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BiLSTM-LSSVM的螺杆转子铣削加工廓形预测

    李佳孙兴伟赵泓荀穆士博...
    153-156,162页
    查看更多>>摘要：针对螺杆转子盘铣刀加工过程中的轮廓预测问题,提出了基于双向长短时神经网络-最小二乘支持向量机(BiLSTM-LSSVM)的螺杆廓形预测方法.首先,对加工过程中的振动信号进行采集并进行降噪预处理,降噪后的信号进行降采样处理随后输入BiLSTM中进行时序预测;其次,对时序预测后的信号进行特征提取,将提取后的特征向量输入LSSVM进行廓形预测;最后,以五头螺杆为例通过正交实验对BiLSTM-LSSVM模型进行试验验证,并对预测廓形进行误差补偿实验.实验结果表明,提出的基于BiLSTM-LSSVM的螺杆廓形预测模型可对螺杆转子盘铣刀加工螺杆廓形进行准确预测,进而为螺杆转子加工廓形补偿提供支持.

    螺杆转子长短时神经网络最小二乘支持向量机廓形预测

      原文链接:
    • 万方数据
    • 维普

    基于贝叶斯网络的减速器异常振动故障诊断

    王子新周晓峰周安叶谈昕...
    157-162页
    查看更多>>摘要：为实现减速器异常振动的故障类型快速判断、降低巡检与维护成本,研发了一种减速器异常振动智能诊断模型.在历史异常振动数据不充足、不平衡的情况下,通过对历史故障履历资料的梳理,建立了减速器故障树,并映射为减速器异常振动贝叶斯网络结构.同时,对历史异常振动数据进行振动特征提取与标签化,选择期望最大化(EM)算法为参数学习方法,确定贝叶斯网络节点变量的概率分布.在减速器运行过程中,该模型处理实时振动数据后,融合故障知识转化的异常振动特征判别机制与分层吉布斯采样算法,对各节点变量进行故障概率推理,实现异常振动故障的及时定位.通过模型性能测试发现所提出的故障诊断模型相比于其他典型模型,在诊断结果准确性与区分正常与异常振动数据的精度方面均取得了较大的提升,并将模型集成至带式输送机智能运维系统中进行了工程验证.

    减速器异常振动故障树贝叶斯网络吉布斯采样

      原文链接:
    • 万方数据
    • 维普

    基于切削区域温度数据的刀具磨损预测

    郭宏焦士轩董超杰李锴诚...
    163-167,172页
    查看更多>>摘要：刀具磨损预测是制造业中至关重要的问题,提前预测刀具的磨损,并及时进行更换,能够降低生产成本,提高生产效率.选择切削区域温度数据来预测刀具磨损,同时考虑到加工过程中切削屑的脱落会影响数据的采集,设计了降噪算法来去除切削屑的干扰.具体而言,首先,设计了基于帧差法的降噪算法;之后,构建了卷积长短时记忆网络预测刀具磨损;最后,通过实验对方法的有效性进行验证.实验结果表明降噪算法能够有效地去除切削屑产生的噪声,提出的网络模型相比传统的BP神经网络模型预测精度有所提高,不同工况下的预测结果均方根误差平均降低了0.017 1.

    刀具磨损预测数据降噪帧差法神经网络

      原文链接:
    • 万方数据
    • 维普

    基于元迁移学习的智能故障诊断方法

    黄乐万烂军倪炜
    168-172页
    查看更多>>摘要：工程实践过程中,获取大量的故障样本可能是困难和昂贵的,即可用于训练的故障样本相对较少,导致采用传统深度学习方法训练的故障诊断模型难以快速适应新的工况.为此,提出了一种基于元迁移学习的智能故障诊断方法.首先,对精心设计的能有效提取故障特征的自注意力网络(self-at-tention network,SAN)进行预训练;然后,在每个"N-way M-shot"元任务上训练一个基学习器和元学习器,以自适应调整预先训练好的SAN模型的参数;最后,通过不同的小样本故障诊断(few-shot fault diagnosis,FSFD)任务验证所提方法的有效性.结果表明,该方法在跨工况FSFD任务下取得了较高的诊断精度.

    元迁移学习自注意力网络滚动轴承故障诊断小样本学习

      原文链接:
    • 万方数据
    • 维普

    基于模态特征分析的铣削刀具寿命预测

    侯军明王保升吕东升
    173-177,182页
    查看更多>>摘要：Ti-6Al-4V钛合金加工过程中易出现加工振动现象,加工振动会加剧刀具磨损,降低刀具寿命.在Taylor刀具寿命扩展模型的基础上,提出了考虑薄壁加工系统模态参数的铣削刀具寿命预测模型.首先,开展了模态测量试验和铣削加工刀具磨损试验,获取了系统的模态参数和刀具的磨损值;其次,利用模态参数和磨损值建立铣削刀具寿命预测模型,并对各参量对铣削加工刀具寿命的影响进行对比分析;最后,通过钛合金Ti-6Al-4V切削加工试验验证了该模型的预测精度和可靠性.结果表明,基于加工颤振特征分析的铣削刀具寿命预测方法能够准确地预测薄壁零件加工中的刀具寿命,为进一步提高刀具寿命和加工质量提供了理论指导和实践参考.

    刀具寿命预测模型加工颤振薄壁叶片模态参数

      原文链接:
    • 万方数据
    • 维普

    基于多点结构光扫描的工件定位方法

    程丽徐超海教经纶朱思俊...
    178-182页
    查看更多>>摘要：在自动化生产线工业机器人抓取工件作业中,工件定位方法直接影响作业质量、效率及系统成本.传统基于线结构光的工件定位方式通常存在专用性强、成本高等特点,难以在劳动密集型产业中推广应用.针对这一问题,利用KD-tree ICP算法,提出一种基于多点结构光扫描的工业机器人抓取工件定位方法.首先,利用模型点云和多点结构光原始点云进行粗配准;其次,提取待定位工件点云特征点,并拟合出工件边界;最后,利用模型边界点云和拟合出工件边界点云进行精配准.试验结果表明,该方法具有较高的定位精度及识别效率,满足工件抓取要求.

    多点结构光视觉定位点云配准工业机器人

      原文链接:
    • 万方数据
    • 维普

    基于改进MobileNetV2的钢板表面缺陷检测

    周建新何洋
    183-187页
    查看更多>>摘要：钢板表面缺陷伤痕类型多,行业数据公开率极低,训练样本不足使得深度学习难以应用于该领域.且MobileNetV2 网络模型特征表示能力有限、鲁棒性较弱.针对上述问题,提出一种改进的Mo-bileNetV2 网络模型,可在小规模样本检测中拥有较高的准确率.重新设定网络模型中激活函数的上限,使模型更好地捕捉输入数据中的复杂模式和特征.提出一种新的瓶颈结构并减少网络层数,可以在通道维度上对特征图进行整合,提高模型的表示能力和特征提取能力.增强特征识别,提取更丰富和更具判别性的特征,提高模型的准确性和鲁棒性.实验结果表明,改进的MobileNetV2 网络模型准确率高达98.7%,高于原网络和其他对比卷积神经网络,能有效检测小样本的钢板表面缺陷.

    MobileNetV2激活函数瓶颈结构特征增强

      原文链接:
    • 万方数据
    • 维普

    云制造模式下的再制造企业生产调度研究

    马沁怡赵永明公婷娄华强...
    188-192页
    查看更多>>摘要：针对多重不确定因素影响下再制造企业如何高效合理进行再制造生产调度决策问题,提出了一种云制造模式下包含回收产品质量、再制造时间、再制造成本以及再制造处理方法等多种不确定因素的再制造生产调度模型.首先,对回收产品通过模糊层次聚类分析法进行质量等级划分;然后,根据划分结果采用不同的再制造处理方法;最后,通过NSGA-Ⅱ算法求解模型得到再制造生产调度方案.通过实验验证了该模型的可行性,并对比了进行质量划分与否对再制造生产过程中再制造时间和成本不确定的影响,结果表明进行质量等级划分能够有效减少再制造生产调度过程中再制造时间和加工成本不确定的影响.

    云制造再制造生产调度不确定因素

      原文链接:
    • 万方数据
    • 维普