本文關(guān)鍵詞：基于聲發(fā)射和振動法的刀具磨損狀態(tài)檢測研究

  更多相關(guān)文章： 刀具磨損 聲發(fā)射 振動 神經(jīng)網(wǎng)絡(luò)

【摘要】： 刀具作為金屬切削過程的直接執(zhí)行者,在工件的切削加工過程中不可避免地存在著刀具磨損現(xiàn)象。刀具狀態(tài)的變化直接導(dǎo)致產(chǎn)品質(zhì)量下降和生產(chǎn)成本增加,進而影響產(chǎn)品的市場競爭力。所以刀具狀態(tài)的實時監(jiān)控對提高產(chǎn)品質(zhì)量,減低生產(chǎn)成本,提高生產(chǎn)效率具有重要的意義。針對這一問題,本文開展了以下研究工作: 本文首先建立的聲發(fā)射信號和振動信號的采集系統(tǒng),并通過試驗獲取了刀具在不同磨損狀態(tài)下的信號。對信號進行時域,頻域和小波分析后,利用相關(guān)系數(shù)法,選取與刀具磨損量相關(guān)的特征量。然后本文分析了BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于刀具磨損監(jiān)測的特點,首次采用了三次樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)對特征建模,提高了系統(tǒng)識別速度,系統(tǒng)具備一定的增殖能力,適合在線監(jiān)測。最后針對監(jiān)測系統(tǒng)可靠性差的難題,提出利用集成神經(jīng)網(wǎng)絡(luò)建立刀具磨損與信號特征之間的影射關(guān)系。 本文在實驗設(shè)計、信號采集、信號分析、特征提取和模式識別方面做了積極的探索。提高了刀具在線檢測系統(tǒng)的精度和穩(wěn)定性。
【關(guān)鍵詞】：刀具磨損 聲發(fā)射 振動 神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2009
【分類號】：TG71
【目錄】：

• 摘要3-4
• ABSTRACT4-9
• 第一章 緒論9-21
• 1.1 刀具狀態(tài)檢測的意義9-10
• 1.2 刀具失效的形式和標(biāo)準(zhǔn)10-12
• 1.2.1 刀具磨損形式10-11
• 1.2.2 刀具破損形式11
• 1.2.3 刀具磨鈍標(biāo)準(zhǔn)11-12
• 1.3 刀具狀態(tài)監(jiān)控技術(shù)研究現(xiàn)狀12-19
• 1.3.1 刀具狀態(tài)監(jiān)測方法13-16
• 1.3.2 信號的特征抽取16-17
• 1.3.3 信號的特征選擇17-18
• 1.3.4 刀具狀態(tài)識別18-19
• 1.4 本文主要研究內(nèi)容19-21
• 第二章 刀具磨損試驗21-35
• 2.1 試驗?zāi)康?/span>21
• 2.2 試驗裝置21-24
• 2.2.1 刀具磨損監(jiān)測系統(tǒng)21-22
• 2.2.2 試驗機床22
• 2.2.3 傳感器選擇22-23
• 2.2.4 試驗對象確定23-24
• 2.3 試驗方法研究24-27
• 2.3.1 影響信號的因素24-25
• 2.3.2 正交試驗法25-27
• 2.4 試驗步驟27-28
• 2.4.1 影響信號特征因素的試驗28
• 2.4.2 刀具磨損監(jiān)測試驗28
• 2.5 影響監(jiān)測信號特征的因素分析28-34
• 2.5.1 機床空轉(zhuǎn)噪聲對信號特征的影響29-30
• 2.5.2 傳感器安裝位置對信號特征的影響30-31
• 2.5.3 切削參數(shù)對信號特征的影響31-34
• 2.6 本章小結(jié)34-35
• 第三章 信號處理與刀具磨損特征選擇35-64
• 3.1 時域分析與時域特征35-36
• 3.2 頻域分析與時域特征36-37
• 3.3 小波變換37-47
• 3.3.1 連續(xù)小波變換38-41
• 3.3.2 離散小波變換41-42
• 3.3.3 多分辨率分析42-44
• 3.3.4 小波包分析44-47
• 3.4 特征的相關(guān)性分析47-48
• 3.5 刀具磨損特征選擇48-63
• 3.5.1 振動信號特征50-56
• 3.5.2 AE 信號特征56-62
• 3.5.3 刀具特征量相關(guān)系數(shù)計算62-63
• 3.6 本章小結(jié)63-64
• 第四章 基于神經(jīng)網(wǎng)絡(luò)的刀具磨損監(jiān)測技術(shù)64-90
• 4.1 反向傳播網(wǎng)絡(luò)64-78
• 4.1.1 人工神經(jīng)元64-65
• 4.1.2 BP 前饋型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與算法65-69
• 4.1.3 BP 算法的改進69-70
• 4.1.4 分類與逼近70-72
• 4.1.5 基于BP 網(wǎng)絡(luò)的刀具磨損監(jiān)測技術(shù)研究72-77
• 4.1.6 BP 算法存在的問題77-78
• 4.2 樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)78-86
• 4.2.1 樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)78-81
• 4.2.2 樣條權(quán)函數(shù)方程的建立與求解81-84
• 4.2.3 三次樣條權(quán)函數(shù)網(wǎng)絡(luò)與BP 網(wǎng)絡(luò)的比較84-85
• 4.2.4 三次樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)識別結(jié)果85-86
• 4.3 基于集成神經(jīng)網(wǎng)絡(luò)的刀具磨損監(jiān)測技術(shù)86-89
• 4.3.1 網(wǎng)絡(luò)結(jié)構(gòu)86-87
• 4.3.2 決策融合算法87-88
• 4.3.3 基于決策融合算法識別結(jié)果88-89
• 4.4 本章小結(jié)89-90
• 第五章 總結(jié)與展望90-92
• 5.1 主要結(jié)論90-91
• 5.2 研究展望91-92
• 參考文獻92-96
• 致謝96-97
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文97-99

【引證文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 胡江林;張少文;李亮;;基于聲發(fā)射技術(shù)監(jiān)測刀具磨損的研究[J];工具技術(shù);2012年03期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 沈南燕;大型數(shù)控切點跟蹤曲軸磨床智能加工工藝及策略研究[D];上海大學(xué);2011年

2 關(guān)山;基于聲發(fā)射信號多特征分析與融合的刀具磨損分類與預(yù)測技術(shù)[D];吉林大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 謝劍峰;基于聲發(fā)射的銑刀破損監(jiān)測研究[D];上海交通大學(xué);2011年

2 劉西卉;數(shù)控銑削中刀具磨損的可視化仿真技術(shù)研究[D];南京航空航天大學(xué);2011年

3 王濤;航空發(fā)動機零件加工刀具磨損檢測技術(shù)研究[D];沈陽航空航天大學(xué);2011年

4 李敏;基于粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的刀具磨損狀態(tài)監(jiān)測技術(shù)研究[D];西南交通大學(xué);2012年

5 陳萍;基于聲發(fā)射信號的銑刀故障診斷[D];南昌航空大學(xué);2011年

6 蔡偉;大型螺紋旋風(fēng)銑削工藝參數(shù)優(yōu)化及刀具磨損在線監(jiān)測研究[D];南京理工大學(xué);2013年

7 高輝;鈦合金銑削加工中刀具磨損狀態(tài)監(jiān)測技術(shù)研究[D];沈陽航空航天大學(xué);2013年

8 江英;數(shù)控銑削加工刀具故障診斷與處理方法研究[D];沈陽理工大學(xué);2013年

，

本文編號：515461