废旧滚动轴承再制造质量评价方法

滚动轴承作为长期处于高速、高负荷运行状态下的零部件,其再制造的质量将极大地影响再制造产品的寿命周期。对再制造后滚动轴承的4种状态进行测试,分析其产生的质量问题,并提出了一种基于小波包分解和BP神经网络相结合的滚动轴承再制造质量评价方法。首先对再制造后的滚动轴承进行不同状态下的振动信号采集,利用小波包分解对信号进行预处理,得到信号的能量特征;接着将此能量特征转化为特征向量并作为BP神经网络的输入,在经过训练后的网络中对其进行测试,从而来对信号进行识别,达到确定再制造轴承的质量状况的目的。     

基于自修正模型的五轴机床RTCP标定方法

针对传统五轴机床回转中心的标定方法的精度和效率问题，提出一种带有自动修正功能的双摇篮式五轴机床RTCP的标定方法。应用最小二乘拟合的粗自动标定和“自校验-自修正”的精自动标定方案，通过引入试切校验思想，使用接触式探头和标准球对现有RTCP参数进行精度自校验，并根据误差反推RTCP参数，然后再次校验，不断迭代优化并逐步逼近最优解，形成闭环标定。经过试切和标准球校验显示，经过自修正精度优化的结果单方向误差在0.01 mm以内，对比粗标定误差0.03～0.06 mm,精度提升66%以上，且多组实验的重复性能良好。