资源目录
压缩包内文档预览：(预览前20页/共35页)
编号：484931
类型：共享资源
大小：1.26MB
格式：ZIP
上传时间：2015-11-05
上传人：QQ28****1120
认证信息
个人认证
孙**（实名认证）
辽宁
IP属地：辽宁
30
积分
- 关 键 词：
-
机械毕业设计全套
- 资源描述：
-
GY01-248@连杆工艺及扩孔夹具的设计,机械毕业设计全套
- 内容简介：
-
毕业设计 工艺规程 题 目 连杆工艺及扩孔夹具设计 系 别 机电工程系 专 业 机械设计制造及其自动化 班 级 161002 学生姓名 柯昌军 学 号 103311 指导教师 邓修瑾 nts 工 序 目 录 产 品 型 号 柴油机连杆 共 21 页 零 组 件 号 第 1 页 工 序 号 工 序 名 称 设 备 工序卡片数 附 注 5 锻造毛坯 空气锤 1 10 铣 X52K 1 15 粗磨 M7350 1 20 钻、扩、铰 Z3080 1 25 铣 X62W 1 30 镗 T716 1 35 铣 X6132 1 40 铣 X62W 1 45 磨 M7350 1 50 铣 X62W 1 55 铣 X62W 1 60 钻 Z3050 1 65 扩 Z3050 1 70 倒角 Z3050 1 75 组装 扳手 80 镗 T716 1 85 倒角 Z3080 1 90 磨 M7130 1 95 钻 Z2030 1 100 倒角 X62W 1 105 压 压床 1 110 倒角 X62W 1 115 镗 T2115 1 120 称重 弹簧秤 125 去重 锉刀 130 珩 磨 珩 磨机床 1 135 检查尺寸 140 无损检验 145 入库 nts 工 序 卡 片 零 件 名 称 材 料 硬 度 工序名称 工 序 号 连杆 45 号钢 223-262HB 锻造 05 设 备 空气锤 定位 夹紧 共 页 第 2 页 序 号 加 工 要 求 说 明 夹 具 刀 具 量 具 05 锻造毛坯， 热处理 223-262H。 nts 工 序 卡 片 零件名称 材 料 硬 度 工序名称 工 序 号 连杆 45 号钢 223-262HB 铣 10 设 备 X52K 定位 夹紧 共 页 第 3 页 序 号 加 工 要 求 说 明 夹 具 刀 具 量 具 10 铣连 杆大小头两平面，每面留磨量 0.5mm。 专用夹具 硬质合金端面铣刀 游标卡尺 nts 工 序 卡 片 零件名称 材 料 硬 度 工序名称 工 序 号 连杆 45 号钢 223-262HB 粗磨 15 设 备 M7350 定位 夹紧 共 页 第 4 页 序 号 加 工 要 求 说 明 夹 具 刀 具 量 具 15 以一平面定位，磨另一平面，保证中兴对称，无标记面即基面。 磁力吸盘 砂轮 厚度百分尺 nts 工 序 卡 片 零件名称 材 料 硬 度 工序名称 工 序 号 连杆 45 号钢 223-262HB 钻 扩 铰 20 设 备 Z3080 定 位 夹紧 共 页 第 5 页 序 号 加 工 要 求 说 明 夹 具 刀 具 量 具 20 以基面定位，先钻小头孔 2033.00 ，再扩小头孔 29.09 084.00，最后铰小头孔 29.49 038.00。 滑柱砖模 麻花钻，扩孔钻，高速钢铰刀 塞规 nts 工 序 卡 片 零件名称 材 料 硬 度 工序名称 工 序 号 连杆 45 号钢 223-262HB 铣 25 设 备 X62W 定 位 夹紧 共 页 第 6 页 序 号 加 工 要 求 说 明 夹 具 刀 具 量 具 25 以基面及大、小头孔定位，铣大头两侧面，保证中心对称（此平面为工艺用基准面）。 专用夹具 立铣刀 游标卡尺 nts 工 序 卡 片 零件名称 材 料 硬 度 工序名称 工 序 号 连杆 45 号钢 223-262HB 粗镗 30 设 备 T716 定 位 夹 紧 共 页 第 7 页 序 号 加 工 要 求 说 明 夹 具 刀 具 量 具 30 以基面和小头定位， 粗镗 大头孔。 专用夹具 专用镗杆 游标卡尺 nts 工 序 卡 片 零件名称 材 料 硬 度 工序名称 工 序 号 连杆 45 号钢 223-262HB 铣 35 设 备 X6132 定 位 夹 紧 共 页 第 8 页 序 号 加 工 要 求 说 明 夹 具 刀 具 量 具 35 以基面和小头孔定位，切开工件，编号杆体及上盖。 专用夹具 锯片铣刀 nts 工 序 卡 片 零件名称 材 料 硬 度 工序名称 工 序 号 连杆 45 号钢 223-262HB 铣 40 设 备 X62W 定 位 夹 紧 共 页 第 9 页 序 号 加 工 要 求 说 明 夹 具 刀 具 量 具 40 以基面和一侧面定位装夹工件，铣连杆体和上盖结合面。 专用夹具 硬质合金端面 铣刀 游标卡尺 nts 工 序 卡 片 零件名称 材 料 硬 度 工序名称 工 序 号 连杆 45 号钢 223-262HB 磨 45 设 备 M7350 定 位 夹 紧 共 页 第 10 页 序 号 加 工 要 求 说 明 夹 具 刀 具 量 具 45 以基面和一侧面定位装夹工件，磨连杆体和上盖的结 合面。 专用夹具 砂轮 厚度百分尺 nts 工 序 卡 片 零 件 名 称 材 料 硬 度 工序名称 工 序 号 连杆 45 号钢 223-262HB 铣 50 设 备 X62W 定 位 夹 紧 共 页 第 11 页 序 号 加 工 要 求 说 明 夹 具 刀 具 量 具 50 以基面和结合面定位 装夹工件，铣连杆体和上盖轴瓦锁口槽。 专用夹具 专用铣刀 游标卡尺 nts 工 序 卡 片 零 件 名 称 材 料 硬 度 工序名称 工 序 号 连杆 45 号钢 223-262HB 铣 55 设 备 X62W 定 位 夹 紧 共 页 第 12 页 序 号 加 工 要 求 说 明 夹 具 刀 具 量 具 55 以基面，结合面和一侧面定位，铣连杆体和上盖的两螺栓座面。 专用夹具 专用铣刀 游标卡尺 nts 工 序 卡 片 零 件 名 称 材 料 硬 度 工序名称 工 序 号 连杆 45 号钢 223-262HB 钻 60 设 备 Z3050 定 位 夹 紧 共 页 第 13 页 序 号 加 工 要 求 说 明 夹 具 刀 具 量 具 60 以基面和小头孔定位钻 2 10mm 螺栓孔。 专用夹具 麻花钻 塞规 65 先扩 2 12.2027.00 mm 螺 栓 孔 ， 再 扩 2 13 10.00mm 深 10mm 螺栓孔。 专用夹具 扩孔钻 塞规 70 倒角 专用夹具 专用铣刀 塞规 nts 工 序 卡 片 零 件 名 称 材 料 硬 度 工序名称 工 序 号 连杆 45 号钢 223-262HB 镗 80 设 备 T716 定 位 夹 紧 共 页 第 14 页 序 号 加 工 要 求 说 明 夹 具 刀 具 量 具 75 用专用螺钉螺母将编号的连杆体和连杆盖紧固在一起，扭紧力矩为 98-118N.m。 80 以基面和小头孔定位，半精镗镗大头孔至 65 19.00mm。 镗模 专用镗杆 游标卡尺 nts 工 序 卡 片 零 件 名 称 材 料 硬 度 工序名称 工 序 号 连杆 45 号钢 223-262HB 倒角 85 设 备 Z3080 定 位 夹 紧 共 页 第 15 页 序 号 加 工 要 求 说 明 夹 具 刀 具 量 具 85 以基面小头孔和一侧面定位，对大头孔两端倒角 45 专用夹具 专用刀具 游标卡尺 nts 工 序 卡 片 零 件 名 称 材 料 硬 度 工序名称 工 序 号 连杆 45 号钢 223-262HB 磨 90 设 备 M7130 定 位 夹 紧 共 页 第 16 页 序 号 加 工 要 求 说 明 夹 具 刀 具 量 具 90 精磨大小头两端面，保证中心对称。 磁力吸盘 砂轮 厚度百分尺 nts 工 序 卡 片 零 件 名 称 材 料 硬 度 工序名称 工 序 号 连杆 45 号钢 223-262HB 钻 95 设 备 Z2030 定 位 夹 紧 共 页 第 17 页 序 号 加 工 要 求 说 明 夹 具 刀 具 量 具 95 以基面定位，钻、扩小头油孔。 专用夹具 麻花钻 扩孔钻 百分表 100 对小头油孔倒角 90 专用夹具 专用刀具 nts 工 序 卡 片 零 件 名 称 材 料 硬 度 工序名称 工 序 号 连杆 45 号钢 223-262HB 压 105 设 备 压床 定 位 夹 紧 共 页 第 18 页 序 号 加 工 要 求 说 明 夹 具 刀 具 量 具 105 以基面和大头两侧面定位，压小头铜套孔。 专用夹具 nts 工 序 卡 片 零 件 名 称 材 料 硬 度 工序名称 工 序 号 连杆 45 号钢 223-262HB 倒角 110 设 备 Z3080 定 位 夹 紧 共 页 第 19 页 序 号 加 工 要 求 说 明 夹 具 刀 具 量 具 110 以基面和大头两侧面定位，对小头铜套孔倒角45。 专用夹具 专用刀具 nts 工 序 卡 片 零 件 名 称 材 料 硬 度 工序名称 工 序 号 连杆 45 号钢 223-262HB 镗 115 设 备 T2115 定 位 夹 紧 共 页 第 20 页 序 号 加 工 要 求 说 明 夹 具 刀 具 量 具 115 以基面和侧面定位，精镗大头孔、小头铜套孔至尺寸 专用夹具 YT15 内径千分尺 120 按规定称重 弹簧秤 125 按 规定去除重量 虎钳 锉刀 nts 工 序 卡 片 零 件 名 称 材 料 硬 度 工序名称 工 序 号 连杆 45 号钢 223-262HB 珩磨 130 设 备 珩磨机床 定 位 夹 紧 共 页 第 21 页 序 号 加 工 要 求 说 明 夹 具 刀 具 量 具 130 以 基面，小头和两侧面定位， 珩磨大头孔和小头铜套孔，保证图中尺寸。 专用夹具 油石 内径千分尺 135 检查 各 尺寸精度 140 无损验伤 145 入库 nts nts学院：西北工业大学明德学院 专业：机械设计制造及其自动化 姓名：柯昌军 西北工业大学明德学院10级本科毕业设计答辩 nts题目：连杆工艺及扩孔夹具设计 主要任务： 根据连杆结构特点，绘制连杆图、连杆毛坯图；安排连杆加工工艺路线、编制连杆加工工艺规程；根据指导老师要求设计第 80道工序（半精镗大头孔）夹具。 nts连杆的结构 连杆由连杆大头，杆身和连杆小头三部分组成。连杆大头是分开的，一半为连杆盖，另一半与杆身和小头连为一体称为连杆体。连杆体与连杆盖通过螺栓连接起来，最终形成一整套连杆。 nts 连杆装配图 nts 连杆体零件图 nts 连杆盖零件图 nts连杆毛坯的加工方法 连杆毛坯的加工方法有两种：一种是将连杆体和连杆盖合成一体整体模锻，在以后的工序中再将其切开；另一种是将连杆体和连杆盖分开模锻。本工工艺规程中选择的是整体模锻方法。 nts连杆的加工工艺过程 连杆主要加工表面有：大头孔、小头孔、大小头两平面、大头两侧面，体和连杆盖的结合面。次要加工面有：轴瓦锁扣槽、小头油孔和螺栓座面等。 连杆加工路线按连杆的分合可分为三个阶段：第一个阶段为连杆体和盖切开之前的的加工；第二个阶段为连杆体和盖切开后的加工；第三阶段为连杆体和盖合装后的加工。 连杆的第一阶段加工主要是为后续加工准备精基准；第二阶段主要是加工除精基准以外的其它表面，包括大头孔的粗加工、螺栓孔的加工、结合面的加工以及轴瓦锁口槽的加工等；第三阶段主要是保证连杆各技术要求的加工，包括合装后大头孔的半精加工、精加工，大小头两平面的精加工等等。 nts各主要加工表面工序安排如下： 大小头两平面： 铣、粗磨、精磨 大头孔：粗镗、半精镗、精镗、珩磨 小头孔：钻、扩、铰、压铜套后镗、珩磨 一些次要的加工工序可根据需要安排在主要工序的中间或后面。 nts 定位基准的选择 在连杆的加工过程中，大部分工序选用连杆的一个大小头平面和小头孔作为主要基准，并用大头一侧面作为另一基准。这是由于大小头平面的面积大，定位比较稳定，用小头孔定位可以直接控制大、小头孔中心距。这样就使各工序中的定位基准统一起来，减少了定位误差。 nts 夹具设计 根据指导老师要求，需设计第 80道工序夹具，该工序为半精镗大头孔，设备为 T716立式镗床。在保证尺寸精度的同时还要考虑如何提高劳动生产率，降低劳动强度。 该工序定位基准有小头孔，一大小头平面和大头一侧面，属于基准重合。限制的自由度有 X轴的移动、 Y轴的移动、 X轴的转动、 Y轴的转动、 Z轴的转动，属于完全定位。 nts 夹具图 nts 该夹具主要组成部件如下图 nts 该夹具中定位键有：定位销、垫块、支架。 夹紧机构包括：齿轮轴、齿条轴杆、压板、手 柄、螺钉，螺母等。夹紧方式采用了齿轮轴齿 条自锁手动加紧，即简化了夹具的夹紧结构，又提高了装卸速度，从而起到了提高劳动生产率，降低劳动强度这一要求。 nts夹具精度分析 该夹具中造成被加工表面误差的影响因 素主要有：定基误差、定位误差、夹紧误差 安装误差和加工误差。要使夹具满足精度要 求，以上各误差之和应小于要保证的尺寸公 差。 nts解说完毕 谢谢各位老师 nts 毕业设计（论文）外文翻译 译文题目： 创造机器人：把基本机制创造成一个具有自我激励，自我组织构架的机器人 外文题目： Bringing up robot: F undamental mechanism For creating a self-motiv ated, self-organizing architecture 系 别 机电工程系 专 业 机械设计制造及其自动化 班 级 161002 学生姓名 柯昌军 学 号 103311 指导教师 邓修瑾 nts 1 Bringing up robot: F undamental mechanisms for creating a self-motiv ated, self-organizing architecture In this paper we describe an intrinsic developmental algorithm designed to allow a mobile robot to incrementally progress through levels of increasingly sophisticated behavior. We believe that the core ingredients for such a developmental algorithm are abstractions, anticipations, and self-motivations. We propose a multi-level, cascaded discovery and control architecture that includes these core ingredients. Toward this proposal we explore two novel models: a governor for automatically regulating the training of a neural network; and a path-planning neural network driven by patterns of mental states which represent protogoals. 1 Introduction Most intelligent robot control systems begin with the goal of creating a robot to carry out humanissued tasks. While these tasks v ary in difficulty , they must, by their very nature, involve abstract concepts. For example, typical tasks might be: go to a specific location, identify an object, or pick up an object. Attempting to directly achieve the goal of carrying out human commands creates basic assumptions about the architectural design of a robot. We call this philosophy task-oriented design. Within the task-oriented design paradigm, there are two competing methodologies: top-down, and bottom-up. T op-down designers apply computational algorithms that can be carried out on the robots so as to accomplish a given task. There is a range of computational models employed in robotics: dead reckoning (e.g., using internal measures of space), sensor fusion, behavior fusion, and symbolic logic. Bottom-up designers again usually take the task to be performed by the robot as a pre-specified assumption. However, the control architecture of the robot is designed in a bottom-up fashion.Examples include subsumption architectures, supervised learning schemes, and evolutionary computation. We believe that a significant pitfall exists in both the top-down and bottom-up task-oriented robot design methodologies: inherent anthropomorphic bias. This bias refers to the design of prespecified robot tasks: traditional research in the design of intelligent robots has attempted to get robots to do the tasks a human can, and do it in nts 2 a human-centered manner. Historically , this methodology started out by imitating the physical actions of a child playing with blocks. A task was decomposed into a planning problem, and then, with a robot equipped with an arm and a gripper, the robot was asked to manipulate specic blocks. The inherent anthropomorphic bias existed by design, since the issue was to explore models of intelligent behavior. The pitfall in this approach is that the symbolic modeling of behavior is based on the capabilities of a human body and human concepts. Both capabilities may be inappropriate assumptions for the physical body and experiences of the robot. Furthermore, even if we could build a robot with a human-like body and senses, it is not clear that we can jump straight to the abstract task at hand. Many control issues need to be solved in order to have a robotic system carry out even the simplest of tasks. After a half-century of continued research, the artificial intelligence and robotics communities are still far from developing any type of general purpose intelligent system. Recently , a new approach called developmental robotics is being applied to the design of robot behaviors. In this approach, an artifact under the control of an intrinsic developmental algorithm discovers capabilities through autonomous real-time interactions with its environment using its own sensors and effectors. That is, given a physical robot or an artifact, behaviors (as well as mental capabilities) are gr own using a developmental algorithm. The kinds of behaviors and mental capabilities exhibited are not explicitly specified. The focus is mainly on the intrinsic developmental algorithm and the computational models that allow an artifact to grow. A developmental approach to robotics is partly an attempt to eliminate anthropomorphic bias.By exploring the nature of development, the robot is essentially freed from the task of achieving a pre-specified goal. As long as the intrinsic developmental algorithm demonstrates growing behavior there is no need to pre-specify any particular task for the robot to perform. Indeed, it is the goal of developmental robotics to explore the range of tasks that can be learned (or grown) by a robot, given a specific developmental algorithm and a control architecture. This paper outlines our approach to a developmental robotics program and two experiments toward an implementation. 2 Overview of a Developmental Robotics Paradigm The ultimate goal of our developmental robotics program is to design a control architecture that could be installed within a robot so that when that robot is turned on nts 3 for the first time, it initiates an ongoing, autonomous developmental process. This process should be unsupervised, unscheduled, and task-less, and the architecture should work equally well on any robot platform|a fixed robot arm, a wheeled robot, or a legged robot. The intrinsic developmental process we are currently exploring contains three essential mechanisms: abstraction, anticipation, and self-motivation. In a realistic, dynamic environment, a robot is flooded with a constant stream of perceptual information. In order to use this information effectively for determining actions, a robot must have the ability to make abstractions so as to focus its attention on the most relevant features of the environment. Based on these abstractions, a robot must be able to anticipate how the environment will change over time, so as to go beyond simple reflexive behavior to purposeful behavior. Most importantly , the entire process is driven by internal motivations to push the system toward further abstractions and more complex anticipations. We believe that the developmental process should be employed in a hierarchical, bootstrapping manner, so as to result in the discovery of a range of increasingly sophisticated behaviors. That is, starting with a basic, built-in innate behavior, the robot exercises its sensors and motors, uses the mechanisms for abstraction and anticipation and discovers simple reflex behavior. A self-motivated control scheme employs these discoveries in order to supercede its innate behavior. This constitutes the first stage of the bootstrapping process. The same intrinsic developmental algorithm can be employed recursively in subsequent stages, using the knowledge discovered in previous stages. For example, a secondary stage may abstract sequences of behaviors and corresponding perceptual views. These behavior sequences, termed protoplans 12, can lead the robot through a series of views in the environment thus resulting in interesting places to visit. We will call these places protogoals. Here, the proto prefix implies a distinction between standard notions of plans and goals from the developmental ones used here.The same developmental process may be cascaded beyond this stage to result in discovery of actual goals and plans. The control scheme that is responsible for driving the robot at each stage uses the discovered abstractions and anticipations while being pushed by internal motivations. At the lowest level, the motivational model indicates to the system how comfortable it is in the given environment. If it is too comfortable, it becomes bored, and takes measures to move the robot into more interesting areas. Conversely , if the nts 4 environment is chaotic, it becomes over-excited and attempts to return to more stable and well known areas. These anthropomorphic terms will be described below in more technical terms. nts 5 创造机器人：把基本机制创造成一个具有自我激励，自我组织构架的机器人 在本文中，我们描述了一种具有内在发展算法的机器人，这种机器人能通过日益复杂的行为来提高自己。我们认为对于这样一个发展的算法它的核心成分是抽象的，随机应变的和自我动机的。于是我们提出了一个多层次的，级联的发现，和包括那些核心成分的控制结构。针对这样一个提议我们讨论了两种新的 模型：一个带自动调节神经网络的调节器和一个代表着“ protogoals”神经网络路径规划的模式驱动。 1 介绍 大多数机器人的控制系统开始于创建一个机器人来执行人们发出的目标任务。而这些任务都很困难，它们有本身的性质，是一些抽象的概念。例如，典型的任务可能是：去一个特定的位置，识别或者选择一个目标。试图直接实施人们的命令来创建关于机器人设计的基本假设。我们称这种理念为面向任务设计。 在面向任务设计理念里，有两套互相对立的设计方法：自顶向下设计和自底向上设计。自顶向上的设计算法可以让机器人完成指定的任务。 在机器人内部运用了一系列的计算模型：航位推算（例如，使用内部空间的措施），传感融合，行为融合，和符号逻辑。 自底而上的设计师往往让机器
- 温馨提示:
1: 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
人人文库网所有资源均是用户自行上传分享，仅供网友学习交流，未经上传用户书面授权，请勿作他用。
川公网安备: 51019002004831号