發(fā)動機傳動單元體機匣和齒輪精密度要求高,國產(chǎn)數(shù)控設備難以實現(xiàn)高效率生產(chǎn),提高國產(chǎn)數(shù)控加工設備智能化程度是有效解決手段,為提高機匣及齒輪生產(chǎn)線數(shù)控加工設備利用率,降低設備故障率,本文開展了加工設備狀態(tài)監(jiān)測與預警技術研究。介紹了機匣和齒輪生產(chǎn)線上的典型數(shù)控加工設備以及伺服驅(qū)動器接口和CAN模塊的接口,并且研究了通過硬件接口接入的數(shù)字信號和模擬信號在軟PLC中的定義方法,從而明確了PLC內(nèi)核和CNC內(nèi)核中參數(shù)對象含義,進一步基于Socket協(xié)議開發(fā)設備通訊程序,并且開展了通訊驗證試驗,讀取了各軸位置、電機溫度、負載率、隨動誤差以及設備狀態(tài)等參數(shù),驗證了基于Socket通訊方案的可行性,為開發(fā)數(shù)控設備監(jiān)測系統(tǒng)提供基礎技術支持。分析了生產(chǎn)線設備監(jiān)測系統(tǒng)的開發(fā)需求,采用瀏覽器/服務器（B/S）架構(gòu)和前后端分離的開發(fā)模式�；赗eact設計了Web端界面,實現(xiàn)了登錄注冊功能、單臺/多臺設備監(jiān)測功能、生產(chǎn)線監(jiān)測功能以及信息記錄查詢功能�；赑ython語言Flask框架結(jié)合多線程技術開發(fā)了服務端程序,實現(xiàn)了基于Socket協(xié)議讀取數(shù)控設備狀態(tài)信息,并應用ORM框架實現(xiàn)了對PostgreSQL數(shù)據(jù)庫的存... 

【文章頁數(shù)】：85 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 引言
    1.2 課題研究現(xiàn)狀
        1.2.1 數(shù)控加工設備數(shù)據(jù)采集研究現(xiàn)狀
        1.2.2 數(shù)控加工設備狀態(tài)監(jiān)測研究現(xiàn)狀
        1.2.3 數(shù)控加工設備狀態(tài)預警研究現(xiàn)狀
    1.3 課題研究背景
    1.4 主要研究內(nèi)容
2 發(fā)動機傳動體機匣及齒輪加工設備接口與通訊技術研究
    2.1 發(fā)動機傳動體機匣及齒輪生產(chǎn)線數(shù)控加工設備
    2.2 數(shù)控加工設備通訊硬件接口
        2.2.1 伺服驅(qū)動器接口
        2.2.2 CAN模塊接口
    2.3 數(shù)控系統(tǒng)中軟PLC接口定義研究
    2.4 數(shù)控加工設備網(wǎng)絡通訊方法及驗證
    2.5 本章小結(jié)
3 發(fā)動機傳動體機匣及齒輪加工設備狀態(tài)監(jiān)測系統(tǒng)開發(fā)
    3.1 基于B/S架構(gòu)的狀態(tài)監(jiān)測系統(tǒng)總體設計
        3.1.1 設備狀態(tài)監(jiān)測系統(tǒng)需求分析
        3.1.2 設備狀態(tài)監(jiān)測系統(tǒng)總體框架
    3.2 設備狀態(tài)監(jiān)測系統(tǒng)Web端開發(fā)
        3.2.1 登錄注冊界面
        3.2.2 監(jiān)測系統(tǒng)主界面
        3.2.3 生產(chǎn)線監(jiān)測界面
        3.2.4 設備監(jiān)測界面
        3.2.5 記錄查詢界面
    3.3 設備狀態(tài)監(jiān)測系統(tǒng)服務器端開發(fā)
        3.3.1 服務器端邏輯實現(xiàn)
        3.3.2 數(shù)據(jù)庫存儲查詢研究
    3.4 設備狀態(tài)監(jiān)測系統(tǒng)測試研究
        3.4.1 服務器響應效率測試
        3.4.2 Web端響應測試優(yōu)化
        3.4.3 多用戶并發(fā)性能測試
    3.5 本章小結(jié)
4 發(fā)動機傳動體機匣及齒輪加工設備狀態(tài)預警技術研究
    4.1 數(shù)控加工設備狀態(tài)參數(shù)預警分析研究
        4.1.1 數(shù)控設備運動參數(shù)預警閾值設定
        4.1.2 振動信號分析處理研究
        4.1.3 噪聲信號分析處理研究
        4.1.4 數(shù)控設備溫度參數(shù)預警研究
        4.1.5 數(shù)控設備隨動誤差預警分析
    4.2 基于機器學習算法的多源參數(shù)預警技術研究
        4.2.1 基于決策樹算法建立設備狀態(tài)預警模型
        4.2.2 基于k-最近鄰算法建立設備狀態(tài)預警模型
        4.2.3 基于多層神經(jīng)網(wǎng)絡建立設備狀態(tài)預警模型
        4.2.4 基于支持向量機建立設備狀態(tài)預警模型
        4.2.5 設備狀態(tài)預警模型對比分析
    4.3 數(shù)控設備狀態(tài)預警報告自動生成及推送技術研究
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 不足與展望
致謝
參考文獻
附錄A 故障記錄分析表
附錄B 碩士期間研究成果


【參考文獻】：
期刊論文
[1]基于粗糙集結(jié)合SimRank算法的數(shù)控機床故障診斷研究[J]. 王家海,徐旭輝,沈佳豪,江小林,柴李夢.  組合機床與自動化加工技術. 2018(02)
[2]數(shù)字化車間生產(chǎn)狀態(tài)實時監(jiān)測系統(tǒng)的研究與實現(xiàn)[J]. 方磊,李德寶,唐火紅,何其昌.  組合機床與自動化加工技術. 2017(12)
[3]基于物聯(lián)網(wǎng)和工業(yè)云的選礦設備狀態(tài)監(jiān)控系統(tǒng)[J]. 侯一鳴,徐泉,李亞杰,王良勇,劉長鑫,柴天佑.  計算機集成制造系統(tǒng). 2017(09)
[4]一種機械故障診斷多傳感器數(shù)據(jù)融合特征提取的方法[J]. 王江萍,婁尚,楊志芹.  西安石油大學學報(自然科學版). 2017(01)
[5]基于特征提取的低信噪比拉曼光譜去噪方法研究[J]. 范賢光,王秀芬,王昕,許英杰,闕靖,王小東,何浩,李韋,左勇.  光譜學與光譜分析. 2016(12)
[6]數(shù)控機床故障診斷關聯(lián)規(guī)則挖掘方法研究[J]. 高新勤,馬強華,張艷平.  制造業(yè)自動化. 2016(10)
[7]基于LabVIEW和CompactRIO平臺的數(shù)控機床實時信號監(jiān)測系統(tǒng)的開發(fā)[J]. 周凌青,胡永祥,姚振強.  組合機床與自動化加工技術. 2016(10)
[8]基于遺傳神經(jīng)網(wǎng)絡的數(shù)控機床故障預測[J]. 李雪,王鶴,邵秋萍,熊建橋,朱曉翠.  現(xiàn)代制造技術與裝備. 2016(10)
[9]基于RFID的智能化機床刀具信息管理研究[J]. 余良偉,陳緒兵,王瑜輝,張超.  工具技術. 2016(09)
[10]基于多源信息融合的數(shù)控機床不停機診斷研究[J]. 劉麗冰,李曼,李莉,蓋立亞,楊澤青.  制造技術與機床. 2016(08)

博士論文
[1]基于多源信息融合的數(shù)控機床進給系統(tǒng)機械故障診斷研究[D]. 文妍.青島理工大學 2016

碩士論文
[1]基于多源信息融合的數(shù)控機床進給系統(tǒng)復合故障診斷研究[D]. 李善.青島理工大學 2016
[2]基于模糊推理的五軸數(shù)控機床故障預警系統(tǒng)研究[D]. 謝剛.電子科技大學 2015



本文編號：3711528