落料线梯形板料生产尺寸改进方法

来源 :锻压装备与制造技术 | 被引量 : 0次 | 上传用户:hoooopy
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
落料线是用来将冷轧钢卷开卷、落料、剪切加工的生产线,主要为汽车企业提供落料压力成形及板材剪切服务.随着用户对汽车板质量要求的提高,汽车主机厂对落料剪切板料的尺寸要求越来越严格,落料线在板料的尺寸精度控制方面存在一些不足.本文针对梯形板料尺寸超差方面的缺陷,从梯形板料尺寸理论和实际控制方面进行分析,改进梯形产品生产的工艺和设备,使梯形板料尺寸生产合格率提高,提高落料剪切加工质量的稳定性,促进了板料质量的提升,满足了汽车厂客户的要求.
其他文献
现代生产技术的极大发展,带动了汽车车身外覆盖件生产技术的日新月异,冲压厂生产线的规范化也日益完善,大大提高了劳动生产率,减轻了劳动负担,具有重要的技术意义和经济价值.本文针对冲压件生产的流程进行了详细讲解,包含前期的准备工作如材料的送货、检查,到实际生产中的上料、生产、检验、返修等,规范了冲压厂生产过程中的一些基本操作.
本文针对快速锻造液压机组装机功率高、能耗大、使用成本高、影响企业经济效益的难题,研发了一种节能型快速锻造液压机组:采用蓄能器进行中低压储能,压机快下时充液罐单独充液,加压时蓄能器供压,加压过程中压力不足时增压器投入,三者在工作过程中无缝衔接;同时锻造操作机也共享蓄能器储存的能量.采用这一技术的35MN快速锻造液压机组已在生产实际中成功应用,机组的装机功率低于传统快速锻造液压机组的1/3,节能节电,使用成本低,具有较好的经济效益.
为提升巴氏合金与底瓦的结合强度,基于MIG焊的低热输入量和无飞溅冷熔滴过渡技术,在Q235B网格槽钢板上进行了SnSb8Cu4巴氏合金的多层多道镶焊实验.组织及机械性能检测结果表明,堆焊层仅为1级缺陷且与基体结合良好,距界面0.35mm以上处显微硬度稳定在26~30HV0.2,大于对铸造合金23.7HV0.2的硬度值要求,4.8mm厚镶焊轴瓦较3mm厚铸造轴瓦的表面显微硬度提高了3HV0.2、干摩擦的摩擦因数减小了0.03.研究表明了MIG镶焊SnSb8Cu4的工艺可行性,提供的工艺参数对中型轴瓦制备与修
三维扫描及逆向设计技术具有技术先进、精度和效率高等特点,近年来在工业制造领域得到越来越广泛的应用.因此,将三维扫描及逆向设计技术应用于叶轮的设计制造及加工质量检验成为了当前的研究热点.论文通过应用新型Win3D-M扫描系统三维扫描仪及相关设计软件,进行叶轮的逆向设计、曲面重构、及改进等工作,拓宽三维扫描及逆向设计技术的应用范围,为叶轮的研制工作提供参考.应用逆向工程设计叶轮相对传统的理论研究和试验研究,可以缩短设计周期,降低设计成本;所建的三维几何模型为后续叶轮结构研究改进优化和后续CAM加工提供了一定参
在机床领域中,机械故障70%的问题根源可以追溯到润滑油不清洁.但润滑油的清洁度仅靠肉眼是无法确定的,实际中若要避免润滑杂质问题,需通过专业的油箱清洁度检测装置进行油品清洁度检测.
介绍了一种模锻自动化生产线中半轴法兰盘模锻成型用20000kN组合框架式快速热模锻液压机.自带定位取料机构,联动吹扫、石墨喷淋、除氧化皮装置,满足整条自动化线的连线、生产需求.
三维扫描及逆向设计技术具有技术先进、精度和效率高等特点,近年来在工业制造领域得到越来越广泛的应用.因此,将三维扫描及逆向设计技术应用于飞机叶轮的设计制造及加工质量检验成为了当前的研究热点.论文通过应用新型Win3D-M扫描系统三维扫描仪及相关设计软件,进行飞机叶轮的逆向设计、曲面重构、及改进等工作,拓宽三维扫描及逆向设计技术的应用范围,为飞机叶轮的研制工作提供参考.应用逆向工程设计飞机叶轮相对传统的理论研究和试验研究,可以缩短设计周期,降低设计成本;所建的三维几何模型为后续飞机叶轮结构研究改进优化和后续C
每套自动夹钳都支持两个动作:夹钳进入/退出、打开/闭合,分别由两个气缸控制.它们在应用时需遵循先打开夹钳再退出夹持区域和先进入夹持区域再闭合夹钳夹持板材这两个基本动作时序.利用CAM软件对整张板材的加工进行路径规划,然后将CAM软件生成的CNC程序传给机床运行,再由PLC通过解析CNC程序中的代码控制自动夹钳动作,从而实现自动夹钳的夹持和避让功能.
通过液压站的压力、温度等传感器采集的数据,PLC对相关数据进行处理,通过各类阀组的控制对顶出进行控制,模拟大部分工况下的顶出要求,对液压顶出系统进行平台试验,模拟热锻模热锻成形工件进行分离,保证工件顺利进入下一工序或保证机器人能够夹取移送.
针对液压设备振动信号的非线性与非平稳性特征,提出一种VMD多尺度熵与BP神经网络的液压设备故障诊断方法.首先通过变分模态分解(Variational mode decomposition,VMD)对故障振动信号进行分解;根据得到固有模态函数分量(Intrinsic Mode Functions,IMF)求取相应的多尺度糊熵;在此基础上以VMD多尺度熵构建的故障特征矩阵输入到BP神经网络中进行训练和故障分类.实验结果表明该方法能够实现对液压设备关键故障诊断,准确率达到了97.66%.