本文關(guān)鍵詞：硬脆材料旋轉(zhuǎn)超聲加工刀具磨損狀態(tài)監(jiān)測技術(shù)研究

  更多相關(guān)文章： 旋轉(zhuǎn)超聲加工 刀具磨損監(jiān)測 小波包分析 遺傳算法 神經(jīng)網(wǎng)絡(luò) Labview

【摘要】：硬脆材料的高硬度和脆性,使其在旋轉(zhuǎn)超聲加工過程中具有較高的切削力和較低的材料去除率,造成刀具快速磨損,引起刀具端面形貌發(fā)生不規(guī)則的變化,進而影響工件形狀精度和表面質(zhì)量。因此,開展硬脆材料旋轉(zhuǎn)超聲加工刀具磨損狀態(tài)監(jiān)測技術(shù)的研究對于提高硬脆材料加工質(zhì)量和效率、實現(xiàn)機床自主化加工具有極其重要的意義。本文確定了基于振動和切削力信息融合的刀具磨損狀態(tài)監(jiān)測方案,搭建相關(guān)實驗平臺。研究了旋轉(zhuǎn)超聲加工刀具整個壽命周期的端面磨損形態(tài)以及刀具磨損對工件加工質(zhì)量的影響,并對刀具磨損階段進行劃分。采用時域、頻域和小波包分析方法對振動和切削力信號進行分析處理,提取能夠反映刀具磨損狀態(tài)的特征�；诟魈卣鞯念悆�(nèi)、類間離散度和敏感度計算特征選擇因子,據(jù)此進行特征優(yōu)選達到特征降維的目的。提出了一種改進的GA-BP神經(jīng)網(wǎng)絡(luò),采用遺傳算法進行網(wǎng)絡(luò)初始權(quán)值和閾值的優(yōu)化,避免網(wǎng)絡(luò)陷入局部最小值;為加速收斂過程,采用BP算法對權(quán)值和閾值進行微調(diào);最后采用基于模糊推理的結(jié)構(gòu)學(xué)習(xí)算法對網(wǎng)絡(luò)結(jié)構(gòu)進行了優(yōu)化。將所提出的改進GA-BP神經(jīng)網(wǎng)絡(luò)用于旋轉(zhuǎn)超聲加工過程刀具磨損狀態(tài)的識別,識別率達到了95%,明顯優(yōu)于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)。采用虛擬儀器技術(shù)開發(fā)了基于Labview的刀具磨損狀態(tài)監(jiān)測系統(tǒng),該系統(tǒng)包括多傳感器信號采集與存儲、監(jiān)測系統(tǒng)參數(shù)離線調(diào)整和刀具磨損狀態(tài)在線監(jiān)測三個模塊,最后通過仿真實驗驗證了該系統(tǒng)的可靠性。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TG663
，

本文編號：1277678