公开(公告)号：CN117195570A

公开(公告)日：2023-12-08

申请号：CN202311191046.1

申请日：2023-09-15

Applicant: 哈尔滨工业大学

Inventor： 郭兵 ,  孟庆宇 ,  吴贵成 ,  孟变变 ,  赵清亮

IPC: G06F30/20 ,  G06F17/18 ,  G06F119/02

Abstract: 本发明提出一种基于微结构表面的弱刚度磨削系统的稳定性预测及优化方法。所述方法包括以下步骤：步骤一、对磨粒特征进行统计；步骤二、获取砂轮几何参数、磨粒特征参数、微结构化参数和修整参数；根据获取的参数建立微结构化砂轮形貌模型；步骤三、根据微结构化砂轮形貌模型建立多再生稳定性模型；步骤四、根据多再生稳定性模型判断磨削系统的稳定性。本发明所述的微结构化砂轮解决了高转速下的颤振问题。微结构砂轮的可控性主要在于沿转速方向移动稳定边界，转速极限偏差提高了12.2％‑54.0％。

公开(公告)号：CN118364345A

公开(公告)日：2024-07-19

申请号：CN202410297965.5

申请日：2024-03-15

Applicant: 哈尔滨工业大学 ,  郑州磨料磨具磨削研究所有限公司 ,  中山超精科技有限公司 ,  四川航天烽火伺服控制技术有限公司

Inventor： 郭兵 ,  孟庆宇 ,  黎克楠 ,  朱建辉 ,  杨威 ,  姚洪辉 ,  吴贵成 ,  孟变变

IPC: G06F18/241 ,  G06F18/25 ,  G06F18/214 ,  G06V10/764 ,  G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/045 ,  B24B1/00 ,  B24B49/00

Abstract: 本发明提出一种基于多传感器融合信息和混合深度神经网络的磨削颤振检测方法。该方法包括采集信号，分析信号的时域、频域和时频域图像，以及建立不同指标和深度神经网络模型，并采用t‑SNE方法对模型的输入层、和不同数据集对应的全连接层进行可视化分析，分析模型对不同类型砂轮和不同加工场景的精准预测能力。本发明所提出的理论模型可以精确识别空切，稳定，轻微颤振，严重颤振和带有拍频效应的严重颤振五种磨削状态，验证准确率最高为96.07％。