研院所工程师;汽车、内燃机、摩托车、农机、家电等大批量生产企业的工艺设计、技改设计及设备规划的工程技术人员、机电院校师生等。《组合机床与自动化加工技术》在国内制造业及机电工程院校中具有广泛的影响,相当的权威性和较高的知名度。本刊是历届中文核心期刊,长期以来一直被国内主要数据库、文摘刊物所收录,历年来一直被科技部中国科技信息所列为《中国科技论文统计源期刊》,被中国科学文献计量评价研究中心、中科院文献评价中心、中国社科院文献信息中心等六部门认定为"中国科学引文数据库来源期刊"、"中国学术期刊综合评价数据库来源期刊"。
正式出版
收录年代

    基于改进YOLOv8s的轻量化数控刀具检测

    向传龙胥云李琦罗辉...
    107-111页
    查看更多>>摘要:针对使用机器视觉技术检测数控加工中心刀库故障,伴随出现的加工中心内部环境复杂、背景干扰性强及终端计算资源有限等问题,提出一种改进YOLOv8s的数控刀具类别检测算法.首先,针对终端计算资源有限的问题,重构骨干网络,使用深度可分离卷积替换骨干网络,剔除颈部网络大目标监测层,降低模型计算量;其次,针对加工中心内部环境复杂、背景干扰性强的问题,在骨干网络末端加入RepLKCAG模块,在颈部网络加入全局注意力机制(GAM),增强特征提取的能力,提高检测精度.在自制数据集上实验结果显示,改进的算法相较于YOLOv8s算法模型计算量减小34.15%,精度提高至96.1%,mAP50提高0.5%.

    刀库故障YOLOv8深度可分离卷积RepLKCAG模块全局注意力机制

    基于球杆仪的五轴数控机床动态精度检测

    单亚林郑刚张旭
    112-115,120页
    查看更多>>摘要:针对五轴数控机床的动态精度检验,提出一种基于球杆仪的五轴联动检测方法.该方法基于传统圆弧检测,通过研究S试件构型,提取S形试件加工时五轴联动刀轴矢量,与圆弧检测点位进行匹配,使得在刀尖点做圆周运动的同时,刀轴做复杂摆动,从而模拟在加工复杂曲面时机床的实际运动状态;构建了基于球杆仪的五轴数控机床动态误差模型,通过运动链传递,推导出各轴动态误差与球杆仪数据的表达式;利用该方法指导各轴伺服参数优化调整,能够提高数控机床的动态精度.通过进行在机测量实验,验证了该方法对数控机床五轴动态性能检测的有效性.

    五轴数控机床动态精度检测伺服参数球杆仪

    基于恒力矩的自适应加工控制系统设计

    黄宁聂晓根李俊悦温玉锋...
    116-120页
    查看更多>>摘要:切削力对加工质量和加工效率有着重要影响,针对切削力直接测量困难的问题,以高效稳定切削为目标,提出一种主轴恒力矩的自适应加工控制技术方案.以铣削加工为对象,在推导电磁力矩与切削参数关系的基础上应用Simulink建立了基于主轴电机矢量控制的自适应铣削加工模型,以恒电磁力矩为目标,采用模糊自适应控制策略对加工模型开展仿真实验,同时开发了自适应加工系统进行切削实验,两种实验结果均表明所提方法相较于传统的PID自适应加工方法具有更高加工效率、更好加工稳定性和更低的主轴负载波动.建立了虚实结合的自适应加工控制系统,有效降低了系统开发成本,虚实实验结果相互印证,提高了所提技术方案的可信度,该方案具有良好的工程参考价值.

    自适应加工模糊控制智能化数控技术

    基于特征融合与域自适应的刀具磨损在线监测

    柳大虎汪永超何欢
    121-126,133页
    查看更多>>摘要:机床状态监测对于机床健康管理以及保证工件加工质量具有重要意义.针对现有刀具磨损预测模型存在训练时间长、收敛速度慢以及泛化能力弱等问题,提出了一种分布式一维卷积神经网络对刀具磨损进行预测.采用残差连接与通道注意力模块顺序堆叠的方式作为特征提取模块,并通过交叉验证以选择合适的网络层数.由于不同传感器所提取到的特征信息可能存在冗余,使用权重差异策略以提高特征提取的有效性以及全面性.此外,考虑到训练集与测试集分布可能存在差异从而影响模型的泛化性能,引入了域自适应方法提高模型在未知数据集中的表现.为验证模型效果,使用PHM 2010 铣刀磨损数据集进行实验.实验结果表明,该模型在C1、C4、C6 三把刀具上的平均RMSE和平均MAE分别为6.97 和6.29,与TCN、TDConvLSTM等模型相比有12%以上的提升.

    刀具磨损监测多传感器特征融合权重差异策略域自适应

    基于指令滤波与观测器的柔性机械臂跟踪控制

    赖悟行佃松宜游星星郭斌...
    127-133页
    查看更多>>摘要:针对复杂工况下单连杆柔性机械臂(single-link flexible manipulator,SLFM)系统的轨迹跟踪控制问题,提出了一种基于指令滤波与观测器相结合的自适应神经网络控制算法.该算法考虑了SLFM系统的未知外部干扰和未建模动态影响.首先,利用单连杆柔性机械臂机理参数间的物理关系构建了其分数阶动力学模型,通过引入全局坐标变换将其转化为严格反馈控制系统;其次,针对SLFM系统状态不完全可测问题,构建了基于神经网络的分数阶状态观测器,并证明了其有效性;然后,利用观测信息设计了SLFM系统的轨迹跟踪控制算法,同时为了克服高阶求导导致的控制误差,提出了基于指令滤波的反步控制机制.理论分析表明,提出的控制方法可以保证闭环系统信号的半全局一致性与有界性;最后,通过数值仿真验证了所提控制方法的可行性和有效性.

    单连杆柔性机械臂(SLFM)系统观测器反步控制指令滤波

    基于路径重积分特征提取的轴承故障诊断

    张浩然马萍张宏立王聪...
    134-138,144页
    查看更多>>摘要:滚动轴承振动信号呈现非线性和非平稳特征,为充分挖掘滚动轴承振动信号的有效信息,提高故障诊断准确率,提出基于振动信号路径重积分(path signature,PS)的滚动轴承故障信号特征提取方法.首先,对一维故障振动信号进行时延重构,构成有限维路径空间;其次,对路径进行多重迭代积分得到高阶路径积分特征作为故障振动信号初始特征,利用主成分分析(principal component a-nalysis,PCA)对其进行降维得到能充分表征故障信号本征信息的特征;最后,将不同故障信号基于路径重积分的故障特征构成故障特征集,输入到支持向量机(support vector machine,SVM)完成故障的识别和分类.实验结果表明,该方法在公开数据集上的10 种故障类型诊断准确率达99.33%,对比其他几种方法,所提方法能快速准确地识别滚动轴承不同故障类型.

    路径空间路径重积分截断阶数特征提取故障诊断

    改进SSD算法在工件表面缺陷检测中的应用

    周茂军胡江涛王俊杰彭德政...
    139-144页
    查看更多>>摘要:为能够更为高效地检测工件表面加工缺陷,提出了一种MobileNetV3-SSD目标检测算法,它能够有效实现工件表面缺陷检测.此算法通过改进SSD的骨架网络为MobileNetV3-Large,有效减少网络参数量和计算量,通过结合自底向上的特征金字塔网络的改进算法,使网络能够捕捉不同尺度和形状的目标信息,将语义分割辅助任务与多层特征融合相结合,进一步提升检测性能.使用PASCAL VOC数据集和Kolektor工业缺陷数据集验证该算法,在PASCAL VOC数据集上的mAP达到77.3%,较SSD算法提高0.4%,在Kolektor数据集上的FPS达到了105,较SSD算法提高112%.验证了MobileNetV3-SSD算法相较于传统SSD网络,具有更好的检测精度和检测速度.

    目标检测MobileNetSSD算法缺陷检测

    基于改进ResNet101网络的齿轮缺陷检测

    包从望江伟刘永志肖钦兰...
    145-148,153页
    查看更多>>摘要:针对视觉技术下的齿轮缺陷检测中,存在检测精度低、特征提取能力弱及检测模型不稳定等问题,提出了一种改进ResNet101 网络的齿轮缺陷检测方法.首先,基于ResNet101 网络,引入空洞卷积操作,在各个残差层中引入不同比例的膨胀系数,实现齿轮图像不同感受野下的特征提取;其次,在各个卷积模块间引入稠密连接操作,保留浅层特征信息,降低了模型训练过程中梯度消失的风险;最后,通过图像样本旋转操作,获得齿轮缺陷样本,通过准确率、召回率、ROC曲线、AUC等参数对所提方法的性能进行验证.实验结果表明,改进后的ResNet101 能有效实现齿轮缺陷检测,同时具有更高的稳定性能,可用于齿轮生产过程中,产品质量的实时在线检测.

    深度学习ResNet101网络齿轮缺陷特征提取

    基于ResNet18和迁移学习的滚动轴承故障诊断

    张炎亮张伊童齐聪
    149-153页
    查看更多>>摘要:针对基于深度学习的滚动轴承故障诊断网络层数过深模型易退化、难以收集大量故障样本的问题,提出一种基于ResNet18 和迁移学习的滚动轴承故障诊断方法.首先,采用小波变换将原始振动信号转换为二维时频图像,并通过图像增强方法凸显图像包含的时频信息;其次,通过迁移学习,将在ImageNet数据集上预训练的ResNet18 作为初始故障诊断模型;最后,利用轴承数据集微调网络所有参数,生成最终故障诊断模型.利用轴承数据集验证该方法,并与其他方法进行比较.结果表明,在故障标签样本较少的情况下,采用该方法对滚动轴承进行诊断的平均准确率高达98.85%;图像增强和权值微调的方法能有效提高模型的训练速度,提升模型的分类精度.

    滚动轴承故障诊断迁移学习ResNet18小波变换

    基于异构知识蒸馏网络的滚动轴承剩余寿命预测

    徐超汪永超李世昌李翰儒...
    154-157,162页
    查看更多>>摘要:针对滚动轴承寿命预测中预测精度低和边缘设备资源有限等问题,提出了一种异构知识蒸馏网络来预测滚动轴承的剩余使用寿命.网络使用教师—学生知识蒸馏架构,首先引入自注意力机制与长短时记忆网络融合构建了一个预测精度较高的教师模型;其次,在卷积神经网络的基础上引入变分自动编码器构建了一个特征提取能力较强、参数量较少、复杂度较低的学生模型;然后,设计了一个复合损失函数,用于训练学生模型对教师模型知识的吸收能力和对训练数据的适应能力;最后,在XJTU-SY轴承数据集上进行寿命预测实验.结果表明,与其他预测方法相比,所提方法能有效降低模型的参数量和复杂度并且预测精度更高.

    滚动轴承剩余使用寿命知识蒸馏自注意力机制变分自动编码器