數(shù)控加工過程中的刀具狀態(tài)實時監(jiān)測對保證零件的加工質(zhì)量和效率具有重要作用,是智能數(shù)控加工領域的一個關鍵技術�；谇邢髁Α⒄駝拥刃盘柕拈g接監(jiān)測是數(shù)控加工刀具狀態(tài)實時監(jiān)測的有效手段,而數(shù)控加工過程中的監(jiān)測信號不僅跟刀具狀態(tài)相關,還受工件的幾何形狀、工藝參數(shù)等因素的影響。尤其是單件小批量生產(chǎn)的復雜結構件,其加工過程中的幾何形狀和工藝參數(shù)不斷變化,為刀具狀態(tài)的實時監(jiān)測帶來了很大的挑戰(zhàn)。針對以上問題,本文對基于深度學習的數(shù)控加工刀具狀態(tài)實時監(jiān)測進行了深入研究。論文主要創(chuàng)新點如下:（1）研究了刀具磨損狀態(tài)、工件幾何形狀和加工工藝對刀具狀態(tài)監(jiān)測信號的影響機理。首先設計了單因素實驗分析刀具磨損狀態(tài)、工件幾何和加工工藝對監(jiān)測信號的影響,進而設計了多因素實驗分析了不同影響因素對刀具狀態(tài)監(jiān)測信號的耦合關系。實驗表明,工件幾何和加工工藝對監(jiān)測信號的影響與刀具磨損狀態(tài)對監(jiān)測信號的影響具有很強的相似性。（2）針對傳統(tǒng)向量方法在表達刀具狀態(tài)監(jiān)測相關的幾何-工藝-監(jiān)測信息時破壞了信息之間高維結構關系及其相關性的問題,提出了基于張量的刀具狀態(tài)監(jiān)測多維輸入空間表達方法。建立了基于刀位點坐標的幾何信息-工藝信息-監(jiān)測信息之間... 

【文章來源】：南京航空航天大學江蘇省 211工程院校

【文章頁數(shù)】：88 頁

【學位級別】：碩士

【部分圖文】：

論文章節(jié)結構圖

圖 2. 1 刀具狀態(tài)監(jiān)測數(shù)據(jù)采集平臺 傳感器信號采集模塊（1）切削力信號采集切削力與刀具磨損狀態(tài)密切相關，切削力信號的變化能直觀地反映刀具狀態(tài)的改變究中常使用力傳感器獲取切削力并對其進行處理分析。切削過程中的切削力包含靜態(tài)分量，力傳感器必須能夠準確的測量兩個分量，壓電式和應變式是最常見的力傳應用中通常有測力儀和測力刀柄可選擇，其中以瑞士 KistlerTM公司生產(chǎn)的產(chǎn)品較為（2）振動信號采集振動信號由切削力動態(tài)分量引起，同樣包含與刀具磨損狀態(tài)密切相關的信息。振動用加速度傳感器采集，根據(jù)測量原理不同又可以分為壓電式、壓阻式以及電容式等其中最常用的是壓電式加速度傳感器。使用時利用磁力吸附在零件表面即可測量，置對測量結果有影響，且振動信號受機床系統(tǒng)振動影響較大。（3）主軸電流和功率信號采集加工過程中的刀具磨損會引起切削力的增大以及切削功率和扭矩的增大，導致機床

將導致監(jiān)測信號的峰值或均值的改變工藝信息對監(jiān)測信號的影響存在耦合，僅僅通過的變化還是幾何信息、工藝信息的變化。磨損量、幾何信息、工藝信息采用正交法進行切實驗數(shù)據(jù)分析每個因素對于監(jiān)測信號結果的影響法簡單的判斷是刀具磨損狀態(tài)的變化還是幾何信線性變化的影響因素，如可通過刀軌調(diào)節(jié)的材料態(tài)不同時，可以獲得相似的監(jiān)測信號，并對兩段通過余弦相似度證明兩段信號具有較強的相似性指的是三向切削力信號、振動信號等傳感器監(jiān)測何信息指的是加工特征的幾何形狀等；工藝信息的主軸轉(zhuǎn)速、進給速度、材料去除速率等信息，、刃傾角、刀刃數(shù)等刀具信息。由于復雜結構件零件選擇包含一個筋特征的槽腔，如圖 2.2 所示合金立銑刀。實驗數(shù)據(jù)分析均以切削力信號和振

【參考文獻】：
期刊論文
[1]基于深度學習的高速銑削刀具磨損狀態(tài)預測方法[J]. 林楊,高思煜,劉同舜,朱錕鵬.  機械與電子. 2017(07)
[2]ARTIS刀具監(jiān)控系統(tǒng)在航空結構件銑削加工中的應用[J]. 朱紹維,李衛(wèi)東,湯立民,杜麗.  中國機械工程. 2016(15)
[3]融合工藝信息的復雜零件加工狀態(tài)識別方法[J]. 朱紹維,牟文平,湯立民,杜麗.  中國機械工程. 2016(11)
[4]一種基于多特征和支持向量機的刀具磨損狀態(tài)識別技術[J]. 劉宇,汪惠芬,劉庭煜.  制造業(yè)自動化. 2016(05)
[5]基于EEMD-SVM的刀具磨損狀態(tài)研究[J]. 江雁,傅攀,李曉暉.  中國測試. 2016(01)
[6]基于支持向量回歸機的刀具壽命預測[J]. 侍紅巖,吳曉強,張春友.  工具技術. 2015(11)
[7]基于分層圖像采集和三維重建的刀具磨損檢測方法[J]. 舒平生.  制造技術與機床. 2015(04)
[8]基于深度學習的不完整大數(shù)據(jù)填充算法[J]. 卜范玉,陳志奎,張清辰.  微電子學與計算機. 2014(12)
[9]基于振動信號EMD和ICA的刀具破損識別[J]. 陳群濤,石新華,邵華.  工具技術. 2012(12)
[10]切削加工過程的在線監(jiān)測與自適應控制[J]. 柳萬珠,劉強.  航空制造技術. 2012(14)

博士論文
[1]智慧制造環(huán)境下感知數(shù)據(jù)驅(qū)動的加工作業(yè)主動調(diào)度方法研究[D]. 張存吉.華南理工大學 2016
[2]面向大數(shù)據(jù)特征學習的深度計算模型研究[D]. 張清辰.大連理工大學 2015
[3]基于張量數(shù)據(jù)的機器學習方法研究與應用[D]. 楊兵.中國農(nóng)業(yè)大學 2014
[4]車銑刀具磨損狀態(tài)監(jiān)測及預測關鍵技術研究[D]. 李威霖.西南交通大學 2013
[5]多傳感器數(shù)據(jù)融合關鍵技術研究[D]. 姜延吉.哈爾濱工程大學 2010
[6]切削加工過程中刀具磨損的智能監(jiān)測技術研究[D]. 高宏力.西南交通大學 2005
[7]基于計算機視覺的刀具磨損狀態(tài)監(jiān)測技術的研究[D]. 熊四昌.浙江大學 2003

碩士論文
[1]刀具磨損監(jiān)測和剩余壽命預測方法[D]. 王曉強.華中科技大學 2016
[2]刀具磨損在線監(jiān)測研究[D]. 柳洋.華中科技大學 2014
[3]基于多傳感器融合技術的刀具磨損監(jiān)測系統(tǒng)的研究[D]. 郭勇.沈陽航空航天大學 2014
[4]基于機器視覺的銑削刀具磨損監(jiān)測技術研究[D]. 張吉林.南京航空航天大學 2013
[5]基于小波分析的強噪聲環(huán)境下弱信號提取研究[D]. 劉鑫.南京大學 2012
[6]飛機結構件槽特征數(shù)控加工自動工藝決策方法[D]. 張石磊.南京航空航天大學 2012
[7]基于聲發(fā)射和振動法的刀具磨損狀態(tài)檢測研究[D]. 莊子杰.上海交通大學 2009



本文編號：3492559