|
搜索
搜 索
高等教育領域數字化綜合服務平臺
電化學加工（宏微二級驅動）工作臺(博實)
產品詳細介紹：電化學加工（宏微二級驅動）工作臺主要應用于電化學加工方面，具有X-Y-Z方向三維宏動和X-Y-Z方向三維微動。宏動平臺采用步進電機結合高品質滾珠絲桿。微動平臺由三臺壓電陶瓷致動器驅動的一維納米級精密定位工作臺MPT-1JRL003通過連接板組合而成。 在驅動中，首先采用步進電機驅動的大行程、低分辨率的機構進行粗定位,實現大行程范圍內快速地微米級定位精度，然后采用壓電陶瓷驅動小行程、高分辨率的微動工作臺在微米級行程范圍實現對粗定位平臺的納米級誤差補償。
哈爾濱工業大學博實精密測控有限責任公司
2021-08-23
一種基于指令域分析的數控加工工藝參數動態優化方法
本發明公開了一種基于指令域分析的數控加工工藝參數動態優 化方法，包括： (1)設置采樣的加工狀態信息和加工程序指令序列信息， 并相應配置形成加工信息動態采集界面；(2)實時采集獲取實際加工數據，并利用正余弦算子對采集的數據進行迭代平滑處理，并提取濾波 處理后信號的特征值； (3)根據當前行加工的 G 指令和/或刀位軌跡類型 在工藝系數數據庫中選擇確定優化系數；(4)利用上述步驟獲取的特征 值以及優化系數，建立優化模型，據此計算當前合理的工藝參數，從 而實現對加工工藝參數的動態優化。本發明的方法以指令域分析為基 礎，可以實現對數控系統工藝參數快速優化，實現與插補周期同步， 最大程度實現數控系統加工質量與效率的提升。
華中科技大學
2021-04-11
第二代桌面型激光加工系統 LPKF ProtoLaser H4
第二代桌面型激光加工系統 LPKF ProtoLaser H4
實驗室加工升級解決方案
將厚板甚至多層板的機械鉆孔優勢與高速、無應力的激光圖形加工優勢集成在一臺桌面型加工系統中。
常見電路板材料的圖形快速加工
無機械應力，掃描電鏡引導激光精確加工幾何圖形
厚板通過機械方式實現鉆孔和透銑
結構安全、緊湊的桌面型系統：適用于實驗室環境，激光安全等級Ⅰ級
智能直觀的一體化操作軟件LPKF CircuitPro RP
快速制作，加工材料廣泛，實驗室高可靠性加工方案！
基于LPKF ProtoLaser 激光直寫系統與LPKF ProtoMat機械系統的多年實踐驗證，LPKF推出了激光與機械結合的第二代解決方案LPKF ProtoLaser H4，該型號結構緊湊、更加經濟，效率也更高，在CircuitPro智能軟件的助力下，將CAD數據導入，激光加工與機械加工自動無縫對接，直接完成電路板的全部加工步驟。
最新一代的桌面型入門激光加工系統，內置電腦以及操作軟件，即插即用。
僅需連接電源插座，壓縮空氣以及吸塵器即可加工標準單面/雙面FR4基材，單面RF、PTFE或者陶瓷基板，也可實現柔性基材如PET膜上的鋁箔100 μm/50 μm的線寬/間距。系統配置了真空吸附臺，柔性基材和箔片材料可任意放置，確保將其輕松固定在工作臺表面。
操作簡單
視覺校準、材料厚度測量、六個機械刀具位以及大量軟件定義的激光工具和預置大量材料參數庫供參考，LPKF ProtoMat H4幾乎無需用戶人工干預即可自動運行。
結構緊湊加工效率高
ProtoLaser H4第二代桌面型激光系統，僅需一個電源插座和壓縮空氣即可運行。系統配備了大理石操作臺面，激光安全等級為一級，無需其他防護措施。
樂普科（天津）光電有限公司
2022-06-22
自蔓延反應燒結氮化硅/氮化硼復相可加工陶瓷
北京科技大學特種陶瓷研究室開發出一種自蔓延反應燒結氮化硅/氮化硼復相可加工陶瓷材料，其應用前景極其廣闊。 Si和N2合成Si3N4反應的絕熱燃燒溫度高，體積有所增加，生成棒狀的b-Si3N4相相互交叉，提高了自蔓延反應燒結氮化硅多孔陶瓷的強度，但氮化硅加工性能差。h-BN陶瓷可加工性能好，但燒結性能差。本項目利用h-BN相在氮化硅陶瓷中形成弱界面，當加工時，弱界面上會形成微裂紋，并沿弱界面發生偏轉，耗散裂紋擴展的能量使裂紋擴展終止；當載荷繼續上升時，在下層的弱結合界面處將產生新的臨界裂紋再擴展；如此反復，使裂紋成為跳躍式階梯狀擴展，斷裂漸次發生而非瞬間脆斷，使氮化硅/氮化硼多孔陶瓷材料具有了好的可加工性能。 本項目原料中采用了一定比例的Si粉，比完全以Si3N4粉為原料的普通燒結工藝節約了原料成本。產品的基本工藝為自蔓延高溫合成（燃燒合成）工藝，在氣體高壓反應器中進行，燒結所需要的能量完全由原料自身放熱提供，與其他制備方法（常壓燒結、熱壓燒結、反應燒結）相比較，不需要高溫燒結爐長時間燒結，大大節省了能源。本項目工藝簡單，燒結速度快，效率高。可制作復雜形狀一維，二維的大尺寸陶瓷材料。抗彎強度已做到188MPa，材料可加工性能優良。 已獲中國發明專利《ZL 200610089013.6自蔓延反應燒結Si3N4/BN復相可加工陶瓷的方法》。
北京科技大學
2021-04-11
葉片及葉盤智能閉環磨削加工裝備關鍵技術與產品開發
葉片與葉盤是航空發動機、重型燃機等的關鍵核心零件，其葉片復雜型面的高效高精度先進加工技術是保證航發及燃機正常穩定運行的決定因素。為打破航發及重型燃機關鍵零部件高效高精加工技術國際封鎖和壟斷，在國家自然科學基金支持下，課題組針對葉片、葉盤的工藝特點，研究數字化設智能加工－測量一體化集成技術，自主開發了集成雙模式靈巧測量－誤差動態補償－復雜曲面CAM編程－力位動態解耦－多軸聯動控制的關鍵核心技術，開發出系列的自動化柔性復合磨削及拋光加工閉環智能制造裝備，可實現一次裝夾完成葉片及葉盤相應葉尖、型面、進/排氣邊、葉根圓角和凸臺過渡區部位的復合磨拋集成加工，可極大提高航空發動機葉片及其葉盤、重型燃機整體葉盤及葉片、汽輪機葉片等的加工精度及效率，推進我國航空及能源動力產業的技術提升與發展。 應用領域： 航空發動機、重型燃機、汽輪機、鼓風機等透平機械葉片制造行業 技術指標： ？ 實現各型葉片型面的粗磨及精磨過程，表面粗糙度≤Ra 0.2μm； ？ 葉片型面輪廓度：距排氣緣3mm范圍內在±0.03mm內，其余區域在±0.05mm以內。
電子科技大學
2021-04-10
基于多傳感器集成測量的自由曲面類零件加工系統
本發明公開了一種基于多傳感器集成測量的自由曲面類零件加工系統；曲面測量組件集成了非接觸式和接觸式兩種傳感器，曲面加工組件裝有銑削用銑刀，曲面測量組件與曲面加工組件通過直線導軌連接；點云處理組件用于對非接觸式傳感器獲得的點云數據進行幾何處理，將當前工作臺可直接執行的加工 G 代碼提供給曲面加工組件進行加工；曲面測量組件對工件進行非接觸式測量，再對精加工得到的產品進行接觸式測量；質量檢測組件用于對接觸式傳感器獲得的測量數據進行誤差比較，獲得產品質量結果。本系統集成了非接觸式和接觸式兩種傳感器，在同一機床上實現“測量-加工-檢測”一體化，整個過程無需人工干預，提高了加工效率和自動化程度。
華中科技大學
2021-04-11
對數控機械加工設備的模態分析測點執行布置優化的方法
本發明公開了一種用于對數控機械加工設備的實驗模態分析測點執行布置優化的方法，包括：(1)通過有限元仿真，獲得設備的整體結構模態振型及相應的模態振型矩陣；(2)利用整體結構模態振型，確定并選取設備的模態振型敏感部件及其相應的振型矩陣；(3)從模態振型敏感部件中選取其表面可測節點，并將這些表面可測節點作為布置優化的對象；(4)使用有效獨立法，對表面可測節點進行迭代剔除；以及(5)采用香農采樣定理，對模態振型敏感部件執行線性化均勻布點。通過本發明，可以克服現有模態測試效率低、時間長等方面不足，并能夠在保證數控機床結構模態測試中固有頻率和振型辨識前提下，優化測點數目及測點位置，提高測試效率。
華中科技大學
2021-04-11
葉片及葉盤智能閉環磨削加工裝備關鍵技術與產品開發
葉片與葉盤是航空發動機、重型燃機等的關鍵核心零件，其葉片復雜型面的高效高精度先進加工技術是保證航發及燃機正常穩定運行的決定因素。為打破航發及重型燃機關鍵零部件高效高精加工技術國際封鎖和壟斷，在國家自然科學基金支持下，課題組針對葉片、葉盤的工藝特點，研究數字化設智能加工－測量一體化集成技術，自主開發了集成雙模式靈巧測量－誤差動態補償－復雜曲面CAM編程－力位動態解耦－多軸聯動控制的關鍵核心技術，開發出系列的自動化柔性復合磨削及拋光加工閉環智能制造裝備，可實現一次裝夾完成葉片及葉盤相應葉尖、型面、進/排氣邊、葉根圓角和凸臺過渡區部位的復合磨拋集成加工，可極大提高航空發動機葉片及其葉盤、重型燃機整體葉盤及葉片、汽輪機葉片等的加工精度及效率，推進我國航空及能源動力產業的技術提升與發展。
電子科技大學
2021-04-10
一種基于弦線的航空薄壁葉片加工扭曲度誤差測量方法
本發明公開了一種用于測量葉片加工扭曲度誤差的方法，包括：為待測量的葉片和葉片設計模型分別截取多個截面并生成相應的點云數據；提取所生成的點云數據以獲得凸包；根據所獲得的凸包，分別求出有關葉片測量模型和葉片設計模型的各個截面的弦線參數也即弦線的兩端點坐標；根據所求出的弦線參數，計算將葉片測量模型的各個截面與葉片設計模型的相應截面重合時所需的旋轉角度，由此獲得待測量葉片的各個截面的扭曲度誤差。本發明還公開了相應的用于提取凸包的改進方式。按照本發明，可以快速、準確地測量葉片在加工過程中的扭曲度誤差，并能將所測得的型面扭曲度誤差結果作為評價葉片加工質量的指標，相應改善葉片加工質量。
華中科技大學
2021-04-11
一種數控機床切削加工的刀具磨損狀態識別方法
本發明公開了一種數控機床切削加工的刀具磨損狀態識別方法，具體包括如下步驟：（1）數據采集（2）采集數據區間化，獲得區間數據集<img file="DDA00001669935800011.GIF" wi="787" he="88" />（3）對采集信號進行小波包分解，獲得各頻段的能量百分比和相應各頻段的上界小波包系數和下界小波包系數；（4）獲取多觀察序列（5）求取廣義隱馬爾科夫初始模型λ=（A,B,π）；（6）模型訓練獲得最優模型庫λ＝(λ<sub>1</sub>,...,λ<sub>n</sub>)；（7）把待識別磨損狀態的刀具磨損信號數據作為多觀察輸入代入上述最優模型庫，識別刀具磨損狀態。本發明通過廣義區間概率來解決數據機床加工中研究刀具磨損狀態時，信息處理中出現的不確定性問題，識別準確率顯著提高。
華中科技大學
2021-04-11