在加工過程中,刀具的狀態(tài)直接影響著工件的加工質(zhì)量,因此建立實時性強、可靠性高的鉆頭狀態(tài)監(jiān)測系統(tǒng),對延長鉆頭的使用壽命,提高生產(chǎn)效率具有重要意義。本文首先建立了振動鉆削鉆頭狀態(tài)監(jiān)測試驗系統(tǒng),利用聲發(fā)射傳感器和壓電式力傳感器對振動鉆削過程中鉆頭不同磨損狀態(tài)下的聲發(fā)射信號和鉆削力信號進行同步采集。受加工條件的影響,在實際的振動鉆削加工過程中,傳感器采集的信號中往往會夾雜著大量噪聲,因此采用小波閾值去噪法對聲發(fā)射信號和鉆削力信號進行了去噪預處理,提高了信號的信噪比。接著對去噪后的聲發(fā)射信號和鉆削力信號進行分析處理,分別在時域內(nèi)對信號進行了均值、方差和均方值的計算,在頻域內(nèi)對信號進行了功率譜分析,在時頻域內(nèi)對信號進行了小波分解,并提取了各頻段的小波能量系數(shù)。根據(jù)鉆頭不同磨損狀態(tài)下監(jiān)測信號特征值的分析結(jié)果,選擇聲發(fā)射信號的均方根值、D1、D2、D3頻段的小波能量系數(shù),鉆削力信號的均值、方差、D4、A5頻段的小波能量系數(shù)共8個與鉆頭磨損狀態(tài)相關度較高的特征值組成向量,作為BP神經(jīng)網(wǎng)絡的輸入。最后建立了基于BP神經(jīng)網(wǎng)絡的振動鉆削鉆頭狀態(tài)識別模型,通過樣本數(shù)據(jù)對模型的訓練,建立了監(jiān)測信號特征值與鉆頭磨損... 

【文章來源】：長春理工大學吉林省

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

基于切削力信號的銑刀監(jiān)測系統(tǒng)

3圖 1.2 基于切削力信號的銑刀監(jiān)測系統(tǒng) 圖 1.3 切削力信號采集結(jié)果振動是由切削力中的動態(tài)分量引起的，它與刀具的磨損狀態(tài)以及工藝系統(tǒng)的動性密切相關。隨著刀具磨損程度的增加，刀具與工件之間的摩擦狀態(tài)發(fā)生變化，起振動頻率、振幅的增加，因此可以利用振動信號來監(jiān)測刀具狀態(tài)[14]。2015 年惠斌等人以振動信號為基礎建立了銑刀狀態(tài)監(jiān)測系統(tǒng)，并成功實現(xiàn)了對銑刀狀態(tài)

圖 1.4 基于振動信號的銑刀監(jiān)測系統(tǒng) 圖 1.5 振動信號采集結(jié)果聲發(fā)射是固體材料在外部條件作用下，內(nèi)部結(jié)構(gòu)發(fā)生變化導致能量快速釋放而的瞬態(tài)彈性應力波，包含著大量與刀具狀態(tài)相關的信息，隨著刀具磨損程度的增具材料內(nèi)部晶格會發(fā)生變形、刀具與工件摩擦等都會釋放應力波，從而引起聲發(fā)號的變化。2008 年，Jemielniak 等人建立了基于聲發(fā)射信號的車削磨損狀態(tài)監(jiān)測，提取聲發(fā)射信號的均方根值等特征值來對車刀狀態(tài)進行判斷[17]。2014 年，Be人以聲發(fā)射為監(jiān)測信號，成功實現(xiàn)了對砂輪磨損狀態(tài)的監(jiān)測，其砂輪狀態(tài)監(jiān)測系圖 1.6 所示[18]。2015 年，朱堅民等人建立了車削過程中的聲發(fā)射信號特征值與車

【參考文獻】：
期刊論文
[1]超聲軸向振動鉆削斷屑機理分析與試驗研究[J]. 史堯臣,李占國,于雪蓮,蔡云光.  制造技術與機床. 2017(10)
[2]深小孔超聲軸向振動鉆削裝置設計與研究[J]. 張學忱,林丹,史堯臣.  制造技術與機床. 2016(10)
[3]人工神經(jīng)網(wǎng)絡概述[J]. 劉毅娟,雷鳴,何旸,曹艷龍.  電子測試. 2015(11)
[4]基于切削聲發(fā)射信號測量的刀具磨損狀態(tài)判別[J]. 朱堅民,戰(zhàn)漢,張統(tǒng)超,王健.  計量學報. 2015 (03)
[5]基于希爾伯特黃變換的刀具磨損特征提取[J]. 孫惠斌,牛偉龍,王俊陽.  振動與沖擊. 2015(04)
[6]基于小波包和BP神經(jīng)網(wǎng)絡的刀具磨損狀態(tài)識別[J]. 庫祥臣,周蕓夢,高鵬磊,段明德.  現(xiàn)代制造工程. 2014(12)
[7]刀具磨損在線監(jiān)測研究現(xiàn)狀與發(fā)展[J]. 柳洋,陳永潔,楊文愷,王定,呂祿方.  機床與液壓. 2014(19)
[8]新閾值函數(shù)下的小波閾值去噪[J]. 王瑞,張友純.  計算機工程與應用. 2013(15)
[9]數(shù)控機床刀具磨損狀態(tài)特征參數(shù)提取[J]. 高鵬磊,庫祥臣.  組合機床與自動化加工技術. 2013(06)
[10]在線金屬切削刀具磨損狀態(tài)監(jiān)測研究的回顧與展望Ⅲ:模式識別方法[J]. 關山,聶鵬.  機床與液壓. 2012(03)

博士論文
[1]車銑刀具磨損狀態(tài)監(jiān)測及預測關鍵技術研究[D]. 李威霖.西南交通大學 2013
[2]切削加工過程中刀具磨損的智能監(jiān)測技術研究[D]. 高宏力.西南交通大學 2005

碩士論文
[1]基于小波變換的語音信號去噪算法研究[D]. 洪民江.南京郵電大學 2018
[2]車削刀具磨損狀態(tài)監(jiān)測系統(tǒng)的研究[D]. 王沛鑫.昆明理工大學 2018
[3]深孔加工刀具磨損研究與狀態(tài)識別[D]. 高偉佳.中北大學 2017
[4]基于鉆削過程源信號增強的加工狀態(tài)識別[D]. 姜尚.湘潭大學 2015
[5]基于聲發(fā)射技術的刀具磨損監(jiān)測研究[D]. 周蕓夢.河南科技大學 2014
[6]基于聲發(fā)射技術磨削表面粗糙度在線檢測研究[D]. 石建.長春理工大學 2014
[7]深孔鉆削刀具狀態(tài)監(jiān)測系統(tǒng)研究[D]. 潘繼輝.長春理工大學 2014
[8]基于振動信號的PCB微鉆刀具磨損狀態(tài)監(jiān)測研究[D]. 任振華.上海交通大學 2012
[9]切削加工過程中刀具磨損智能監(jiān)測與切削力預測技術研究[D]. 黃遂.西南交通大學 2010
[10]基于鉆削力信號的鉆頭磨損狀態(tài)監(jiān)測技術的研究[D]. 郗長青.西安理工大學 2005



本文編號：3120119