面向增材制造的柔性数控系统的研究与开发

来源 :四川大学 | 被引量 : 0次 | 上传用户:hnyqk
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
增材制造技术又称3D打印,该技术自1986年首次商业化至今,已经过去了35年,而其真正的高速增长期是从2012年开始的。笔者认为,该现象主要由两个重要因素所致:一个是具有低成本优势的FDM技术专利到期,另一个则是因为一个称为Rep Rap的由低成本嵌入式板卡驱动的低成本3D打印机开源项目的出现。这两个因素的共同作用使得3D打印技术以以往不可想象的低成本和低门槛进入了大众消费者群体中。而近几年基于LCD光固化技术的3D打印设备也出现了颇为明显的增长。光固化方案早在1986年就已推出市场,但早期的光固化工艺其材料、设备、软件和控制系统的成本对于市场而言还是过于高昂,故未能引发与如今之热度相提并论的高速增长。近几年光固化类设备的迅速增长可归功于市场在上述个方面上获得了大幅降本的突破。由此可见,AM行业对于成本是非常敏感的,但凡实现了低成本的突破即可在全新的技术方向上带来高速的增长。未算上仍存在于各科研实验室中的创新型AM技术,目前已出现的AM技术种类不下30种之多。这些技术无不蕴藏着巨大的潜力,若能够从各个方面降低其成本,使之能够以低的成本进入其所适用的行业,将有可能带来巨大的价值。本文从控制系统的方向入手,希望能够为上述种类多样的行业应用级AM技术提供一种使之可从原型设备转化为可以面向普通用户的产品的低成本控制系统——AM专用柔性嵌入式数控系统(AM Specific Flexible NC,简称ASFENC)。ASFENC系统是一个集成了一个“数字-模拟-映射多轴控制器”和一系列可自定义、可复用的“参量-状态检测控制器”的集中控制式嵌入式数控系统。其模块化、通用化设计的软/硬件在经过用户配置后便可适用于大多数已有的各类AM技术,乃至应用到未来有可能出现某些AM技术上,具备了跨多种AM设备平台的“柔性”。ASFENC系统是由本文称为“系统世界对象”的软件对象和另一种称为“虚拟控制器”的软件对象共同驱动的。这些软件对象均以实时操作系统的线程为运行载体,是支持一个完整控制功能的运行单位。同时,这些对象还会利用实时操作系统的线程通信机制来实现对象之间的同步、通信和协作。本文先从对AM领域开展领域建模的工作出发,分析了大量AM技术的控制需求,并总结出了AM控制系统领域的领域模型。基于该模型设计了ASFENC系统的总体功能和技术方案;基于STM32F429+XC7K160T的“MCU+FPGA硬件架构”为ASFENC系统设计了全套嵌入式硬件板卡;面向AM专用柔性控制系统设计了一套柔性指令集(代号为“Pcode”)及其解析器;研究了柔性嵌入式固件的实现机制;研究了面向AM领域的“数字-模拟-映射多轴控制器”和“参量-状态检测控制器”的部分关键控制技术。最终,将本文设计的ASFENC系统应用于一面向高温、高强度PEEK耗材的高温FDM打印机的控制系统中,进行了PEEK样件的打印,获得了良好的效果。该实验初步验证了ASFENC系统的柔性集成功能。可以认为其基本能够兼容多种AM技术差异较大的成形机制控制过程和繁多的物理参量定义。而通过Pcode指令,用户或上位机程序可对ASFENC系统开展较为灵活的重构和控制。可充分满足新型行业应用级AM设备的开发者构造自定义的经济型嵌入式控制系统的需要。但是ASFENC系统目前仍处于原型阶段,后续仍有大量的优化和开发工作,仍需付出持之以恒的努力才能实现其最终的愿景。
其他文献
随着神经网络算法的不断发展和突破,神经网络算法越来越广泛的被应用在图像识别,自动驾驶,语音识别等诸多领域。卷积神经网络是从人工神经网络中派生出来的一种神经网络,它非常适合于图像的平移,比例的缩放等形式的图像变化操作。一方面,在卷积神经网络前向推理计算过程中,存在着复杂计算和高带宽访存的问题,使用通用处理器平台实现深层卷积神经网络前向推理计算过程的方法,无法保证提供足够的计算能力。另一方面,尽管使用
随着计算机图形学技术的蓬勃发展,越来越多的虚拟现实产品被运用到军事、航空、航天和娱乐领域,为这些领域的生活生产带来极大的便利。而基于沉浸式投影系统的虚拟现实技术由于其成本低、沉浸感强、空间显示范围广和适用性强等优势,得到了越来越广泛的研究和运用。这类虚拟现实系统一般由投影仪和投影屏幕构成,为了提升虚拟现实场景的沉浸性和真实性,常常采用曲面形式的投影屏幕。目前,基于沉浸式投影系统的虚拟现实技术有着广
近年来,随着通信技术的高速发展和移动终端设备的大量普及,人们越来越依赖移动设备进行工作和生活,移动应用程序也就变得越发重要。对于移动应用程序(Application,App)开发方来说,要想让App在充斥着大量同类产品的应用市场中脱颖而出,就必须使其具备丰富的图形用户界面(Graphical User Interface,GUI)和令人愉悦的用户体验(User Experience,UX)。那么如
深度学习是自动驾驶,人脸识别,生物医学图像处理以及机器人视觉等研究领域的突破性技术。虽然基于深度学习的神经网络模型以及相应的训练算法在许多大型的公开数据集中都有显著的表现,但是其往往都受限于昂贵的硬件设备,而无法应用在类似手机这种小型的设备中。知识蒸馏可以通过以学生网络学习教师网络的方式,使小规模的神经网络也能有着和大规模网络相似的效果,它相对于其他的模型压缩算法适用场景更加广泛。因此,本文重点研
当下,二维人脸识别已广泛应用于生活中,如刷脸支付、考勤管理等,但其存在防伪性差、误识率高等缺点。故人脸识别的研究重心逐渐转向三维人脸识别,其关键基础在于三维人脸模型的采集。其中,基于双目视觉的三维采集由于建模速度快、精度高成为该领域的热点,包含被动测量和主动测量。前者在自然光源下捕获目标图像,通过匹配立体图像中对应的点以恢复三维信息,如何提高立体匹配的精度是其中的关键。然而,被动三维测量难以满足高
近年来随着深度学习、计算机视觉技术的迅速发展,室内智能小车被广泛应用在社会生产生活中的多个领域,并逐渐形成了以激光雷达为主、多种感知设备共同协作的室内感知控制方案。单线激光雷达凭借其结构简单、成本低、精确度高、稳定性好等特点广泛应用于室内机器人感知系统中。单线激光雷达感知虽然可以有效的进行地图构建和定位,但是导航过程中单线激光雷达仅能获取单一平面稀疏激光点云,对非扫描平面障碍物感知不足与非均匀刚体
步态识别作为一种新兴的生物特征识别技术引起了广泛的关注和研究。与传统的生物特征识别技术相比,其难以伪装,具有非接触性、隐蔽性等特点,逐步在安防,医疗等领域中发挥了重要的作用。然而在实际场景中,遮挡或者携带物都会改变行人的行走特征,并且拍摄视角的变化也会改变行人轮廓的形状,从而影响识别结果。本文针对现有的步态识别方法在多个不同视角下的识别率不高问题,使用深度学习技术来展开研究。本文主要工作及创新点如
为解决空域日益拥堵、空中交通流量日益增加等问题,美国联邦航空管理局提出了自由飞行的概念。伴随该概念的提出,空中交通管制问题变得尤为复杂。随着我国民用航空运输事业的蓬勃发展及民航运输需求日益增加,为保证自由飞行条件下飞行器的安全,进行飞行冲突解脱策略的研究显得十分重要。现有飞行冲突解脱方法包括最优控制类冲突解脱方法、概率类冲突解脱方法以及数学规划类冲突解脱方法,这些传统冲突解脱方法存在着效率较低、计
我国目前共有1445种鸟类[1],其中不乏像白鹮、丹顶鹤等濒危物种。由于鸟类动作比较灵活,对鸟类影像资料的收集大多是通过相机进行拍照,这大大限制了鸟类教育宣传、保护和行为研究的工作开展。三维重建技术可以给上述工作提供强有力的帮助,它是指通过一定方式获取物体三维形状,从而可以更加直观的从各个视角对物体进行观察。常采用的三维重建方式包括,CAD建模和激光建模等。但这些方式存在一定的局限性,比如建模软件
随着工业的发展,零件内螺纹的加工精度要求越来越高,部分零件由于具有复杂的装配要求,其螺纹孔不仅分布复杂,甚至经常分布在不同平面内。传统的手动攻丝加工虽然具备较强的灵活性,可以完成复杂分布螺纹孔的加工,但其加工效率低,操作无法离开人力,同时其加工精度无法满足大多数企业的生产需求;而现有的组合钻床虽然效率高,但只能完成同一平面内的孔的内螺纹加工,需要移动工件才能完成复杂孔分布零件的内螺纹加工,而且组合