葉輪作為水電、核泵等眾多大型設備的關鍵部件,其加工質量直接影響設備的運行狀態(tài)和使用壽命,而加工過程中的銑刀磨損直接影響葉輪的加工精度,因此研究加工過程的銑刀磨損狀態(tài)監(jiān)測方法具有重大意義。本文提出利用主軸電機電流信號作為監(jiān)測信號,通過深度學習的方法對銑刀磨損狀態(tài)進行監(jiān)測,針對時間序列信號自身特點,提出加入壓縮感知技術和格蘭姆變換對深度學習網(wǎng)絡進行改進。論文主要研究內容如下:（1）充分分析國內外研究現(xiàn)狀和現(xiàn)有監(jiān)測方法的利弊,對刀具磨損機理進行分析,確定刀具磨損監(jiān)測信號和監(jiān)測方法,通過理論分析確定電流信號可以反映刀具磨損狀態(tài),通過搭建信號采集平臺保證信號采集的可行性,設計三種不同性質的試驗,分別采集了刀具不同磨損階段狀態(tài)數(shù)據(jù)、刀具全壽命數(shù)據(jù)和現(xiàn)場實驗數(shù)據(jù),形成了三個數(shù)據(jù)集,為后續(xù)研究打下基礎。（2）利用壓縮感知和堆棧稀疏自編碼器對電流有效值信號中的銑刀磨損狀態(tài)信息進行提取。首先,利用壓縮感知對電流信號的頻域數(shù)據(jù)進行壓縮,其中為提高網(wǎng)絡的魯棒性,對觀測信號添加高斯白噪音;然后,將壓縮后的數(shù)據(jù)輸入堆棧稀疏自編碼網(wǎng)絡,網(wǎng)絡最后一層連接Softmax分類器,通過半監(jiān)督學習對診斷模型進行訓練,提取輸入... 

【文章來源】：大連理工大學遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：87 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景與意義
    1.2 國內外相關工作研究進展
        1.2.1 監(jiān)測信號采集方案發(fā)展概況
        1.2.2 特征提取方法研究概況
        1.2.3 現(xiàn)有監(jiān)測方法的利弊分析
    1.3 論文的研究內容及安排
2 基于主軸電流的銑刀磨損監(jiān)測方案研究
    2.1 刀具磨損機理研究
        2.1.1 刀具磨損形式
        2.1.2 刀具磨損過程和磨鈍標準
    2.2 電流信號分析和采集方案研究
        2.2.1 電流信號與切削力的關系
        2.2.2 電流信號采集平臺搭建
        2.2.3 傳統(tǒng)特征提取方法
    2.3 試驗數(shù)據(jù)采集與分析
        2.3.1 刀具不同磨損階段數(shù)據(jù)采集與分析
        2.3.2 刀具磨損全壽命數(shù)據(jù)采集與分析
        2.3.3 現(xiàn)場試驗數(shù)據(jù)采集與分析
    2.4 本章小結
3 基于壓縮感知和堆棧稀疏自編碼器的銑刀磨損狀態(tài)監(jiān)測
    3.1 數(shù)據(jù)預處理
        3.1.1 壓縮感知
        3.1.2 加噪處理
    3.2 稀疏自編碼器
        3.2.1 神經(jīng)元模型
        3.2.2 稀疏自編碼器
        3.2.3 反向傳播算法
    3.3 堆棧稀疏自編碼器網(wǎng)絡結構
        3.3.1 堆棧稀疏自編碼器
        3.3.2 Softmax分類器
        3.3.3 有監(jiān)督微調
    3.4 基于CS和 SSAE的刀具磨損程度識別
        3.4.1 網(wǎng)絡整體結構
        3.4.2 試驗數(shù)據(jù)驗證分析
    3.5 本章小結
4 基于格蘭姆角場和卷積神經(jīng)網(wǎng)絡的銑刀磨損監(jiān)測方法
    4.1 GAF算法
        4.1.1 格蘭姆矩陣
        4.1.2 格蘭姆角場
    4.2 基于GAF和 CNN的銑刀磨損狀態(tài)識別
        4.2.1 卷積網(wǎng)絡結構
        4.2.2 基于GAF和 CNN的網(wǎng)絡模型
        4.2.3 試驗數(shù)據(jù)驗證分析
    4.3 基于GAF和 ResNet的銑刀磨損狀態(tài)識別
        4.3.1 殘差學習模塊
        4.3.2 基于GAF和 ResNet的網(wǎng)絡模型
        4.3.3 試驗數(shù)據(jù)驗證分析
    4.4 本章小結
5 銑刀磨損可靠性評估和監(jiān)測系統(tǒng)開發(fā)
    5.1 徑向基神經(jīng)網(wǎng)絡
    5.2 基于徑向基核函數(shù)的銑刀可靠性評估
        5.2.1 銑刀可靠性預測模型
        5.2.2 試驗數(shù)據(jù)驗證分析
    5.3 基于LabVIEW的銑刀磨損監(jiān)測系統(tǒng)開發(fā)
        5.3.1 銑刀磨損在線監(jiān)測系統(tǒng)開發(fā)
        5.3.2 電機電流信號的離線分析系統(tǒng)開發(fā)
    5.4 本章小結
結論
參考文獻
攻讀碩士學位期間發(fā)表學術論文情況
致謝


【參考文獻】：
期刊論文
[1]閉環(huán)霍爾電流傳感器的硬件電路設計[J]. 武旭,王林森,居鵬.  傳感器與微系統(tǒng). 2018(11)
[2]基于短時傅里葉變換和卷積神經(jīng)網(wǎng)絡的軸承故障診斷方法[J]. 李恒,張氫,秦仙蓉,孫遠韜.  振動與沖擊. 2018(19)
[3]基于支持向量機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.  振動與沖擊. 2018(17)
[4]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. 2018(08)
[5]6061鋁合金銑削過程刀具磨損研究[J]. 劉俊,嚴復鋼,蔡春彬,岳彩旭.  航空制造技術. 2018(06)
[6]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.  新技術新工藝. 2017(11)
[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.  清華大學學報(自然科學版). 2017(09)
[8]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.  機床與液壓. 2017(15)
[9]基于深度學習的高速銑削刀具磨損狀態(tài)預測方法[J]. 林楊,高思煜,劉同舜,朱錕鵬.  機械與電子. 2017(07)
[10]A880高壓動葉片型面加工R5球頭銑刀磨損機理與壽命研究[J]. 趙梓涵,郭國強,王呈棟,陳明.  機械設計與制造. 2017(06)

碩士論文
[1]基于主軸電流的變工況銑刀磨損狀態(tài)監(jiān)測研究[D]. 張孟哲.大連理工大學 2018
[2]基于深度學習的刀具磨損狀態(tài)監(jiān)測技術的研究[D]. 林楊.中國科學技術大學 2017
[3]基于深度學習模型的感應電機故障診斷方法研究[D]. 孫文珺.東南大學 2017
[4]中介軸承壽命預測方法與壽命試驗研究[D]. 崔立明.大連理工大學 2016
[5]基于CFD的大流量高全壓葉輪機械開發(fā)設計與研究[D]. 崔利斌.大連理工大學 2011
[6]基于計算機視覺的刀具狀態(tài)在線監(jiān)控研究[D]. 劉冬芳.河北工業(yè)大學 2007



本文編號：3207697