在CFRP/鈦合金疊層材料制孔過程中,由于材料性能各異導(dǎo)致刀具磨損嚴重,頻繁換刀影響生產(chǎn)效率。傳統(tǒng)判斷方法通常依靠加工者的經(jīng)驗,受主觀影響可靠性低,且不適用于自動化加工。隨著大量自動化設(shè)備在車間投入使用,迫切需要對切削加工過程中刀具磨損狀態(tài)進行在線監(jiān)測,從而為制造過程自動換刀提供依據(jù)。然而在對刀具在線監(jiān)測信號分析處理的過程中,海量信號數(shù)據(jù)的實時存儲、高效處理等方面面臨著嚴峻的挑戰(zhàn),需要對這些方面開展深入研究,發(fā)揮大數(shù)據(jù)在刀具磨損在線預(yù)警中的作用。本文對CFRP/鈦合金疊層材料制孔過程中刀具磨損狀態(tài)進行分析,采用了基于聲發(fā)射信號的刀具磨損在線監(jiān)測方案,考慮到實際工程應(yīng)用中需要同時對多臺設(shè)備進行刀具監(jiān)測,而且聲發(fā)射信號具有采樣頻率高、信號數(shù)據(jù)量大的特點,因此融合大數(shù)據(jù)技術(shù),搭建了基于Hadoop的信號分析處理平臺,提出了大數(shù)據(jù)驅(qū)動下的刀具磨損在線預(yù)警模式。運用小波包變換對原始聲發(fā)射信號進行濾波,提取與刀具磨損密切相關(guān)的聲發(fā)射特征量作為BP神經(jīng)網(wǎng)絡(luò)的輸入,建立了基于神經(jīng)網(wǎng)絡(luò)的刀具磨損模型。針對神經(jīng)網(wǎng)絡(luò)收斂速度慢、易陷于極小值等缺點,選擇蟻群算法對BP神經(jīng)網(wǎng)絡(luò)進行了優(yōu)化。利用HDFS完成了原件... 

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景與意義
    1.2 刀具磨損狀態(tài)監(jiān)測研究現(xiàn)狀
        1.2.1 監(jiān)測方法
        1.2.2 信號處理與特征提取
        1.2.3 刀具磨損狀態(tài)判定
        1.2.4 刀具磨損監(jiān)測系統(tǒng)
    1.3 車間大數(shù)據(jù)研究現(xiàn)狀
        1.3.1 車間大數(shù)據(jù)與智能制造
        1.3.2 車間大數(shù)據(jù)應(yīng)用
    1.4 課題研究內(nèi)容
    1.5 論文主要結(jié)構(gòu)
第二章 刀具磨損信號采集與分析平臺搭建
    2.1 鉆頭磨損形式及磨鈍標準
    2.2 監(jiān)測信號選擇
    2.3 聲發(fā)射信號采集系統(tǒng)
    2.4 基于Hadoop信號分析處理平臺
        2.4.1 Hadoop集群部署規(guī)劃
        2.4.2 Hadoop環(huán)境搭建
    2.5 本章小結(jié)
第三章 基于小波包變換的信號特征提取
    3.1 小波變換理論
        3.1.1 連續(xù)小波變換
        3.1.2 離散小波變換
        3.1.3 多分辨分析與Mallat算法
        3.1.4 小波包變換
    3.2 基于小波包變換的信號濾波
    3.3 基于小波包變換的信號特征提取
        3.3.1 小波包能量特征提取
        3.3.2 信號頻段時域特征提取
    3.4 本章小結(jié)
第四章 基于ACO-BP神經(jīng)網(wǎng)絡(luò)的刀具磨損預(yù)測
    4.1 BP神經(jīng)網(wǎng)絡(luò)
        4.1.1 神經(jīng)元模型分析
        4.1.2 BP學(xué)習(xí)算法
        4.1.3 BP神經(jīng)網(wǎng)絡(luò)的缺陷
    4.2 蟻群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)
        4.2.1 蟻群算法簡介
        4.2.2 蟻群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)策略
    4.3 基于蟻群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的刀具磨損預(yù)測
        4.3.1 數(shù)據(jù)規(guī)劃與預(yù)處理
        4.3.2 刀具磨損狀態(tài)識別
        4.3.3 刀具磨損量預(yù)測
    4.4 本章小結(jié)
第五章 大數(shù)據(jù)驅(qū)動下的刀具磨損在線預(yù)警
    5.1 聲發(fā)射信號采集
    5.2 基于HDFS的信號文件存儲
    5.3 基于MapReduce的信號特征提取
    5.4 基于MapReduce刀具磨損并行化建模
        5.4.1 蟻群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的并行化設(shè)計
        5.4.2 蟻群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的并行化實現(xiàn)
    5.5 大數(shù)據(jù)驅(qū)動的刀具磨損在線預(yù)警實現(xiàn)
    5.6 本章小結(jié)
第六章 系統(tǒng)實現(xiàn)
    6.1 系統(tǒng)環(huán)境及架構(gòu)
        6.1.1 系統(tǒng)環(huán)境
        6.1.2 系統(tǒng)架構(gòu)
    6.2 信號采集模塊
    6.3 信號分析處理模塊
    6.4 MES系統(tǒng)集成
    6.5 本章小結(jié)
第七章 總結(jié)與展望
    7.1 全文總結(jié)
    7.2 展望
參考文獻
致謝
在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文



本文編號：3649703