本文關鍵詞：飛機復合材料加工機床刀具狀態(tài)監(jiān)測方法研究

  更多相關文章： 飛機復合材料 刀具磨損狀態(tài) 聲發(fā)射信號 小波包能量分析 BP神經網絡

【摘要】：隨著我國民航產業(yè)的迅猛發(fā)展,對飛機結構材料的性能要求不斷提高。復合材料因為具有質量輕,強度高、工藝性能好等優(yōu)點,被大量地應用于飛機制造中。由于復合材料具有各向異性、韌性較強的結構特點,其加工性能較差,屬于難加工材料,使得切削加工過程變得十分困難。刀具作為切削復合材料的直接執(zhí)行者,承受著不同的切削抗力,極易出現磨損現象,從而影響產品質量及制造成本。因此,為了確�，F代飛機制造系統中自動化加工機床的加工效率和飛機復合材料加工件的質量,保障機床設備無故障運行,迫切要求實現刀具狀態(tài)的在線監(jiān)測。開展本課題的研究,對于切實解決國產大飛機制造實際問題具有促進作用。論文在目前國內外飛機復合材料加工機床刀具狀態(tài)監(jiān)測技術研究現狀的基礎上,首先探尋了刀具磨損的產生機理,分析了刀具磨損的三種狀態(tài),研究了在刀具磨損過程中聲發(fā)射信號的產生原因及其特性。然后,設計了以工控機為控制核心、以Matlab為驅動軟件的飛機復合材料加工機床刀具狀態(tài)監(jiān)測系統,搭建了系統的硬件平臺和軟件平臺。其次,以刀具不同磨損狀態(tài)下的聲發(fā)射信號為研究對象,分別進行時域和頻域分析,目的在于尋求可以表征刀具磨損狀態(tài)的特征量。再次,針對飛機復合材料加工機床刀具切削過程中的磨損狀態(tài)不易監(jiān)測問題,提出了應用小波包能量的飛機復合材料加工機床刀具狀態(tài)監(jiān)測方法。該方法將聲發(fā)射信號分別進行一、二、三層小波包分解,劃分到不同的頻率帶上,再重構原信號,根據重構原信號能量百分比在三種狀態(tài)下的分布情況,確定刀具磨損狀態(tài)的最佳特征量。最后,建立了刀具磨損狀態(tài)的BP神經網絡模型,解決了刀具磨損三種狀態(tài)的識別問題。計算機仿真和實物測試結果驗證了該方法的可行性與有效性。
【關鍵詞】：飛機復合材料 刀具磨損狀態(tài) 聲發(fā)射信號 小波包能量分析 BP神經網絡
【學位授予單位】：中國民航大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：V261
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-16
• 1.1 課題的研究背景及意義9-11
• 1.2 國內外研究現狀及分析11-14
• 1.2.1 刀具狀態(tài)直接監(jiān)測方法11-12
• 1.2.2 刀具狀態(tài)間接監(jiān)測方法12-14
• 1.3 本文的研究內容14-16
• 第二章 刀具磨損機理與聲發(fā)射信號特性研究16-24
• 2.1 刀具磨損機理16-20
• 2.1.1 刀具磨損原因16-17
• 2.1.2 刀具磨損形態(tài)17-19
• 2.1.3 刀具后刀面磨損過程19
• 2.1.4 刀具磨鈍標準19-20
• 2.2 刀具磨損聲發(fā)射信號特性研究20-23
• 2.2.1 聲發(fā)射信號產生原理20-21
• 2.2.2 聲發(fā)射信號特性研究21-23
• 2.3 本章小結23-24
• 第三章 基于聲發(fā)射法的刀具狀態(tài)監(jiān)測系統設計24-30
• 3.1 系統組成與工作原理24-25
• 3.2 系統硬件設計25-27
• 3.2.1 加工機床25
• 3.2.2 傳聲器25-26
• 3.2.3 前置放大器26-27
• 3.2.4 工控機27
• 3.2.5 加工刀具27
• 3.3 系統軟件設計27-28
• 3.4 系統實驗設置28-29
• 3.5 本章小結29-30
• 第四章 基于時域和頻域的聲發(fā)射信號分析方法研究30-40
• 4.1 基于時域特征的聲發(fā)射信號分析方法研究30-33
• 4.1.1 聲發(fā)射信號統計特征參數30-31
• 4.1.2 聲發(fā)射信號時域特征分析31-33
• 4.2 基于頻域特征的聲發(fā)射信號分析方法研究33-38
• 4.2.1 幅頻譜與相位譜33
• 4.2.2 功率譜33-34
• 4.2.3 Welch平均法功率譜34-35
• 4.2.4 聲發(fā)射信號頻域特征分析35-38
• 4.3 本章小結38-40
• 第五章 基于小波包能量的聲發(fā)射信號分析方法研究40-54
• 5.1 小波分析基本理論40-43
• 5.2 小波包分析方法43-46
• 5.2.1 小波基的選擇45
• 5.2.2 小波包分解層數的選擇45-46
• 5.3 小波包頻帶能量特征法原理46-47
• 5.4 聲發(fā)射信號特征量提取47-53
• 5.4.1 聲發(fā)射信號小波包分析47-50
• 5.4.2 聲發(fā)射信號頻帶能量特征提取50-53
• 5.5 本章小結53-54
• 第六章 基于神經網絡的刀具磨損狀態(tài)識別54-65
• 6.1 神經網絡基本理論54-57
• 6.1.1 神經元模型54-55
• 6.1.2 BP神經網絡模型及算法55-57
• 6.2 刀具磨損狀態(tài)識別57-63
• 6.2.1 識別神經網絡的建立57-59
• 6.2.2 識別神經網絡的訓練仿真59-61
• 6.2.3 識別神經網絡的測試仿真61-63
• 6.3 本章小結63-65
• 結論65-67
• 參考文獻67-70
• 致謝70-71
• 攻讀碩士期間發(fā)表論文71

【參考文獻】

中國期刊全文數據庫 前10條

1 席劍輝;林琳;;聲發(fā)射熵分析刀具磨損故障預測研究[J];機械設計與制造;2014年05期

2 鄧文科;彭林波;何蔚;;數控加工中心的刀具監(jiān)控技術[J];科技創(chuàng)新導報;2011年17期

3 孫艷杰;艾長勝;;基于切削聲和切削力參數融合的刀具磨損狀態(tài)監(jiān)測[J];組合機床與自動化加工技術;2011年05期

4 陳雷明;楊潤澤;張治;;刀具檢測方法綜述[J];機械制造與自動化;2011年01期

5 龔伏廷;涂愛萍;王建勇;;小波神經網絡在模擬電路故障診斷中的應用[J];計算機仿真;2011年02期

6 韓文蘭;席劍輝;;刀具聲發(fā)射信號混沌特征提取及趨勢分析[J];沈陽航空工業(yè)學院學報;2010年04期

7 于啟勛;;復合材料的切削加工技術[J];航空制造技術;2009年23期

8 龔廷愷;王細洋;;刀具監(jiān)控技術在金屬切削過程中的應用[J];航空制造技術;2009年13期

9 莊子杰;王海麗;湯為;;刀具破損狀態(tài)聲發(fā)射信號的多分辨率分析[J];機械設計與研究;2009年03期

10 聶鵬;王東磊;王哲峰;徐濤;;刀具磨損聲發(fā)射信號處理中小波基選取的研究[J];工具技術;2009年01期

，

本文編號：992773