重卡汽车轴承支架零件加工工艺分析及夹具优化设计

来源 :大连交通大学 | 被引量 : 0次 | 上传用户:jiajiadedaan1
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
轴承支架零件是某新型重卡汽车的重要组成部件,在使用过程中起到支承轴承,增强轴承运转稳定性的作用。轴承支架零件是异形零件,其具有大量倒角、凸台和曲面,有些部位的结构厚度较薄,导致其在加工过程中出现定位装夹困难,在夹紧和加工过程中变形量较大,生产效率低,废品率高等问题。本文针对上述轴承支架的加工问题,通过分析轴承架的加工工艺,并结企业加工条件和大批量生产的需求,研究设计了轴承支架零件加工专用夹具,解决工件在夹紧和加工过程中的变形问题,提高了加工效率和加工质量。通过对轴承支架零件的自身结构特点、零件几何精度、表面粗糙度等技术要求分析,结合实际情况,确定了合理的加工方法和加工设备,制定了完整的加工工艺方案。依据零件结构特点,设计了定位准确,夹紧快速可靠的专用夹具,采用一面两销的定位方式,选取带支承定位销、球头支承钉和平面A型支承钉作为定位元件,解决了零件定位困难、定位精度低的问题。设计了辅助定位机构,使工件自主定位成功率达97.5%,有效缩短了工件定位装夹调整时间,并降低了工人的劳动强度。设计的夹具体具有可翻转功能实现了一次装夹完成多个表面的加工,大大提高了生产效率。采用solid Thinking Inspire软件,基于拓扑优化理论对辅助支承布局及数量进行优化,辅助支承效果达到最优化,有效的平衡了加工切削力,避免了工件的加工变形。采用ANSYS Workbench有限元分析软件对夹具系统进行了有限元静力学仿真分析,获取夹具总变形云图和应力变形云图,并根据分析结果对夹具强度进行校核,在强度符合要求的条件下进行夹具实际生产制造投入生产使用,零件加工结果证明专用夹具满足实际加工技术要求。
其他文献
工艺烧嘴是水煤浆加压气化领域的关键设备,所处工作环境恶劣,在高温下不仅要受到气化炉内固体、液体和气体的高速冲刷,还要受到腐蚀性介质腐蚀。因此工艺烧嘴一般采用在高温下具有良好的强度、耐蚀性和抗氧化的钴基合金或镍基合金制造。本文针对工艺烧嘴中冷却水盘管(材质为Inconel600)与烧嘴头部(材质为UMCo50)的异种合金焊接问题,采用正交试验设计法优化了TIG焊工艺参数,研究了超声振动振幅对显微组织
本文以作者所在单位CY集团为研究对象,以CY集团客车产业板块为研究内容,客车产业板块的发展战略为研究方向。CY集团拥有客车行业排名第二的苏州金龙子公司和一部分与客车产业
半导体光催化技术是解决环境污染和能源短缺等问题有的重要手段。目前研究中的半导体光催化材料主要面临着太阳光利用率低和反应效率低(光生电子-空穴易复合)的问题。因此寻
温室效应是一场全球性的环境灾难,CO2是导致这一效应的主要气体,而燃煤电站是目前最大的CO2排放源之一。富氧燃烧技术被认为是最具经济优势和应用前景的碳捕集技术之一,但其
社会快速发展、生活水平不断提高,使得人为氮素输入不断提高,这一过程正在不断导致全球氮循环处于失衡状态,对生态环境造成严重影响。生态系统中NO_3--N的去向是众多国内外学者重点研究的对象,目前主要的途径有异养反硝化、自养反硝化、厌氧氨氧化及硝酸盐异化还原为铵(DNRA)过程。为更清晰的认识这些过程及其之间的关系,本系列实验在附着型生物膜反应器和悬浮型活性污泥反应器中同时展开,以乙酸钠和硫化钠同时作
我国动车组制动系统重要部件制动盘目前被国外所垄断,随着我国铁路网的迅速发展和能源环境问题的凸显,自主研发出一种性能优越的制动盘材料,实现其国产化和轻量化成为亟待解决的问题。本课题在已实现产业化的低合金高强度铸钢材料基础上开发出一种低密度铸钢Fe-15.8Mn-7.8Al-0.77C-5.1Ni作为制动盘材料,通过添加Al和Mn等轻量化元素降低其密度,添加Ni元素诱导纳米级B2第二相实现强化。其抗拉
视觉学习方法是机器人快速学习人类技能的一种重要方式,也是提高机器人智能化水平的有效途径之一。该方法与传统的预编程指令模式相比,可以有效地免除人工编程所需要的时间,加快新场景下的部署效率。而且在执行效果上,通过视觉学习所得到的技能具有更强的鲁棒性,可以在更加复杂场景下进行任务的执行,提高任务的可操作性。本文提出一种让机器人利用视觉学习操作指令的方法。该方法通过输入操作者演示视频即可转化为机器人指令。
自1984年1月1日中国人民银行履行中央银行职能起,中国开始有了真正的货币政策,在改革开放的过程中,中国货币政策的制定也是摸着石头过河,虽然经过了三十多年的发展,但仍不可
高分子链取向可显著提升材料的力学、光学、传热等诸多物理性能,是高分子材料高性能化的重要途径。分子运动是架起微观结构与宏观性能的桥梁,是影响聚合物材料物理性能的重要基础。取向分子链构象远离无规线团的平衡态构象,导致体系熵减小,自由能增大等,使其分子动力学偏离于无规线团状态下的行为。揭示非平衡态取向高分子链动力学及其构象松弛的微观机理对优化高分子材料性能具有重要的指导意义。本文的主要目的将研究取向聚甲
图像分类和识别任务一直是机器学习领域的热门研究课题之一。而在图像分类任务中,基于卷积神经网络的深度学习方法取得了目前最优的性能。其原因在于卷积神经网络和传统的图像分类方法相比,在特征学习和提取方面有较大的灵活性。本论文主要围绕深度卷积神经网络在图像分类中的相关问题进行研究,从CNN卷积神经网络的设计、实现、训练和优化进行了说明,论文首先介绍了卷积神经网络内部的基本概念和结构,对CNN模型的内部参数