目前人工智能、機器人、物聯(lián)網(wǎng)等技術(shù)的快速發(fā)展,推動著傳統(tǒng)制造業(yè)朝智能化、自動化和數(shù)字化方向發(fā)展。刀具作為制造環(huán)節(jié)的重要工具,能否高效使用和管理對整個生產(chǎn)環(huán)節(jié)的效率和成本產(chǎn)生重要影響�，F(xiàn)階段刀具管理領(lǐng)域主要存在以下兩方面問題:刀具壽命預(yù)測精度不高和管理集成度較低。本文基于數(shù)據(jù)驅(qū)動的方法建立了銑刀剩余使用壽命預(yù)測模型,并開發(fā)了刀具管理數(shù)據(jù)庫系統(tǒng),主要工作如下:（1）建立了基于軌跡相似性預(yù)測算法和支持向量回歸機算法的集成壽命預(yù)測模型。前者根據(jù)歷史信號特征量的變化規(guī)律預(yù)測刀具剩余使用壽命,后者根據(jù)有限的數(shù)據(jù)量實現(xiàn)最優(yōu)解、提高模型預(yù)測精度,并利用差分進化算法解決了參數(shù)設(shè)置復(fù)雜的問題。（2）選定了多把刀具樣本進行壽命預(yù)測試驗研究。采集了銑削力信號并進行了時域、頻域和小波分析,探究了信號特征量與刀具磨損量之間的變化關(guān)系,確定了信號的均方根值、能量等五個特征向量為集成預(yù)測模型的輸入量。（3）對集成模型預(yù)測精度進行了試驗驗證,樣本刀具穩(wěn)定切削階段的精度分別為88.5%、87.5%、90.5%。并同其他模型進行了對比,結(jié)果表明,本文提出的集成模型在刀具剩余使用壽命預(yù)測方面預(yù)測精度更優(yōu)。（4）采用MATLA... 

【文章來源】：南京航空航天大學江蘇省 211工程院校

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【部分圖文】：

壽命預(yù)測模型結(jié)構(gòu)圖

倜?げ饉惴ㄑ芯�、刀具管理研究�?矯娼?兇凼�。�?1.1 壽命預(yù)測模型結(jié)構(gòu)圖1.2.1 刀具狀態(tài)監(jiān)測技術(shù)監(jiān)測刀具狀態(tài)時，絕大部分研究者采用傳感器采集加工信號，大致的布局如圖 1.2（a）所示，各類監(jiān)測信號的使用頻率如圖 1.2（b）所示。通過圖 1.2（b）可知，切削力信號在研究領(lǐng)域使用最頻繁，其主要優(yōu)勢體現(xiàn)在：（1）受外界干擾最�。唬�2）拆裝相對容易；（3）有成熟的理論研究。（a）常用信號采集裝置布局 （b）各信號裝置使用頻率圖 1.2 常用信號裝置布局及使用頻率

了頻域和時頻域分析，并對刀具的磨損狀態(tài)進行了判定，發(fā)現(xiàn)力信號的預(yù)測結(jié)果要優(yōu)于振動信號Jianfei 等[15]根據(jù)試驗過程中采集到的信號并進行分析，挑選出了 9 個特征量，取得了較好的預(yù)測效果。Bassiuny[16]和 Tomas[17]都利用傅里葉變換從車削時采集到的力信號中分析特征量。Meh等[18]從計算模型中提取了切削力信號的四個系數(shù)作為特征量，對刀具壽命進行了預(yù)測。國內(nèi)學者也進行了相應(yīng)的研究，李亮等[19-20]利用聲發(fā)射傳感器監(jiān)測刀具切削過程中的磨損狀態(tài)，采用小波分析對信號進行分解，對刀具的磨損值進行了預(yù)測。申志剛[21]提出將人工智能技術(shù)應(yīng)用于刀具狀態(tài)監(jiān)測領(lǐng)域，解決了多種信號與刀具磨損程度的多重對應(yīng)關(guān)系，為該領(lǐng)域的研究提供了新的途徑。曹登[22]利用切削力信號分析了切削參數(shù)對零件表面粗糙度的影響，并基于神經(jīng)網(wǎng)絡(luò)進行了預(yù)測，精度高于經(jīng)驗公式。綜合以上分析，國內(nèi)外學者通過開展相關(guān)試驗，將信號提取后進行相關(guān)處理和分析，從而達到研究目的。但總體來說，大部分學者對信號的分析還不夠透徹，其精確性和適用性都有待提高1.2.2 刀具壽命預(yù)測算法壽命預(yù)測是故障預(yù)測與健康管理（Prognostics and Health Management, PHM）的核心和重要標志[23-30]。Sikorska[31]將預(yù)測模型分為基于物理模型、數(shù)據(jù)驅(qū)動和融合預(yù)測三類，如圖 1.3 所示

【參考文獻】：
期刊論文
[1]基于銑削力仿真樣本和降維分類算法的刀具狀態(tài)監(jiān)測方法[J]. 徐濤,李亮,郭月龍,郝碧君,何寧.  工具技術(shù). 2018(08)
[2]基于ERP集成的制造業(yè)生產(chǎn)管理系統(tǒng)研究[J]. 周紅.  科技創(chuàng)新與應(yīng)用. 2018(05)
[3]基于PSO-BP神經(jīng)網(wǎng)絡(luò)的刀具壽命預(yù)測[J]. 王虎,劉佩松,葉潤章,李陽,徐培嘉.  現(xiàn)代制造技術(shù)與裝備. 2017(11)
[4]基于信息融合的刀具剩余壽命在線預(yù)測方法[J]. 吳軍,蘇永衡,朱永猛,鄧超.  華中科技大學學報(自然科學版). 2017(04)
[5]基于特征的刀具“形-性-用”一體化設(shè)計方法[J]. 劉獻禮,計偉,范夢超,王昌紅.  機械工程學報. 2016(11)
[6]基于MoG-HMM的齒輪箱狀態(tài)識別與剩余使用壽命預(yù)測研究[J]. 張星輝,康建設(shè),高存明,曹端超,滕紅智.  振動與沖擊. 2013(15)
[7]聲發(fā)射在微銑削過程中監(jiān)測刀具破損的應(yīng)用(英文)[J]. 李亮,包杰,何寧,于強.  Transactions of Nanjing University of Aeronautics & Astronautics. 2010(02)

博士論文
[1]基于隱馬爾可夫模型的微銑削刀具磨損狀態(tài)監(jiān)測與過程優(yōu)化[D]. 劉同舜.中國科學技術(shù)大學 2018
[2]基于多傳感器信息融合的刀具磨損狀態(tài)監(jiān)測方法研究[D]. 張鍇鋒.東北大學 2016
[3]面向制造的刀具資源數(shù)據(jù)服務(wù)研究[D]. 郭宏.北京理工大學 2015
[4]復(fù)雜環(huán)境下刀具DPM碼識別技術(shù)研究[D]. 王佳婧.西北工業(yè)大學 2014
[5]車銑刀具磨損狀態(tài)監(jiān)測及預(yù)測關(guān)鍵技術(shù)研究[D]. 李威霖.西南交通大學 2013
[6]高速切削刀具磨損狀態(tài)的智能監(jiān)測技術(shù)研究[D]. 申志剛.南京航空航天大學 2009

碩士論文
[1]用于刀具管理的智能刀柄系統(tǒng)研究[D]. 郭月龍.南京航空航天大學 2018
[2]基于主切削力仿真樣本的刀具狀態(tài)監(jiān)測系統(tǒng)[D]. 徐濤.南京航空航天大學 2018
[3]數(shù)據(jù)驅(qū)動的航空發(fā)動機余壽預(yù)測方法[D]. 唐王.南京航空航天大學 2018
[4]刀具管理系統(tǒng)的設(shè)計與研發(fā)[D]. 王娜.山東農(nóng)業(yè)大學 2017
[5]透過工業(yè)4.0解析“中國制造2025”[D]. 侯晉珊.北京工業(yè)大學 2017
[6]數(shù)控刀具全生命周期智能管理系統(tǒng)研究[D]. 熊昕.重慶大學 2017
[7]應(yīng)用于柔性生產(chǎn)線的中心刀庫管理及配送系統(tǒng)研究[D]. 何正強.華中科技大學 2017
[8]基于多信息和多模型融合的刀具磨損預(yù)測性評估的方法研究[D]. 曾廣圣.中國科學院大學(中國科學院沈陽計算技術(shù)研究所) 2017
[9]云制造環(huán)境下刀具資源優(yōu)化配置與服務(wù)應(yīng)用研究[D]. 霍亭宇.哈爾濱理工大學 2017
[10]基于射頻識別技術(shù)的車間級刀具管理系統(tǒng)[D]. 海源.山東大學 2016



本文編號：2951602