發(fā)布時(shí)間：2020-05-02 17:22

【摘要】：切削過程中的刀具磨損會(huì)直接影響到工件的表面質(zhì)量和尺寸精度,而刀具破損則可能導(dǎo)致工件報(bào)廢,甚至對(duì)機(jī)床造成破壞,帶來(lái)巨大的經(jīng)濟(jì)損失。實(shí)時(shí)監(jiān)測(cè)到刀具的磨損狀態(tài),對(duì)提高產(chǎn)品質(zhì)量、實(shí)現(xiàn)自動(dòng)換刀、提高生產(chǎn)率和降低生產(chǎn)成本具有重要的意義。為加快智能制造的步伐,本文對(duì)切削過程中的刀具磨損展開了研究,全文總結(jié)如下:首先,對(duì)刀具磨損監(jiān)測(cè)的研究背景和意義做了概述,并以監(jiān)測(cè)方法和決策系統(tǒng)為切入點(diǎn),對(duì)國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了總結(jié),確定了以切削力為監(jiān)測(cè)信號(hào)的監(jiān)測(cè)方法,以刀具的后刀面磨損寬度為刀具磨損的評(píng)價(jià)指標(biāo),并利用兩種人工智能(AI)模型來(lái)構(gòu)建決策系統(tǒng)(識(shí)別模型)。分別進(jìn)行了大量的車削和銑削實(shí)驗(yàn),獲取了車刀和銑刀在不同磨損狀態(tài)下的實(shí)驗(yàn)數(shù)據(jù),為后續(xù)的研究提供了數(shù)據(jù)支持。然后,介紹了用于刀具磨損監(jiān)測(cè)的三類監(jiān)測(cè)特征,分別是時(shí)域特征、頻域特征和小波域特征;另外,利用基于積分徑向基函數(shù)的核主成分分析(KPCA_IRBF)技術(shù)和鄰域保留嵌入(NPE)技術(shù),對(duì)提取到的監(jiān)測(cè)特征進(jìn)行融合,以弱化或去除噪聲的影響,提高后續(xù)識(shí)別模型的性能。其中,KPCA_IRBF是一種新的非線性特征升維技術(shù),系首次提出。常見的AI模型,如人工神經(jīng)網(wǎng)絡(luò)(ANN)和支持向量機(jī)(SVM),僅能提供單一的預(yù)測(cè)值;然而,高斯過程回歸(GPR)可同時(shí)提供刀具磨損的預(yù)測(cè)值和對(duì)應(yīng)的置信區(qū)間;另外,在預(yù)測(cè)精度上,GPR模型優(yōu)于ANN和SVM,因?yàn)镚PR可對(duì)高斯噪聲進(jìn)行定量建模;但是,噪聲的存在會(huì)嚴(yán)重影響GPR置信區(qū)間的穩(wěn)定性;為了改善GPR的置信區(qū)間,利用KPCA_IRBF技術(shù)對(duì)提取到的監(jiān)測(cè)特征進(jìn)行融合,以消除噪聲并削弱其負(fù)面影響,從而使GPR的置信區(qū)間得到大大壓縮,并且變得更加平滑,這有助于更加準(zhǔn)確地監(jiān)測(cè)刀具的磨損。本文以車削刀具磨損監(jiān)測(cè)為案例,驗(yàn)證了所構(gòu)建的刀具磨損預(yù)測(cè)模型(KPCA_IRBF+GPR)的有效性。接著,將支持向量機(jī)(SVM)與鯨魚優(yōu)化算法(WOA)相結(jié)合,對(duì)刀具的磨損狀態(tài)進(jìn)行分類;并利用NPE技術(shù)對(duì)提取到的監(jiān)測(cè)特征進(jìn)行融合,以去除噪聲,提高計(jì)算效率和識(shí)別精度。本文以銑削刀具磨損監(jiān)測(cè)為案例,驗(yàn)證了所構(gòu)建的刀具磨損分類模型(NPE+WOA-SVM)的有效性。實(shí)驗(yàn)結(jié)果表明,WOA-SVM模型在參數(shù)優(yōu)化的時(shí)間消耗上,優(yōu)于PSO-SVM和GSA-SVM等常用方法,而且具有可比的識(shí)別精度。另外,WOA-SVM模型比一些經(jīng)典的分類算法具有更高的預(yù)測(cè)精度,如6)-NN、FFNN、LDA、QDA和CART。本研究為實(shí)際工業(yè)環(huán)境下的刀具磨損監(jiān)測(cè)提供了理論指導(dǎo)和技術(shù)支持。
【圖文】：

損比較常見的，，主要發(fā)生在靠近工件外表面的主切且磨損比較嚴(yán)重。其主要原因有：刀尖處的強(qiáng)度主切削刃前后有很高的溫度梯度，引起較大的剪進(jìn)一步增加。以上三種磨損同時(shí)發(fā)生，相互影響，當(dāng)正常的磨突發(fā)破損，直接影響著產(chǎn)品質(zhì)量和正常切削的進(jìn)度和后刀面磨損寬度量化刀具的磨損程度，但是面磨損寬度便于測(cè)量，因此，大多數(shù)情況下，國(guó)化刀具的磨損程度。

三向正交切削力
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：TG71

【參考文獻(xiàn)】

相關(guān)博士學(xué)位論文 前8條

1 陳洪濤;基于多參量信息融合的刀具磨損狀態(tài)識(shí)別及預(yù)測(cè)技術(shù)研究[D];西南交通大學(xué);2013年

2 李威霖;車銑刀具磨損狀態(tài)監(jiān)測(cè)及預(yù)測(cè)關(guān)鍵技術(shù)研究[D];西南交通大學(xué);2013年

3 楊曉勇;鈦合金銑削刀具磨損及表面完整性研究[D];天津大學(xué);2013年

4 李麗宏;基于顯微視覺的刀具磨損狀態(tài)監(jiān)測(cè)技術(shù)研究[D];河北工業(yè)大學(xué);2013年

5 陳侃;基于多模型決策融合的刀具磨損狀態(tài)監(jiān)測(cè)系統(tǒng)關(guān)鍵技術(shù)研究[D];西南交通大學(xué);2012年

6 關(guān)山;基于聲發(fā)射信號(hào)多特征分析與融合的刀具磨損分類與預(yù)測(cè)技術(shù)[D];吉林大學(xué);2011年

7 申志剛;高速切削刀具磨損狀態(tài)的智能監(jiān)測(cè)技術(shù)研究[D];南京航空航天大學(xué);2009年

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

相關(guān)碩士學(xué)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(cè)與磨損量預(yù)測(cè)理論研究[D];東北電力大學(xué);2017年

2 陶欣;基于稀疏分解和支持向量機(jī)的高速銑削刀具磨損狀態(tài)監(jiān)測(cè)[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

3 林楊;基于深度學(xué)習(xí)的刀具磨損狀態(tài)監(jiān)測(cè)技術(shù)的研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

4 吳昊;基于聲發(fā)射的刀具磨損狀態(tài)識(shí)別與預(yù)測(cè)[D];電子科技大學(xué);2017年

5 張彥超;基于多尺度主元分析的刀具磨損狀態(tài)監(jiān)測(cè)研究[D];天津大學(xué);2016年

6 王定;基于銑削力的刀具磨損在線監(jiān)測(cè)研究[D];華中科技大學(xué);2015年

7 呂祿方;基于切削力的車刀磨損在線監(jiān)測(cè)方法與技術(shù)研究[D];華中科技大學(xué);2015年

8 錢磊;基于支持向量機(jī)的變參數(shù)銑削刀具磨損狀態(tài)監(jiān)測(cè)研究[D];天津大學(xué);2014年

9 張吉林;基于機(jī)器視覺的銑削刀具磨損監(jiān)測(cè)技術(shù)研究[D];南京航空航天大學(xué);2013年

10 馮曉亮;基于條件隨機(jī)場(chǎng)的銑削刀具磨損狀態(tài)監(jiān)測(cè)技術(shù)研究[D];天津大學(xué);2012年

本文編號(hào)：2647308