發(fā)動機傳動單元體機匣和齒輪精密度要求高,國產數控設備難以實現高效率生產,提高國產數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線數控加工設備利用率,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線上的典型數控加工設備以及伺服驅動器接口和CAN模塊的接口,并且研究了通過硬件接口接入的數字信號和模擬信號在軟PLC中的定義方法,從而明確了PLC內核和CNC內核中參數對象含義,進一步基于Socket協議開發(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,驗證了基于Socket通訊方案的可行性,為開發(fā)數控設備監(jiān)測系統提供基礎技術支持。分析了生產線設備監(jiān)測系統的開發(fā)需求,采用瀏覽器/服務器（B/S）架構和前后端分離的開發(fā)模式�；赗eact設計了Web端界面,實現了登錄注冊功能、單臺/多臺設備監(jiān)測功能、生產線監(jiān)測功能以及信息記錄查詢功能�；赑ython語言Flask框架結合多線程技術開發(fā)了服務端程序,實現了基于Socket協議讀取數控設備狀態(tài)信息,并應用ORM框架實現了對PostgreSQL數據庫的存... 

【文章頁數】：85 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 引言
    1.2 課題研究現狀
        1.2.1 數控加工設備數據采集研究現狀
        1.2.2 數控加工設備狀態(tài)監(jiān)測研究現狀
        1.2.3 數控加工設備狀態(tài)預警研究現狀
    1.3 課題研究背景
    1.4 主要研究內容
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線數控加工設備
    2.2 數控加工設備通訊硬件接口
        2.2.1 伺服驅動器接口
        2.2.2 CAN模塊接口
    2.3 數控系統中軟PLC接口定義研究
    2.4 數控加工設備網絡通訊方法及驗證
    2.5 本章小結
3 發(fā)動機傳動體機匣及齒輪加工設備狀態(tài)監(jiān)測系統開發(fā)
    3.1 基于B/S架構的狀態(tài)監(jiān)測系統總體設計
        3.1.1 設備狀態(tài)監(jiān)測系統需求分析
        3.1.2 設備狀態(tài)監(jiān)測系統總體框架
    3.2 設備狀態(tài)監(jiān)測系統Web端開發(fā)
        3.2.1 登錄注冊界面
        3.2.2 監(jiān)測系統主界面
        3.2.3 生產線監(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)測系統服務器端開發(fā)
        3.3.1 服務器端邏輯實現
        3.3.2 數據庫存儲查詢研究
    3.4 設備狀態(tài)監(jiān)測系統測試研究
        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
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 數控加工設備狀態(tài)參數預警分析研究
        4.1.1 數控設備運動參數預警閾值設定
        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 數控設備溫度參數預警研究
        4.1.5 數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 基于多層神經網絡建立設備狀態(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
5 總結與展望
    5.1 全文總結
    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]基于粗糙集結合SimRank算法的數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]數字化車間生產狀態(tài)實時監(jiān)測系統的研究與實現[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]基于物聯網和工業(yè)云的選礦設備狀態(tài)監(jiān)控系統[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. 2017(09)
[4]一種機械故障診斷多傳感器數據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]數控機床故障診斷關聯規(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平臺的數控機床實時信號監(jiān)測系統的開發(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]基于遺傳神經網絡的數控機床故障預測[J]. 李雪,王鶴,邵秋萍,熊建橋,朱曉翠.  現代制造技術與裝備. 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控機床進給系統機械故障診斷研究[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控機床進給系統復合故障診斷研究[D]. 李善.青島理工大學 2016
[2]基于模糊推理的五軸數控機床故障預警系統研究[D]. 謝剛.電子科技大學 2015



本文編號：3711528