發(fā)布時間：2020-05-10 15:27

【摘要】：圓盤式刀庫作為加工中心的一個關(guān)鍵功能部件,具有刀庫結(jié)構(gòu)復(fù)雜、換刀動作較快、對位置準(zhǔn)確性要求高,使其成為加工中心的一個故障發(fā)生概率很高的部件,嚴重影響了加工中心的運行可靠性。由于圓盤式刀庫故障模式多樣、故障原因繁雜,致使其在發(fā)生故障時維修人員很難在短時間內(nèi)找到故障原因并快速修復(fù)。本文結(jié)合實驗室研發(fā)的加工中心圓盤式刀庫可靠性試驗系統(tǒng),在大量試驗和深入研究刀庫常見故障模式和故障機理的基礎(chǔ)上,對圓盤式刀庫的故障診斷技術(shù)展開研究,目的是在其發(fā)生故障后能夠快速地做出故障部位、故障原因的判定,大幅度縮短維修時間,提高加工中心的利用率。本文以國產(chǎn)某型號圓盤式刀庫為研究對象,開展的主要研究工作和創(chuàng)新點如下:(1)確定了表征刀庫運行狀態(tài)的敏感信號。依據(jù)加工中心現(xiàn)場可靠性試驗數(shù)據(jù),分析明確了加工中心圓盤式刀庫系統(tǒng)的常見故障模式,并在故障機理分析的基礎(chǔ)上,確定了能夠反映刀庫正常狀態(tài)和故障狀態(tài)的敏感信號(振動信號),并利用圓盤式刀庫可靠性試驗臺的狀態(tài)監(jiān)測系統(tǒng)對表征刀庫運行狀態(tài)的敏感信號進行采集。(2)建立了基于CS-SVM的圓盤式刀庫故障分類器。論文首先利用小波包變換方法對試驗臺監(jiān)測系統(tǒng)采集的振動信號進行了特征量提取,并將提取后的特征量作歸一化處理,獲得了一個能夠反映圓盤式刀庫運行狀態(tài)的初始特征集。在此基礎(chǔ)上,利用布谷鳥算法(Cuckoo Search,CS)優(yōu)化支持向量機(Support Vector Machine,SVM),建立了基于CS-SVM的圓盤式刀庫故障分類器。(3)本文在保證分類器分類精度的情況下,實現(xiàn)了對初始特征集的降維。首先,對振動信號進行5層小波包分解,得到32個小波系數(shù),并將歸一化后的這些系數(shù)的能量值作為初始特征集;然后,在兼顧后續(xù)分類器的情況下,對初始特征集中各個特征的重要性進行評價;最后,利用前向序貫搜索算法對分類器進行訓(xùn)練和測試,并以分類器的準(zhǔn)確性作為評價指標(biāo),根據(jù)評價指標(biāo)的結(jié)果選取能夠使該分類器達到最佳性能且含有最小故障特征數(shù)目的特征子集為最優(yōu)故障特征子集。這樣在后續(xù)診斷時,利用此最優(yōu)特征子集對應(yīng)的特征直接對分類器進行訓(xùn)練和測試,既能使該分類器達到最佳性能,又能使其計算復(fù)雜度大幅降低。(4)試驗數(shù)據(jù)及結(jié)果分析。利用本文提出的圓盤式刀庫故障分類器,實現(xiàn)了對圓盤式刀庫3類狀態(tài)的高準(zhǔn)確率分類,驗證了本文所提方法的正確性和可行性。
【圖文】：

當(dāng)加工中心發(fā)生嚴重故障時，還可能對操作人員造成人身傷害。綜上可知造業(yè)對數(shù)控機床的性能諸如高精度、高效率高柔性自動化程度和安全可靠運出了更高的要求。由吉林大學(xué)機械科學(xué)與工程學(xué)院“機械工業(yè)數(shù)控裝備可靠性重點實驗室”內(nèi)某機床制造企業(yè)生產(chǎn)的 27 臺某型號加工中心用戶企業(yè)進行了為期 7 個月場數(shù)據(jù)跟蹤，最終獲得了該型號加工中心的關(guān)聯(lián)故障數(shù)據(jù)共 94 條。本文對號加工中心進行了子系統(tǒng)劃分，并對各子系統(tǒng)進行故障發(fā)生次數(shù)和頻率進行計和分析，其統(tǒng)計結(jié)果見表 1.1 和圖 1.1。表 1.1 該系列加工中心的故障頻次統(tǒng)計表系統(tǒng)名稱 主軸系統(tǒng) 進給系統(tǒng) 數(shù)控系統(tǒng) 電氣系統(tǒng) 換刀系統(tǒng)故障頻率 0.168 0.093 0.112 0.084 0.280系統(tǒng)名稱 氣動系統(tǒng) 潤滑系統(tǒng) 冷卻系統(tǒng) 排屑系統(tǒng) 防護系統(tǒng)故障頻率 0.084 0.028 0.075 0.037 0.037

的研究目的和意義動化程度的不斷提高，加工中心使用的圓盤式刀庫已經(jīng)）于一體化的復(fù)雜系統(tǒng)[16]。由于圓盤式刀庫結(jié)構(gòu)復(fù)雜，確性要求高，使得其成為加工中心一個故障發(fā)生概率很且，當(dāng)圓盤式刀庫發(fā)生的故障程度輕微時，可能會造成盤式刀庫發(fā)生的故障嚴重時，則可能會造成設(shè)備損壞，到傷害。如在實驗室進行圓盤式刀庫臺架可靠性試驗時套的氣缸活塞推桿運動速度過快，造成刀套回刀時模擬圓盤式刀庫前面的防護鋼化玻璃被擊碎，擊碎情況如下果發(fā)生在機床實際加工過程中，，輕則可能造成加工的工工件報廢，嚴重情況下可能會危害到操作人員的人身安
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TG659

【參考文獻】

相關(guān)期刊論文 前10條

1 薛浩然;張珂珩;李斌;彭晨輝;;基于布谷鳥算法和支持向量機的變壓器故障診斷[J];電力系統(tǒng)保護與控制;2015年08期

2 和麟;梁麗嬡;黃瀟瑤;馬存寶;;基于粒子群優(yōu)化SVM的飛機發(fā)電機故障診斷[J];計算機測量與控制;2013年12期

3 楊兆軍;陳傳海;陳菲;李國發(fā);;數(shù)控機床可靠性技術(shù)的研究進展[J];機械工程學(xué)報;2013年20期

4 王冬云;張文志;;基于小波包變換的滾動軸承故障診斷[J];中國機械工程;2012年03期

5 丁世飛;齊丙娟;譚紅艷;;支持向量機理論與算法研究綜述[J];電子科技大學(xué)學(xué)報;2011年01期

6 許彬彬;楊兆軍;陳菲;陳傳海;郝慶波;;加工中心自動換刀系統(tǒng)可靠性試驗臺的研制[J];工程與試驗;2010年04期

7 張煜東;吳樂南;王水花;;專家系統(tǒng)發(fā)展綜述[J];計算機工程與應(yīng)用;2010年19期

8 侯大為;;淺談我國機械加工中心的現(xiàn)狀及發(fā)展趨勢[J];科技致富向?qū)?2010年08期

9 梁訓(xùn)tD;;世界制造技術(shù)與裝備領(lǐng)域三十年來的四大質(zhì)變[J];兵工自動化;2009年04期

10 吳婷;顏國正;楊幫華;;基于小波包分解的腦電信號特征提取[J];儀器儀表學(xué)報;2007年12期

相關(guān)博士學(xué)位論文 前9條

1 陳傳海;面向可靠性概率設(shè)計的數(shù)控機床載荷譜建立方法研究[D];吉林大學(xué);2013年

2 周雁冰;基于高階統(tǒng)計量的齒輪傳動系統(tǒng)故障特征提取方法研究[D];華北電力大學(xué);2013年

3 王曉峰;加工中心可信性影響度分析及增長技術(shù)研究[D];吉林大學(xué);2012年

4 崔江;基于支持向量機的模擬電子電路故障分類技術(shù)研究[D];南京航空航天大學(xué);2010年

5 張超;基于支持向量機的汽輪機軸系振動故障智能診斷研究[D];華北電力大學(xué)（河北）;2009年

6 張永;基于模糊支持向量機的多類分類算法研究[D];大連理工大學(xué);2008年

7 潘明清;基于支持向量機的機械故障模式分類研究[D];浙江大學(xué);2005年

8 楊宇;基于EMD和支持向量機的旋轉(zhuǎn)機械故障診斷方法研究[D];湖南大學(xué);2005年

9 何學(xué)文;基于支持向量機的故障智能診斷理論與方法研究[D];中南大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 朱明民;基于LabVIEW的圓盤式刀庫可靠性臺架試驗中的狀態(tài)監(jiān)測及故障預(yù)警[D];吉林大學(xué);2017年

2 曾翠蘭;基于多元相空間重構(gòu)的數(shù)控機床運動精度預(yù)測[D];重慶理工大學(xué);2017年

3 馬位濤;基于小波包變換和優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法研究[D];華中科技大學(xué);2016年

4 張歡歡;圓盤式刀庫狀態(tài)監(jiān)控系統(tǒng)研制[D];吉林大學(xué);2015年

5 朱丕亮;基于小波包能量譜的滾動軸承故障診斷[D];中國科學(xué)技術(shù)大學(xué);2014年

6 高揚清;CRH動車輪對相控陣探傷缺陷識別算法研究[D];西南交通大學(xué);2014年

7 崔偉;風(fēng)力發(fā)電機組振動狀態(tài)監(jiān)測與故障診斷系統(tǒng)研究[D];華北電力大學(xué);2014年

8 王陽;鏈?zhǔn)降稁炜煽啃栽囼炁_研制及試驗研究[D];吉林大學(xué);2013年

9 李南;刀庫及自動換刀裝置可靠性研究[D];大連理工大學(xué);2012年

10 謝芳芳;基于支持向量機的故障診斷方法[D];湖南大學(xué);2006年

本文編號：2657512