【摘要】：隨著制造業(yè)的發(fā)展,刀具磨損狀態(tài)監(jiān)測技術已成為制約現(xiàn)代自動化機床、乃至推動制造業(yè)智能化發(fā)展的一項關鍵技術,日益受到國內(nèi)外研究人員的重視。實時地監(jiān)測刀具狀態(tài)可提高零件加工質(zhì)量和機床的加工效率,保證系統(tǒng)在最優(yōu)參數(shù)下運行,減少機床事故的發(fā)生,實現(xiàn)機床的高度集成化和無人化。因此,刀具磨損狀態(tài)監(jiān)測技術的研究是非常迫切且重要的。為了定量的描述刀具磨損階段并實現(xiàn)磨損量的預測,本文提出了基于分形理論的刀具磨損狀態(tài)識別與磨損量預測方法。首先,通過正交試驗法針對不同切削條件安排切削試驗,在采集的聲發(fā)射信號的基礎上,應用改進小波閾值函數(shù)方法實現(xiàn)信號的降噪預處理;其次,提出了基于多重分形理論的刀具磨損狀態(tài)特征提取方法;最后,應用最小二乘支持向量機實現(xiàn)磨損狀態(tài)識別和磨損量的預測。研究內(nèi)容主要有以下幾個方面:(1)根據(jù)刀具磨損形式及過程建立了合理的刀具磨損試驗系統(tǒng),對刀具初期、正常、急劇磨損狀態(tài)下的信號進行采集。將試驗所采集到的聲發(fā)射信號作為研究對象,通過頻譜分析確定聲發(fā)射信號的頻帶分布范圍,再采用改進小波閾值法對原始聲發(fā)射信號進行降噪處理,且通過信噪比改善量和均方誤差驗證降噪效果。(2)鑒于分形理論在刻畫系統(tǒng)非線性過程的獨特優(yōu)勢,提出了基于多重分形理論的刀具磨損特征提取方法。運用經(jīng)典多重分形理論和多重分形去趨勢波動分析討論了其分形特性、自相似性、標度不變性和長程相關性;對比分析了刀具在不同切削條件下多重分形譜參數(shù)隨磨損量變化所呈現(xiàn)的變化規(guī)律;篩選出能靈敏表征刀具磨損狀態(tài)的多重分形譜參數(shù)α_0,Δα和(35)h(7)q(8)作為特征量,并通過散點圖驗證多重分形特征參數(shù)表征不同刀具磨損階段的有效性。(3)提出了基于多重分形特征與最小二乘支持向量機的刀具磨損狀態(tài)識別與預測方法。對比了BP神經(jīng)網(wǎng)絡、支持向量機和最小二乘支持向量機的識別準確率,最小二乘支持向量機優(yōu)于其他兩種算法,平均識別準確率達97.78%;基于多重分形特征運用回歸算法預測了刀具20s后的刀具磨損量,磨損量預測結(jié)果能有效用于刀具監(jiān)測。此外,該方法可推廣到不同工況條件下的磨損量預測,具有較強的實用性。
【圖文】：

第 1 章 緒 論文主要研究內(nèi)容究內(nèi)容題將基于分形理論和支持向量機等非線性手段，對刀具磨損狀態(tài)識別和磨損量究。整個研究過程包括：選擇合理的加工過程和監(jiān)測信號，制定科學試驗系統(tǒng)同切削條件下的信號進行分析，，對信號初步降噪并以分形理論對濾波后信號進，最后構造特征與磨損狀態(tài)的映射模型進行磨損狀態(tài)識別分類與回歸分析。研 1-1 所示。

技術路線
【學位授予單位】：東北電力大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TG71

【參考文獻】

相關期刊論文 前10條

1 田再克;李洪儒;孫健;李寶晨;;基于改進MF-DFA和SSM-FCM的液壓泵退化狀態(tài)識別方法[J];儀器儀表學報;2016年08期

2 謝楠;馬飛;段明雷;李愛平;;基于主成分分析與C-支持向量機的刀具磨損狀態(tài)監(jiān)測[J];同濟大學學報(自然科學版);2016年03期

3 孫玉晶;孫杰;李劍峰;;鈦合金銑削加工刀具磨損有限元預測分析[J];機械工程學報;2016年05期

4 鄭光明;趙軍;徐汝鋒;孟建兵;;陶瓷刀具材料斷口形貌及裂紋擴展的分形特征[J];功能材料;2015年21期

5 關山;彭昶;;基于相空間重構與奇異值分解的刀具磨損信號降噪方法研究[J];拖拉機與農(nóng)用運輸車;2015年05期

6 張棟梁;莫蓉;孫惠斌;李春磊;;基于流形學習與隱馬爾可夫模型的刀具磨損狀況識別[J];西北工業(yè)大學學報;2015年04期

7 羅忠良;盧萬強;;基于電流信號和振動信號的刀具失效監(jiān)測研究[J];機床與液壓;2015年15期

8 楊德友;蔡國偉;;基于因散經(jīng)驗模式分解與最小二乘支持向量機的風電場短期風速預測[J];東北電力大學學報;2015年03期

9 關山;彭昶;;金屬切削過程刀具磨損信號的混沌特征[J];振動與沖擊;2015年10期

10 李霄;王昕;鄭益慧;李立學;生西奎;吳昊;;基于改進最小二乘支持向量機和預測誤差校正的短期風電負荷預測[J];電力系統(tǒng)保護與控制;2015年11期

相關博士學位論文 前3條

1 陳侃;基于多模型決策融合的刀具磨損狀態(tài)監(jiān)測系統(tǒng)關鍵技術研究[D];西南交通大學;2012年

2 陳其松;智能優(yōu)化支持向量機預測算法及應用研究[D];貴州大學;2009年

3 高宏力;切削加工過程中刀具磨損的智能監(jiān)測技術研究[D];西南交通大學;2005年

相關碩士學位論文 前10條

1 康振興;基于云理論的刀具磨損狀態(tài)監(jiān)測與磨損量預測理論研究[D];東北電力大學;2017年

2 王思宇;基于EMD和BP神經(jīng)網(wǎng)絡的天然氣管道泄漏監(jiān)測[D];東北石油大學;2016年

3 彭昶;基于混沌理論的刀具磨損識別研究[D];東北電力大學;2016年

4 劉冬偉;基于多傳感器融合的銑刀破損監(jiān)測方法研究[D];哈爾濱工業(yè)大學;2015年

5 金育蓉;基于分形理論的涂層刀具車削性能研究[D];河南科技大學;2014年

6 郭志偉;基于橢球自適應共振與多傳感器融合的刀具狀態(tài)監(jiān)測研究[D];天津大學;2014年

7 封海蕊;基于數(shù)字圖像的刀具磨損狀態(tài)監(jiān)測研究[D];浙江理工大學;2013年

8 劉芽;基于EEMD和支持向量機的刀具狀態(tài)監(jiān)測方法研究[D];西南交通大學;2012年

9 謝劍峰;基于聲發(fā)射的銑刀破損監(jiān)測研究[D];上海交通大學;2011年

10 鄭東榮;數(shù)控車床刀具磨破損在線監(jiān)測及其虛擬儀器實現(xiàn)[D];東北大學;2010年

本文編號：2607004