-
公开(公告)号：CN112052542A
公开(公告)日：2020-12-08
申请号：CN202011101699.2
申请日：2020-10-15
Applicant: 华东理工大学 , 中国航空制造技术研究院 , 中国航发商用航空发动机有限责任公司
IPC: G06F30/17 , G06F30/23 , G06F111/04 , G06F113/26 , G06F119/20
Abstract: 本发明涉及用于叶片表面强化的超声滚压变幅杆智能设计方法及系统，方法包括以下步骤：S1：确定变幅杆的目标性能参数、材料参数和结构参数，并随机生成初始变幅杆；S2：对所述初始变幅杆建立有限元模型；S3：对所述有限元模型进行模态分析和谐响应分析，并提取模态分析和谐响应分析的结果；S4：根据模态分析和谐响应分析的结果对初始变幅杆进行优化求解。本发明的用于叶片表面强化的超声滚压变幅杆智能设计方法及系统，根据目标性能参数、材料参数、结构参数随机生成一组初始变幅杆，并对其进行有限元建模和分析，采用优化算法对有限元分析的结果进行优化迭代，得出在约束条件下的最优解，计算方便，误差小。
-
公开(公告)号：CN111911589A
公开(公告)日：2020-11-10
申请号：CN202010681814.1
申请日：2020-07-15
Applicant: 华东理工大学 , 中国航空制造技术研究院
Abstract: 本发明涉及一种航空发动机叶片主被动柔性随动支撑装置，包括：支撑滚珠、滚珠支架、万向节、基座和弹性件，其中；支撑滚珠至少为3个，可滚动地分布于所述滚珠支架上；滚珠支架为凹形结构，其底部与万向节的上端相连；万向节支撑于基座上；基座开设有上下贯通的阶梯通孔，该阶梯通孔中设有弹性件；弹性件位于阶梯通孔中且支撑于万向节的下端和基座的下端之间。本发明的柔性随动装置采用多点接触、万向转动、柔性支撑相结合的方法，实现了航空发动机叶片超声滚压强化加工过程中的主被动柔性随动支撑，在保证支撑刚度减少航空发动机叶片形变的同时，减小航空发动机叶片的颤振，从而提高航空发动机叶片超声滚压强化加工的精度和稳定性。
-
公开(公告)号：CN108279642B
公开(公告)日：2020-05-05
申请号：CN201711400023.1
申请日：2018-03-13
Applicant: 中国航发商用航空发动机有限责任公司 , 华东理工大学
IPC: G05B19/408
Abstract: 本发明涉及一种复杂曲面表面加工轨迹的生成方法，本方法通过表面强化处理改善零部件表面性能，作为提高其使用寿命的有效手段，而作为零部件生产加工的最终步骤，在不破坏结构的同时，如何对形状各异的零部件表面、复杂曲面进行加工，本方法在实施例中以航空发动机叶片为例，以多轴机床各坐标系作为控制参量，对复杂曲面表面加工的轨迹，给出了程序化生成方法。
-
公开(公告)号：CN112052542B
公开(公告)日：2023-10-13
申请号：CN202011101699.2
申请日：2020-10-15
Applicant: 华东理工大学 , 中国航空制造技术研究院 , 中国航发商用航空发动机有限责任公司
IPC: G06F30/17 , G06F30/23 , G06F111/04 , G06F113/26 , G06F119/20
Abstract: 本发明涉及用于叶片表面强化的超声滚压变幅杆智能设计方法及系统，方法包括以下步骤：S1：确定变幅杆的目标性能参数、材料参数和结构参数，并随机生成初始变幅杆；S2：对所述初始变幅杆建立有限元模型；S3：对所述有限元模型进行模态分析和谐响应分析，并提取模态分析和谐响应分析的结果；S4：根据模态分析和谐响应分析的结果对初始变幅杆进行优化求解。本发明的用于叶片表面强化的超声滚压变幅杆智能设计方法及系统，根据目标性能参数、材料参数、结构参数随机生成一组初始变幅杆，并对其进行有限元建模和分析，采用优化算法对有限元分析的结果进行优化迭代，得出在约束条件下的最优解，计算方便，误差小。
-
公开(公告)号：CN110704972B
公开(公告)日：2023-02-24
申请号：CN201910922505.6
申请日：2019-09-27
Applicant: 华东理工大学
Abstract: 本发明提供的一种叶片表面双侧超声滚压加工轨迹协调方法，包括：步骤S1，对叶片进行分层处理，获取叶片模型在不同高度时叶缘处为“A”字型和“n”字型的轮廓曲线；步骤S2：确定叶片加工轨迹的端点；步骤S3：规划叶片厚度与旋转角度，包括：步骤S31，求取所述轮廓曲线的主方向角α主；步骤S32，求解叶片厚度d；步骤S33，求取叶缘处为“A”字型时叶片加工所需要旋转的角度；步骤S34，求取叶缘处为“n”字型时叶片加工所需要旋转的角度。本发明减小了超声滚压力产生的叶片形变，提升了加工效率，同时也提高了叶片加工的精度。
-
Patent Agency Ranking
公开(公告)号：CN115319401A
公开(公告)日：2022-11-11
申请号：CN202210888044.7
申请日：2022-07-26
Applicant: 华东理工大学
IPC: B23P9/04
Abstract: 本发明公开了一种伸缩旋转式超声多加工头、加工装置及加工方法，其中伸缩旋转式超声多加工头包括内套、撞针、弹性件、外套和驱动组件。撞针为多个且相互平行，撞针穿过内套并能够与内套相对滑动。撞针具有限位部，限位部用于在撞针滑动时对撞针进行限位。弹性件用于向撞针施加朝向振动端的推力。外套套设于内套外侧，外套用于安装在外壳上。外套与内套在轴向限位，且在周向不限位。驱动组件与内套传动相连，以驱动内套沿周向旋转。相比于现有技术，本发明通过使安装有撞针的内套旋转，使撞针的撞击点分布更密集均匀，从而提高加工效率与冲击覆盖率。
-
公开(公告)号：CN111876570B
公开(公告)日：2022-05-06
申请号：CN202010682850.X
申请日：2020-07-15
Applicant: 华东理工大学 , 中国航空制造技术研究院
Abstract: 本发明涉及一种航空发动机叶片超声滚压强化机器人加工系统及控制方法，该超声滚压强化机器人加工系统包括：机器人，其上固定有一超声滚压强化装置并带动该超声滚压强化装置移动；底座，其上安装有主轴转台和三维移动升降装置，所述主轴转台上设置有可旋转的叶片夹具，三维移动升降装置上则固定一柔性随动支撑头；控制系统，分别与所述机器人、主轴转台和三维移动升降装置电连接或通讯连接。本发明的航空发动机叶片超声滚压强化机器人加工系统及控制方法，采用机器人辅助夹持超声滚压装置，配合三维移动升降装置以及柔性随动支撑头，并通过对三者进行协同控制，实现航空发动机叶片的精确超声滚压强化。
-
公开(公告)号：CN112045677A
公开(公告)日：2020-12-08
申请号：CN202010796539.8
申请日：2020-08-10
Applicant: 华东理工大学 , 中国航发商用航空发动机有限责任公司
Abstract: 本发明涉及一种航空发动机涡轮盘螺栓孔智能强化系统及其控制方法，航空发动机涡轮盘螺栓孔智能强化系统包括：机器人，其上固定有孔强化装置并带动该孔强化装置移动，孔强化装置连接有力传感器，孔强化装置上设有工业相机；数控转台，用于固定待加工的涡轮盘，其上设置有固定机构；控制系统，分别与机器人、力传感器、孔强化装置和数控转台通信连接；上位机，分别与控制系统及工业相机通信连接。本发明实施例提供的航空发动机涡轮盘螺栓孔智能强化系统及其控制方法，采用机器人夹持孔强化装置，配合数控转台、力传感器和工业相机，通过工业相机引导机器人运动，根据力传感器监测的受力进行柔性加工控制，实现航空发动机涡轮盘螺栓孔智能化加工。
-
公开(公告)号：CN111876570A
公开(公告)日：2020-11-03
申请号：CN202010682850.X
申请日：2020-07-15
Applicant: 华东理工大学 , 中国航空制造技术研究院
Abstract: 本发明涉及一种航空发动机叶片超声滚压强化机器人加工系统及控制方法，该超声滚压强化机器人加工系统包括：机器人，其上固定有一超声滚压强化装置并带动该超声滚压强化装置移动；底座，其上安装有主轴转台和三维移动升降装置，所述主轴转台上设置有可旋转的叶片夹具，三维移动升降装置上则固定一柔性随动支撑头；控制系统，分别与所述机器人、主轴转台和三维移动升降装置电连接或通讯连接。本发明的航空发动机叶片超声滚压强化机器人加工系统及控制方法，采用机器人辅助夹持超声滚压装置，配合三维移动升降装置以及柔性随动支撑头，并通过对三者进行协同控制，实现航空发动机叶片的精确超声滚压强化。
-
公开(公告)号：CN110704972A
公开(公告)日：2020-01-17
申请号：CN201910922505.6
申请日：2019-09-27
Applicant: 华东理工大学
Abstract: 本发明提供的一种叶片表面双侧超声滚压加工轨迹协调方法，包括：步骤S1，对叶片进行分层处理，获取叶片模型在不同高度时叶缘处为“A”字型和“n”字型的轮廓曲线；步骤S2：确定叶片加工轨迹的端点；步骤S3：规划叶片厚度与旋转角度，包括：步骤S31，求取所述轮廓曲线的主方向角α主；步骤S32，求解叶片厚度d；步骤S33，求取叶缘处为“A”字型时叶片加工所需要旋转的角度；步骤S34，求取叶缘处为“n”字型时叶片加工所需要旋转的角度。本发明减小了超声滚压力产生的叶片形变，提升了加工效率，同时也提高了叶片加工的精度。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.022 seconds)
