关键字 |
| 主轴系统、能源效率、传感器融合、智能控制。 |
介绍 |
| 主轴是加工的主要组件。作为一个行业可能N-array加工工具的整体生产力影响主轴的每个组件机制。因此改善单个单元的能源效率将提高整个电力费用可能改革当前的工业场景。随着越来越多的研究致力于速度控制主轴驱动器技术在不考虑主轴速度控制,而重点是特定的其他领域,可能有相当大的影响力。提高生产效率和加工质量也减少了需要经常维护。各种研究关于开发一个开放体系结构的机床中心[1],智能加工系统在处理环境干扰的计算效率和加工工艺设计知识库模型,模块化与[3]是意识到。各种机构在实现一个成熟的智能节能主轴系统将产生系统具有以下功能: |
| 1。适应性喂养率与变量轴转速保持稳定。 |
| 2。主轴使用传感器融合技术健康监测。 |
| 3所示。灵巧工件动态。 |
| 4所示。通过智能冷却系统温度补偿。 |
相关工作 |
| 理解和控制的局限性可以克服现有加工系统合并训戒的反馈控制的功能。各种研究进行了相关领域的重要意义本文绕行。Atsushi et al,[10]从京都大学开发了一种监测方法使用位移传感器和热电偶监测切削力产生了决定性的结果在信号漂移、建模误差和主轴热位移。进一步研究Al-Shareef et al。[13]列举了主轴的静态分析动态力量应用于静态模型系统,同样Chi -魏Lin. et al。[8]提出anintegrated主轴与实验验证和灵敏度分析的模型为研究各种thermo-mechanical-dynamic高速主轴的行为造成的。根据进一步分析实现节能的主要美德模式极大地取决于电力转速的函数和切削速度,补偿损失由于输电元素和散热源和冷却剂之间的实体。 |
影响因素 |
1。非线性因素影响机床: |
| 机械性能和系统设计的差异会影响主轴系统。主轴系统的有限部分是制造和组装组件可以传授磨损之间的任何干涉。材料利用的本质,他们的机械和热性能,工具控股机制耦合设计,结构完整性的绝食者给予非线性干扰进入系统。这些因素是高度不可控的,容易增加与时间表。设计因素和由于各种装配符合阻尼振动的弹性材料。 |
 |
| 主轴加工中心的典型元素包括电力驱动电源,耦合单元传输能量从开车到工具头,如图1所示为轴承支持 |
2。由于Unrectified振动不平衡: |
| 失衡效应未经处理的振动和温度变化引起的高度脆弱的非线性影响因素相比,主轴系统。因此,各种影响因素都必须识别和可能的因素控制。最古老的因素可能诱发振动系统轴的质量中心和轴的轴承支持对偏心质量要求制定的策略。基于影响因素控制主轴的关键参数振动振幅和频率来确定加工稳定在预定的范围内,轴向变化时导致转子和定子之间的轴向间隙的增加——这可能极大地扰乱工具定位及其控制,主轴的转速也避免临界共振速度和最终温度分量引起强烈的摩擦热量和高频电主轴轴承在高速热,可使主轴变形。 |
 |
| 系统描述主轴振动控制是图2所示的振动资料估计的感官反馈速度、位移、热变化。当系统偏离其操作域补偿控制信号,调节发送电力驱动的智能控制单元。 |
系统建模 |
| 纳入主轴系统的各个组件下面,在他们的协调活动可能产生预期的高度智能和智能系统能源效率。 |
1。传感器融合: |
| 使用传感器的振动测量、准确和可靠的读数是必需的。将传感器在最优位置可以增强信号。还依赖单一传感器提供精确的数据是不可靠的。信号的干扰噪声,恶劣的环境,带宽限制需求智能传感方法的必要性。这种方法可以进化通过使用两个或两个以上的传感器和融合的测量可以提高鲁棒性的感知和解释在图3。这种协同方式对传感器数据被称为传感器融合的优点,改善信噪比,鲁棒性和可靠性在传感器出现故障时,扩展参数覆盖,集成的独立特性,增加维数的测量和减少不确定性。 |
 |
2。自适应工作台: |
| 固有的定向障碍和长时间暴露于振动可能扰乱了刀具位置/取向,影响加工精度。重新定位的工具头是不切实际的,而不是一个可移动的工作台可以使用。工作台的驱动是精确的致动器辅助的位置控制系统。任何异常的传感器提供反馈相当于整改要求,由精密工作台的运动补偿。这个艾滋病的整个加工过程,不仅提高了工具的生活也提高了生产精度。 |
 |
| 视图显示了认为家里的工件的工作台位置加工时,它的运动和位置可以通过智能压电致动器加上preciselyachieved位移传感器闭环控制。 |
3所示。智能执行器: |
| 虽然传统的直流电机驱动器与编码器。智能执行器有前途的应用意义,这些执行器定位在精确控制的地方。他们不被录用,这样整个主轴被替换为新的范式,它们只在特定的实体合并基于他们的财产的暗示。考虑形状记忆合金可以用它们沿着符合许可行为智能保持结构完整性,压电致动器微驱动工作台,Magneto-Rheological流体动态轴承根据轴向移位改变他们的湿补偿。 |
4所示。智能速度控制 |
| 可靠性、适应性和即时动态性能是一个智能的典型需求速度控制。进行了广泛的研究,以促进新一代智能驱动器的进化。这些研究表明证实进步在模糊系统建模和控制算法和基于神经的混合算法。振动速度控制模块和监控模块是为了一起工作在促进高速电主轴的操作。 |
5。温度冷却系统 |
| 智能温度控制模块由多个温度传感器在主轴及其载体。机器的热行为建模和软件算法可以预测在不同主轴主轴的热漂移速度和各个时间点。的即时冷却热驱动了改变流体的流动通过导热管在轴流。 |
6。控制算法 |
| 程序控制主轴使用稳定的反馈传感器输入能源效率尚未实现。摘要针对高速电主轴的振动控制问题,研制了一种可重构的振动监测和控制系统。铣削过程可以通过将各种传感器监控主轴。基于涡流位移传感器来检测轴/径向运动,热电偶在关键结构是衡量热扰动。这些感官元素使整个加工过程智能感知工具磨损、切削力、加工精度等,反馈控制过程的关键。主要是在加工过程中不平衡因素识别和振动概要文件定义这些离心力而兴奋不已。知识库系统的发展,initiallyit是静态后来它学习系统行为并采取相应行动。它可以处理大量的原始数据和执行繁琐的计算。它是主要的控制单元,执行所有的复杂计算。系统必须是高度复杂的,因为它有很多要处理的原始数据和基于ANN -模糊库连接到它的头,因为它是一个自适应控制器。 It is also equipped with enough hardware to perform all the computation in real time. |
 |
| 主轴因此能够监控其状态,检测故障,诊断问题,并做出相应的反应。模块化的体系结构的发展与标准化模块如图所示视图允许无缝的系统集成。 |
| 基于文献研究和总结相关的研究主轴域可能会影响系统性能的各种因素列出怎么相应的整改 |
 |
结论 |
| 目的在发展能源高效的主轴系统的框架是理解。设计主要目标高度集中在整合所有的尖端功能提供一种聪明的方式改善主轴系统的能源效率。控制器是灵活,程序可以根据我们的需要进行修改。传感器放置在临界点不断有助于理解非线性和稳定自己的健壮和最优控制模式。廉价的可用性传感器、计算能力、networkingcapabilities和基于pc的开放式控制器架构的熟悉促进这些聪明的主轴系统的快速实现。 |
引用 |
- Discenzo, f M。Nickerson, W。,Mitchell, C. E., and Keller, K. J., “Open Systems Architecture Enables Health Management for next Genern, System Monitoring and Maintenance”, www.osacbm.org
- K。山崎,Y。堆,M。Mori k .手冢,“自主精通CNC控制器基于开放式体系结构的高性能机床概念”,CIRP的编年史,46-1,1991年。
- M。Kaever, N。Brouer, M。Rehse和M。尽情、“数控集成过程监测和控制智能自动制造系统”,29日CIRP国际制造系统研讨会,1997年大阪。
- H。舒尔茨和T。Wurzb”平衡要求快速旋转工具和主轴系统、“CIRP的编年史,47卷(1998年),第一,321 - 324页。
- C.G.沈,王G.C. S.L.王”,计算和分析高速加工工具系统的不平衡响应,“先进材料研究,148 - 149卷,第一,40-46,2010页。
- 倪小君,”角度审查通过实时误差补偿,提高数控机床精度的“j .中国机械工程,8卷,没有。1,29-33,1997页。
- 香港杨,小君倪,“动态造型机床热误差补偿,”j .制造科学与工程学报,125卷,第254 - 245页,2003年。
- Chi-Wei林,杰伊·f·你乔Kamman,”一个集成thermo-mechanical-dynamic模型来描述电动机床主轴在高速旋转,国际期刊的机床和制造、卷43岁的10个问题,1035 - 1050页,2003年8月。
- 月亮Jong duke energy, Kim Bong-Suk李Soo-Hun,“发展主动平衡装置的高速主轴系统使用影响系数”国际期刊的机床和制造、46(9):978 - 987年,2006年。
- Atsushi松原,Motoyuki苏吉哈拉,艾哈迈德A.D.Sarhan。,“ Research on spindle and machining process monitoring for intelligent machine tools”, International conference on Leading Edge manufacturing in 21st century, Nagoya-Japan. Oct, 2005.
- Jerard, R b,巴里·k·Fussell许敏,乍得斯凯勒,唐纳德·Esterling”发展的实验研究智能机床”,学报2006 NSF DMII会议的获奖者,圣路易斯,7月24日,2006年。
- 徐,M。,C.K. Schuyler, B.K. Fussell, R.B. Jerard, “Experimental Evaluation Of A Smart Machining System For Feedrate Selection And Tool Condition Monitoring,” Transactions of the North American Manufacturing Research Institution/SME Volume 34, NAMRC 34, Marquette University, 2006.
- Al-Shareef, kjH,布兰登,j,"On the Applicability of Modal and Response Representations in the Dynamic Analysis of Machine Tool Spindie Bearing Systems," Journal of Engineering Manufacture, Vol. 205,pp. 139-145, 1991.
- 斯凯勒,c。,“Feedrate Optimization and Tool Condition Monitoring of Flat End Milling Operations Utilizing Spindle Motor Power”, M.S. Thesis, UNH ME Department, 2005.
|
菜单
