智能减振镗杆原理与控制研究

智能减振镗杆原理与控制研究

ID:37045830

大小:9.57 MB

页数:157页

时间:2019-05-17

智能减振镗杆原理与控制研究_第1页
智能减振镗杆原理与控制研究_第2页
智能减振镗杆原理与控制研究_第3页
智能减振镗杆原理与控制研究_第4页
智能减振镗杆原理与控制研究_第5页
资源描述:

《智能减振镗杆原理与控制研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、工学博士学位论文智能减振镗杆原理与控制研究刘强哈尔滨理工大学2018年6月国内图书分类号:TH161TH164工学博士学位论文智能减振镗杆原理与控制研究博士研究生:刘强导师:刘献礼申请学位级别:工学博士学科、专业:机械制造及其自动化所在单位:机械动力工程学院答辩日期:2018年6月授予学位单位:哈尔滨理工大学ClassifiedIndex:TH161TH164DissertationfortheDoctoralDegreeinEngineeringResearchonPrincipleandControlofIntelligentVibrationReduc

2、tionBoringBarCandidate:LiuQiangSupervisor:LiuXianliAcademicDegreeAppliedfor:DoctorofEngineeringSpecialty:MechanicalManufactureandAutomationDateofOralExamination:June.2018University:HarbinUniversityofScienceandTechnology哈尔滨理工大学博士学位论文原创性声明本人郑重声明:此处所提交的博士学位论文《智能减振镗杆原理与控制研究》,是本人在导师指导下,

3、在哈尔滨理工大学攻读博士学位期间独立进行研究工作所取得的成果。据本人所知,论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文研究工作做出贡献的个人和集体,均已在文中以明确方式注明。本声明的法律结果将完由本人承担。作者签名:刘强日期:2018年6月28日哈尔滨理工大学博士学位论文使用授权书《智能减振镗杆原理与控制研究》系本人在哈尔滨理工大学攻读博士学位期间在导师指导下完成的博士学位论文。本论文的研究成果归哈尔滨理工大学所有,本论文的研究内容不得以其它单位的名义发表。本人完全了解哈尔滨理工大学关于保存、使用学位论文的规定,同意学校保留并向有关部门提交

4、论文和电子版本,允许论文被查阅和借阅。本人授权哈尔滨理工大学可以采用影印、缩印或其他复制手段保存论文,可以公布论文的全部或部分内容。本学位论文属于保密,在年解密后适用授权书。不保密。(请在以上相应方框内打√)作者签名:刘强日期:2018年6月28日导师签名:刘献礼日期:2018年6月28日智能减振镗杆原理与控制研究摘要深孔镗削加工中,镗杆的振动是制约加工质量与效率的关键因素。由于振动的存在,易产生内孔表面缺陷(振纹、微裂纹),降低工件表面精度,缩短刀具使用寿命(易崩刃),衰减机床精度,振动严重时甚至威胁操作人员与机床设备的安全。随着科技的不断发展,深孔类零

5、件在涉及关系国防与民生的重大领域(军工、航空航天、能源装备等)得到了广泛的应用。目前受我国制造技术水平的限制,军用关键零部件的深孔加工所使用的刀具大多为进口刀具,此种状态对我国国防安全产生极大威胁,实现深孔加工技术突破具有重大需求,而刀具振动的有效控制是实现深孔加工技术突破的关键。因此,开展深孔减振刀具原理与控制研究,对实现深孔减振加工技术突破,提升深孔加工质量与效率具有重大意义。对镗削加工中振动成因进行分析,揭示由于负阻尼,负刚度的存在对镗削过程的影响。建立了考虑刀具振动的镗削力模型,获得刀尖点的振动姿态与轨迹,并对镗削表面形貌进行建模,分析了加工参数与刀

6、具角度对镗削过程的影响,提出通过动力吸振器对镗杆的振动进行控制的方法,建立了动力吸振器的动力学模型,分析了外部载荷与系统自身参数对减振性能的影响,为智能减振镗杆的设计与振动控制策略的提出提供理论基础。基于动力吸振理论,提出通过智能控制变刚度吸振器刚度,实现对智能减振镗杆减振性能进行调节的方法,并完成了智能减振镗杆的设计。基于所建立了的变刚度吸振器动力学模型,揭示变刚度吸振器的工作原理。在以上研究基础上,完成了智能减振镗杆动力学模型的建立和减振性能分析,发现幅倍率曲面存在减振区域与非减振区域,最终获得最优曲线与最优控制点,为智能减振镗杆控制系统提供理论最优解。

7、通过对振动信号的分析,掌握在镗削加工全周期中镗杆振动的变化规律。提出振动状态评价指标,为振动状态的判断与减振控制提供阈值,实现振动状态的感知评价与减振性能反馈。提出智能减振镗杆控制策略,通过小区间遍历的方式实现智能减振镗杆实际最优解的求解,并对控制系统进行性能分析。基于BP神经网络实现振动状态辨识,并通过遗传算法优化的BP神经网络实现智能减振镗杆的智能学习,使智能减振镗杆能够快速查找与预-I-测实际最优解,提高智能减振镗杆减振性能调节效率。在此基础上搭建智能减振镗杆控制平台,为智能减振镗杆提供控制系统。对所提出的智能减振镗杆的零部件动力学基础参数进行测试,确

8、保理论模型中参数的准确性。同时,对智能减振镗杆进行静

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。