制造業(yè)自動(dòng)化水平的提高對(duì)數(shù)控機(jī)床的自我診斷能力提出了新的要求,而立銑刀是切削加工中重要的刀具之一,其磨損不僅會(huì)對(duì)加工工件的尺寸精度和質(zhì)量造成影響,而且會(huì)導(dǎo)致機(jī)床產(chǎn)生振動(dòng)沖擊即對(duì)機(jī)床加工精度造成影響,進(jìn)而會(huì)間接影響到實(shí)際的加工效率以及生產(chǎn)成本。因此,銑刀磨損信號(hào)的檢測(cè)變得越來越重要,目前已成為國(guó)內(nèi)外學(xué)者研究的熱點(diǎn)問題之一。本文對(duì)立銑刀的磨損信號(hào)檢測(cè)進(jìn)行研究,通過采集立銑刀切削時(shí)的加速度信號(hào)后,對(duì)其時(shí)域、頻域等信號(hào)進(jìn)行特征值提取,建立了基于遺傳算法（GA）和粒子群算法（PSO）的自適應(yīng)隨機(jī)共振模型,并將其應(yīng)用在銑刀的磨損信號(hào)檢測(cè)上。論文的主要研究?jī)?nèi)容如下:首先,從理論角度分析了立銑刀磨損信號(hào)檢測(cè)方法的發(fā)展過程以及自適應(yīng)隨機(jī)共振的發(fā)展應(yīng)用,簡(jiǎn)單介紹隨機(jī)共振（SR）的模型,接著介紹了兩類自適應(yīng)隨機(jī)共振算法,針對(duì)傳統(tǒng)的SR方法以系統(tǒng)的參數(shù)和噪聲強(qiáng)度的匹配為研究背景的局限性,將雙穩(wěn)態(tài)系統(tǒng)的參數(shù)進(jìn)行優(yōu)化,從而提高信噪比,達(dá)到最佳SR狀態(tài);其次給出了本文所采用的適應(yīng)度函數(shù)為輸出信噪比,為之后基于GA和PSO的參數(shù)優(yōu)化進(jìn)行鋪墊;接著對(duì)立銑刀切削時(shí)的加速度信號(hào)進(jìn)行特征值提取,分析其立銑刀不同時(shí)期的功率譜以... 

【文章來源】：安徽大學(xué)安徽省 211工程院校

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 選題背景及意義
    1.2 立銑刀的磨損與分析
        1.2.1 立銑刀磨損的形成與分析
        1.2.2 刀具磨損的檢測(cè)方法
    1.3 隨機(jī)共振概述
        1.3.1 隨機(jī)共振的發(fā)展
        1.3.2 自適應(yīng)隨機(jī)共振的發(fā)展情況
    1.4 論文主要工作
第二章 自適應(yīng)隨機(jī)共振算法
    2.1 隨機(jī)共振模型
        2.1.1 經(jīng)典隨機(jī)共振模型
        2.1.2 隨機(jī)共振效應(yīng)的判定依據(jù)
        2.1.3 雙穩(wěn)態(tài)隨機(jī)共振模型
    2.2 自適應(yīng)共振算法的研究
        2.2.1 外加信號(hào)自適應(yīng)隨機(jī)共振算法
        2.2.2 參數(shù)調(diào)節(jié)自適應(yīng)隨機(jī)共振
    2.3 本章小結(jié)
第三章 立銑刀磨損信號(hào)檢測(cè)的頻域分析
    3.1 立銑刀磨損形態(tài)及標(biāo)準(zhǔn)
        3.1.1 立銑刀磨損形態(tài)
        3.1.2 立銑刀磨損的標(biāo)準(zhǔn)
    3.2 實(shí)驗(yàn)數(shù)據(jù)
    3.3 立銑刀磨損信號(hào)的頻域分析
        3.3.1 頻譜分析
        3.3.2 功率譜分析
    3.4 本章小結(jié)
第四章 遺傳算法在自適應(yīng)隨機(jī)共振方法中的參數(shù)尋優(yōu)
    4.1 基于遺傳算法的自適應(yīng)隨機(jī)共振
        4.1.1 遺傳算法
        4.1.2 基于遺傳算法的自適應(yīng)隨機(jī)共振參數(shù)調(diào)整
        4.1.3 基于遺傳算法的自適應(yīng)隨機(jī)共振的仿真驗(yàn)證
    4.2 基于GA的自適應(yīng)SR在立銑刀信號(hào)檢測(cè)中的實(shí)驗(yàn)驗(yàn)證
    4.3 本章小結(jié)
第五章 粒子群算法在自適應(yīng)隨機(jī)共振方法中的參數(shù)尋優(yōu)
    5.1 基于粒子群算法的自適應(yīng)隨機(jī)共振
        5.1.1 粒子群算法
        5.1.2 基于粒子群算法的自適應(yīng)隨機(jī)共振
        5.1.3 基于粒子群算法的自適應(yīng)隨機(jī)共振實(shí)驗(yàn)仿真
    5.2 實(shí)驗(yàn)驗(yàn)證
        5.2.1 基于粒子群算法的自適應(yīng)隨機(jī)共振的實(shí)驗(yàn)驗(yàn)證
        5.2.2 粒子群算法與遺傳算法結(jié)果對(duì)比
    5.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于粒子群的共振解調(diào)滾動(dòng)軸承故障診斷研究[J]. 毛海波,周鳳星.  組合機(jī)床與自動(dòng)化加工技術(shù). 2019(09)
[2]隨機(jī)共振消噪與ELMD相結(jié)合的軸承故障診斷[J]. 朱騰飛,張超.  機(jī)械設(shè)計(jì)與研究. 2018(03)
[3]刀具狀態(tài)智能監(jiān)測(cè)研究進(jìn)展[J]. 王國(guó)鋒,李志猛,董毅.  航空制造技術(shù). 2018(06)
[4]基于聲發(fā)射CFRP加工刀具磨損及孔出口損傷研究[J]. 黃文亮,李鵬南,邱新義,牛秋林,劉峰.  兵器材料科學(xué)與工程. 2018(01)
[5]基于自適應(yīng)隨機(jī)共振的齒輪微弱沖擊故障信號(hào)增強(qiáng)提取方法研究[J]. 李繼猛,張?jiān)苿?張金鳳,謝平.  計(jì)量學(xué)報(bào). 2017(05)
[6]基于形態(tài)分量分析的高速銑削加工刀具磨損在線監(jiān)測(cè)[J]. 陶欣,朱錕鵬,高思煜.  中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào). 2017(08)
[7]Weak thruster fault detection for AUV based on stochastic resonance and wavelet reconstruction[J]. 劉維新,王玉甲,劉星,張銘鈞.  Journal of Central South University. 2016(11)
[8]從多軸聯(lián)動(dòng)機(jī)床與自動(dòng)生產(chǎn)線的發(fā)展看中國(guó)機(jī)床工業(yè)的迅速發(fā)展[J]. 恩寶貴.  制造技術(shù)與機(jī)床. 2016(02)
[9]二次方分段雙穩(wěn)系統(tǒng)的隨機(jī)共振特性及其應(yīng)用[J]. 張金燕,林敏.  振動(dòng)與沖擊. 2015(19)
[10]智能制造——“中國(guó)制造2025”的主攻方向[J]. 周濟(jì).  中國(guó)機(jī)械工程. 2015(17)

博士論文
[1]鈦合金銑削加工過程參量建模及刀具磨損狀態(tài)預(yù)測(cè)[D]. 孫玉晶.山東大學(xué) 2014
[2]數(shù)控機(jī)床在線振動(dòng)監(jiān)測(cè)與故障診斷關(guān)鍵技術(shù)研究[D]. 張攀.天津大學(xué) 2014
[3]鈦合金銑削刀具磨損及表面完整性研究[D]. 楊曉勇.天津大學(xué) 2013

碩士論文
[1]基于復(fù)合多穩(wěn)隨機(jī)共振的微弱信號(hào)檢測(cè)與應(yīng)用研究[D]. 喬小雪.西安理工大學(xué) 2019
[2]基于深度學(xué)習(xí)的銑刀磨損狀態(tài)監(jiān)測(cè)方法研究[D]. 郝佰田.大連理工大學(xué) 2019
[3]基于圖像處理的立銑刀磨損在機(jī)檢測(cè)系統(tǒng)研發(fā)[D]. 邵偉業(yè).南京航空航天大學(xué) 2019
[4]基于隨機(jī)共振的滾動(dòng)軸承微弱信號(hào)幅值估計(jì)研究[D]. 吳尚孺.北京郵電大學(xué) 2017
[5]基于多尺度隨機(jī)共振譜的滾動(dòng)軸承故障診斷方法研究[D]. 吳恩浩.中國(guó)科學(xué)技術(shù)大學(xué) 2017
[6]基于電流與振動(dòng)信號(hào)的銑刀磨損監(jiān)測(cè)方法研究[D]. 李全寶.青島理工大學(xué) 2015
[7]基于聲發(fā)射法的銑刀磨損狀態(tài)識(shí)別研究[D]. 湯為.上海交通大學(xué) 2009
[8]多目標(biāo)優(yōu)化的粒子群算法及其應(yīng)用研究[D]. 陳紹新.大連理工大學(xué) 2007



本文編號(hào)：3193645