發(fā)布時間：2021-01-03 06:25

　　刀具磨損是切削過程不可避免的現(xiàn)象。刀具磨損必然會影響工件的表面質(zhì)量和尺寸精度。刀具狀態(tài)監(jiān)測技術(shù)能夠?qū)崟r檢測刀具的磨損狀態(tài),對提高加工質(zhì)量與效率、保護機械設(shè)備、推動制造業(yè)向“智能制造”轉(zhuǎn)型升級具有重要的意義。本文以切削加工過程中刀具磨損狀態(tài)的識別為研究對象,分析不同磨損狀態(tài)下硬質(zhì)合金車刀的加工特點,建立基于功率和振動信號提取的監(jiān)測特征與磨損狀態(tài)間的映射關(guān)系。全文主要研究如下:（1）選擇合適的信號處理方法,應(yīng)用基于核主元分析的刀具磨損監(jiān)測特征融合方法。切削過程中振動信號表現(xiàn)為非線性、非平穩(wěn),因此應(yīng)當選擇更適合處理此類信號的現(xiàn)代信號處理方法,如小波分析、希爾伯特黃變換、經(jīng)驗?zāi)B(tài)分解等。研究選用小波包分析聯(lián)合集成經(jīng)驗?zāi)B(tài)分解方法對振動信號進行處理,分別從時域、頻域、時頻域提取監(jiān)測特征,并利用核主元分析（KPCA）對原始高維特征進行特征降維,去除冗余信息以精簡數(shù)據(jù),便于后續(xù)監(jiān)測模型的識別運算�；诠β市盘枒�(yīng)用最小二乘回歸法提取的切向切削力系數(shù)與切向刃口力系數(shù)只受刀具磨損程度影響,在變切削參數(shù)的加工條件下,可作為刀具磨損狀態(tài)識別的有效特征。研究結(jié)果表明,上述特征提取聯(lián)合數(shù)據(jù)融合的方法能夠很好地表達... 

【文章來源】：北京林業(yè)大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

刀具后刀面磨損形貌

實驗

刀具磨損狀態(tài)監(jiān)測的試驗設(shè)計13(a)數(shù)控機床(b)振動傳感器(c)功率傳感器(d)動態(tài)信號調(diào)理模塊圖2.2實驗設(shè)備及儀器Figure2.2Experimentalequipmentandinstruments刀具后刀面磨損寬度可由金相顯微鏡（型號LeciaDM4M）顯微鏡測得，如圖2.3所示。顯微鏡的使用可以很好的觀察到刀具后刀面的形貌，同時完成對后刀面磨損的測量。圖2.3金相顯微鏡Figure2.3Superfieldmicroscope

【參考文獻】：
期刊論文
[1]刀具磨損狀態(tài)監(jiān)測技術(shù)研究進展[J]. 郭景超,李安海.  工具技術(shù). 2019(05)
[2]基于多傳感器數(shù)據(jù)融合的刀具磨損狀態(tài)監(jiān)測研究[J]. 陳剛,焦黎,顏培,王西彬,史雪春,彭振新.  新技術(shù)新工藝. 2017(11)
[3]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]. 謝楠,馬飛,段明雷,李愛平.  同濟大學學報(自然科學版). 2016(03)
[4]《中國制造2025》與工程技術(shù)人才培養(yǎng)[J]. 《中國制造2025》與工程技術(shù)人才培養(yǎng)研究課題組.  高等工程教育研究. 2015(06)
[5]滾動軸承早期故障的多源多方法融合診斷技術(shù)[J]. 王晶,陳果,郝騰飛.  振動.測試與診斷. 2013(05)
[6]機械故障診斷技術(shù)中的信號處理方法:時頻分析[J]. 王金福,李富才.  噪聲與振動控制. 2013(03)
[7]機械故障診斷的信號處理方法:頻域分析[J]. 王金福,李富才.  噪聲與振動控制. 2013(01)
[8]基于聲發(fā)射技術(shù)監(jiān)測刀具磨損的研究[J]. 胡江林,張少文,李亮.  工具技術(shù). 2012(03)
[9]基于聲發(fā)射信號的高速銑削過程監(jiān)測技術(shù)[J]. 龔?fù)?王細洋.  航空制造技術(shù). 2009(07)

博士論文
[1]基于特征融合的刀具磨損監(jiān)測技術(shù)研究[D]. 孔冬冬.華中科技大學 2018
[2]切削加工過程中振動狀態(tài)及刀具磨損的智能監(jiān)測技術(shù)研究[D]. 付洋.華中科技大學 2017
[3]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
[4]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
[5]基于多模型決策融合的刀具磨損狀態(tài)監(jiān)測系統(tǒng)關(guān)鍵技術(shù)研究[D]. 陳侃.西南交通大學 2012
[6]基于聲發(fā)射信號多特征分析與融合的刀具磨損分類與預(yù)測技術(shù)[D]. 關(guān)山.吉林大學 2011

碩士論文
[1]基于AR-MED和LMD在滾動軸承故障診斷中的研究[D]. 朱珍乾.蘭州交通大學 2019
[2]鉆削刀具狀態(tài)監(jiān)測技術(shù)的研究[D]. 郝碧君.南京航空航天大學 2019
[3]數(shù)控機床刀具狀態(tài)智能監(jiān)測[D]. 秦澤政.哈爾濱工業(yè)大學 2019
[4]基于機器視覺的刀具檢測技術(shù)研究[D]. 侯秋林.山東大學 2018
[5]基于深度學習的刀具磨損狀態(tài)監(jiān)測技術(shù)的研究[D]. 林楊.中國科學技術(shù)大學 2017
[6]基于圖像處理的刀具磨損檢測方法研究[D]. 龍云淋.南京航空航天大學 2017



本文編號：2954484