Obrabotka Metallov 2024 Vol. 26 No. 2

ОБРАБОТКА МЕТАЛЛОВ Том 26 № 2 2024 120 ОБОРУДОВАНИЕ. ИНСТРУМЕНТЫ учитывать пластическую деформацию поверхностных слоев. 4. Приведенные исследования ограничены линеаризованными моделями, справедливыми для малых возмущений и для случая устойчивых траекторий. При больших возмущениях необходимо дополнительно учитывать нелинейные эффекты взаимодействий, анализ которых будет приведен в следующих наших публикациях. Список литературы 1. Altintas Y. Manufacturing automation: metal cutting mechanics, machine tool vibrations, and CNC design. – UK: Cambridge University Press, 2012. – 366 p. – DOI: 10.1017/CBO9780511843723. 2. Virtual machine tool / Y. Altintas, C. Brecher, M. Weck, S. Witt // CIRPAnnals. – 2005. – Vol. 54 (2). – P. 115–138. – DOI: 10.1016/S0007-8506(07)60022-5. 3. Erkorkmaz K., Altintas Y., Yeung C.-H. Virtual computer numerical control system // CIRP Annals. – 2006. – Vol. 55 (1). – P. 399–402. – DOI: 10.1016/ S0007-8506(07)60444-2. 4. Virtual process systems for part machining operations / Y. Altintas, P. Kersting, D. Biermann, E. Budak, B. Denkena // CIRP Annals. – 2014. – Vol. 63 (2). – P. 585–605. – DOI: 10.1016/j. cirp.2014.05.007. 5. Machine tool calibration: Measurement, modeling, and compensation of machine tool errors / W. Gao, S. Ibaraki, M.A. Donmez, D. Kono, J.R.R. Mayer, Y.-L. Chen, K. Szipka, A. Archenti, J.-M. Linares, N. Suzuki // International Journal of Machine Tools and Manufacture. – 2023. – Vol. 187. – P. 104017. – DOI: 10.1016/j.ijmachtools.2023.104017. 6. Development ofmachining strategies for aerospace components, using virtual machining tools / L. Estman, D. Merdol, K.-G. Brask, V. Kalhori, Y. Altintas // New Production Technologies in Aerospace Industry. – Cham: Springer, 2014. – P. 63–68. – (Lecture Notes in Production Engineering). – DOI: 10.1007/978-3-31901964-2_9. 7. Kilic Z.M., Altintas Y. Generalized mechanics and dynamics of metal cutting operations for unifi ed simulations // International Journal of Machine Tools and Manufacture. – 2016. – Vol. 104. – P. 1–13. – DOI: 10.1016/j.ijmachtools.2016.01.006. 8. Soori M., Arezoo B. Virtual machining systems for CNC milling and turning machine tools: a review // International Journal of Engineering and Technology. – 2020. – Vol. 18. – P. 56–104. 9. Virtual simulation of fi ve-axis machine tool with consideration of CNC interpolation, servo dynamics, friction, and geometric errors / M.-T. Lin, T.-Y. Huang, M.-S. Tsai, S.-K. Wu // Journal of the Chinese Institute of Engineers. – 2017. – Vol. 40 (7). – P. 1–12. – DOI: 10.1080/02533839.2017.1372221. 10. Identifi cation of mass and sliding friction parameters ofmachine tool feeddrive using recursive least squares method / С. Lee, S. Hwang, E. Nam, B. Min // International Journal of Advanced Manufacturing Technology. – 2020. – Vol. 109. – P. 2831–2844. – DOI: 10.1007/s00170-020-05858-x. 11. A multipoint method for 5-axis machining of triangulated surface models / R.K. Duvedi, S. Bedi, A. Batish, S. Mann // Computer-Aided Design. – 2014. – Vol. 52. – P. 17–26. – DOI: 10.1016/j.cad.2014.02.008. 12. Five-axis tool path generation in CNC machining of T-spline surfaces / W.F. Gan, J.Z. Fu, H.Y. Shen, Z.Y. Chen, Z.W. Lin // Computer-Aided Design. – 2014. – Vol. 52. – P. 51–63. – DOI: 10.1016/j.cad.2014.02.013. 13. Kiswanto G., Hendriko H., Duc E. An analytical method for obtaining cutterworkpiece engagement during a semi-fi nish in fi ve-axis milling // Computer-Aided Design. – 2014. – Vol. 55. – P. 81–93. – DOI: 10.1016/j. cad.2014.05.003. 14. A novel virtual metrology scheme for predicting machining precision of machine tools / H. Tieng, H.C. Yang, M.H. Hung, F.T. Cheng // IEEE International Conference on Robotics andAutomation. – IEEE, 2013. – P. 264–269. – DOI: 10.1109/ICRA.2013.6630586. 15. Cloud-based design and manufacturing: a new paradigm in digital manufacturing and design innovation / D. Wu, D.W. Rosen, L. Wang, D. Schaefer // Computer-Aided Design. – 2015. – Vol. 59. – P. 1–14. – DOI: 10.1016/j.cad.2014.07.006. 16. Yang J., Guo G. Design a new manufacturing model: cloud manufacturing // Proceedings of the 2012 International Conference on Cybernetics and Informatics. – New York: Springer, 2014. – P. 1597– 1606. – (Lecture Notes in Electrical Engineering; vol. 163). – DOI: 10.1007/978-1-4614-3872-4_205. 17. Strategy for implementating predictive processoriented machine tool digital twins / M. Sulitka, P. Kolar, J. Sveda, J. Smolik // MM Science Journal. – 2022. – Vol. 10. – P. 5954–5961. – DOI: 10.17973/ mmsj.2022_10_2022121. 18. Разработка цифрового двойника станка с ЧПУ на основе методов машинного обучения / Ю.Г. Кабалдин, Д.А. Шатагин, М.С. Аносов, А.М. Кузьмишина // Вестник Донского государственного технического университета. – 2019. – № 19 (1). – С. 45–55. – DOI: 10.23947/1992-5980-2019-19-1-45-55. 19. Кабалдин Ю.Г., Шатагин Д.А., Кузьмишина А.М. Разработка цифрового двойника режущего инструмента для механообрабатывающего производства // Известия высших учебных заведений. Машиностроение. – 2019. – № 4. – С. 11–17. – DOI: 10.18698/0536-1044-2019-4-11-17.

RkJQdWJsaXNoZXIy MTk0ODM1