發(fā)布時(shí)間：2021-02-14 18:34

　　智能生產(chǎn)是當(dāng)今機(jī)械加工業(yè)的熱門話題,而實(shí)現(xiàn)產(chǎn)品的全自動(dòng)化生產(chǎn)模式,也成為了現(xiàn)代工廠發(fā)展的必然趨勢。在此條件下,如何使生產(chǎn)設(shè)備自主判斷其運(yùn)行狀態(tài)并及時(shí)做出調(diào)整,是保證其產(chǎn)品質(zhì)量與生產(chǎn)效率的重要一環(huán)。對刀具磨損狀態(tài)的智能評估,能在刀具達(dá)到使用壽命前做出預(yù)警,保障生產(chǎn)精度與設(shè)備安全,對工廠的智能化生產(chǎn)具有重要意義。本文選取了在刀具切削過程中與其磨損相關(guān)性較強(qiáng)的切削力信號與加速度信號進(jìn)行研究,將多種機(jī)器學(xué)習(xí)算法應(yīng)用在刀具的磨損狀態(tài)評估上。主要研究內(nèi)容包括對信號的特征提取、支持向量機(jī)（SVM）分類模型的優(yōu)化與隨機(jī)森林（RF）算法在刀具的磨損評估中的應(yīng)用。由于原始的加速度信號與切削力信號不便于直接分析,本文首先對其在時(shí)域與頻域內(nèi)進(jìn)行特征因子提取,然后利用小波分析獲取原始信號的頻段能量占比。針對特征量過多可能出現(xiàn)數(shù)據(jù)冗余,同時(shí)也為了提高分析效率,使用主元分析方法（PCA）對得到的特征矩陣進(jìn)行降維處理,得到低相關(guān)度的特征矩陣。其次,考慮到SVM具有良好的小樣本、非線性數(shù)據(jù)的處理能力,對其在刀具磨損狀態(tài)評估中的應(yīng)用進(jìn)行了研究。使用機(jī)器學(xué)習(xí)算法優(yōu)化SVM模型的參數(shù),并采用交叉驗(yàn)證方法對優(yōu)化后的SVM模型對... 

【文章來源】：安徽大學(xué)安徽省 211工程院校

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

高速銑削銑床實(shí)物圖

口刀磨?

確b刀磨擷泊勢圖

【參考文獻(xiàn)】：
期刊論文
[1]工業(yè)4.0背景下的機(jī)電一體化技術(shù)應(yīng)用與發(fā)展[J]. 馬永樹,王計(jì)波.  內(nèi)燃機(jī)與配件. 2018(19)
[2]基于支持向量機(jī)與粒子濾波的刀具磨損狀態(tài)識別[J]. 程燦,李建勇,徐文勝,聶蒙.  振動(dòng)與沖擊. 2018(17)
[3]工業(yè)4.0帶來數(shù)字化轉(zhuǎn)型的影響和潛力[J]. 馬岸奇.  磚瓦. 2018(09)
[4]BPNN-SVM混合模型法監(jiān)測乏燃料剪切機(jī)刀具磨損狀態(tài)[J]. 陳甲華,鄒樹梁.  核電子學(xué)與探測技術(shù). 2018(02)
[5]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)
[6]基于云理論與LS-SVM的刀具磨損識別方法[J]. 關(guān)山,康振興,彭昶.  振動(dòng).測試與診斷. 2017(05)
[7]基于PSO優(yōu)化LS-SVM的刀具磨損狀態(tài)識別[J]. 劉成穎,吳昊,王立平,張智.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(09)
[8]基于GA-ELM數(shù)控銑刀壽命預(yù)測模型研究[J]. 周亞勤,楊建國,劉凱強(qiáng),尤祥.  東華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(04)
[9]基于遺傳算法優(yōu)化HMM的刀具磨損狀態(tài)監(jiān)測研究[J]. 何棟磊,黃民.  機(jī)床與液壓. 2017(15)
[10]基于EMD-HMM的機(jī)床刀具磨損故障診斷[J]. 孫巍偉,黃民,高延.  機(jī)床與液壓. 2017(13)

博士論文
[1]數(shù)控機(jī)床在線振動(dòng)監(jiān)測與故障診斷關(guān)鍵技術(shù)研究[D]. 張攀.天津大學(xué) 2014
[2]基于多參量信息融合的刀具磨損狀態(tài)識別及預(yù)測技術(shù)研究[D]. 陳洪濤.西南交通大學(xué) 2013
[3]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(xué) 2013
[4]切削加工過程中刀具磨損的智能監(jiān)測技術(shù)研究[D]. 高宏力.西南交通大學(xué) 2005

碩士論文
[1]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[D]. 陶欣.中國科學(xué)技術(shù)大學(xué) 2017
[2]汽車發(fā)動(dòng)機(jī)銑削刀具磨損在線監(jiān)測研究及應(yīng)用[D]. 鄧喬波.華中科技大學(xué) 2016
[3]數(shù)控機(jī)床刀具狀態(tài)監(jiān)測與診斷系統(tǒng)的研究[D]. 劉宇.南京理工大學(xué) 2016
[4]基于支持向量機(jī)的刀具磨損狀態(tài)預(yù)測[D]. 吳廣垚.河北工業(yè)大學(xué) 2015
[5]基于支持向量機(jī)的變參數(shù)銑削刀具磨損狀態(tài)監(jiān)測研究[D]. 錢磊.天津大學(xué) 2014
[6]基于振動(dòng)分析和支持向量機(jī)的表面質(zhì)量在線檢測方法研究[D]. 朱培根.石河子大學(xué) 2013
[7]基于云理論和支持向量機(jī)的數(shù)控機(jī)床刀具狀態(tài)診斷技術(shù)研究[D]. 王利偉.大連交通大學(xué) 2012
[8]EMD和支持向量機(jī)在刀具故障診斷中的應(yīng)用[D]. 賀靈敏.西華大學(xué) 2010



本文編號：3033661