本文關鍵詞：基于電流與振動信號的銑刀磨損監(jiān)測方法研究

  更多相關文章： 銑刀磨損 電流 振動 核函數(shù)主元分析 BP神經(jīng)網(wǎng)絡 支持向量機

【摘要】：在機械加工過程中,刀具的磨損失效是造成數(shù)控機床故障的主要因素,如果不能及時、準確的實現(xiàn)故障監(jiān)測,將會降低加工效率,縮短刀具壽命,增加加工成本。因此,實現(xiàn)數(shù)控機床刀具實時在線監(jiān)測,有利于延長數(shù)控機床的無故障工作時間,減少工件報廢及機床設備受損的概率。本文以數(shù)控銑床刀具磨損入手,在分析了國內(nèi)外研究現(xiàn)狀的基礎上,針對三向測力儀安裝需改變機床結構,測量精度受機床振動影響大,很難應用到工業(yè)生產(chǎn)中等問題,研究了基于電流與振動信號的銑刀磨損監(jiān)測。主要工作如下:(1)分析了刀具磨損形式及原因,研究了刀具的磨損過程、磨鈍標準,選擇了以刀具后刀面磨損量作為測量刀具磨損的標準。(2)搭建了基于LabVIEW的銑刀磨損實驗平臺,分析了銑削實驗條件,選擇并布置了傳感器位置;設置了NI-DAQ及數(shù)據(jù)采集板卡的主要參數(shù),實現(xiàn)了采集設備與各傳感器間的通信。(3)建立了主軸傳遞系統(tǒng)的動力學模型,分析了銑削過程中銑削力的動力學模型,對兩相主軸電流信號進行功率譜密度相關性分析,提取了銑削力特征頻率,證實了可以用電流信號代替力信號對刀具磨損狀態(tài)進行監(jiān)測,通過單因素分析法,確定了銑削加工參數(shù)。(4)采集了數(shù)控銑床的電流信號和振動信號,并對其進行時域、頻域、小波包分析,提取了信號的特征值;在此基礎上,研究了核主元分析理論,對提取的數(shù)據(jù)特征值進行篩選,得到對銑刀磨損貢獻率最高的特征量。(5)分別研究了基于BP神經(jīng)網(wǎng)絡、支持向量機理論的銑刀磨損狀態(tài)監(jiān)測方法,實現(xiàn)了特征值的訓練,實驗表明BP神經(jīng)網(wǎng)絡的故障識別準確率達到了83.3%,支持向量機的故障識別準確率達到了91.7%,準確率比較高,可以用于銑刀磨損狀態(tài)監(jiān)測。本文研究表明,基于電流與振動信號的銑刀磨損監(jiān)測準確率高,方法簡單易行,可以有效的實現(xiàn)銑刀磨損狀態(tài)監(jiān)測。
【關鍵詞】：銑刀磨損 電流 振動 核函數(shù)主元分析 BP神經(jīng)網(wǎng)絡 支持向量機
【學位授予單位】：青島理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TG714
【目錄】：

• 摘要9-10
• ABSTRACT10-12
• 第1章 緒論12-20
• 1.1 課題研究背景及意義12-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-17
• 1.2.1 刀具磨損狀態(tài)信號監(jiān)測方法13-15
• 1.2.2 刀具磨損狀態(tài)信號特征值提取方法15-16
• 1.2.3 刀具磨損狀態(tài)識別方法16-17
• 1.3 存在問題與發(fā)展趨勢17-18
• 1.3.1 存在問題17
• 1.3.2 發(fā)展趨勢17-18
• 1.4 論文結構安排18-20
• 第2章 刀具磨損形態(tài)及機理20-26
• 2.1 刀具磨損形式與原因20-22
• 2.1.1 刀具磨損形式20-21
• 2.1.2 刀具磨損原因21-22
• 2.2 刀具磨損過程與磨鈍標準22-24
• 2.2.1 刀具磨損過程22-23
• 2.2.2 刀具磨鈍標準23-24
• 2.3 本章小結24-26
• 第3章 銑刀磨損狀態(tài)監(jiān)測實驗設計26-38
• 3.1 實驗設計26-28
• 3.1.1 實驗平臺搭建26
• 3.1.2 實驗條件26-28
• 3.2 采集系統(tǒng)傳感器選擇與布置28-31
• 3.2.1 傳感器選擇28-30
• 3.2.2 傳感器布置30-31
• 3.3 數(shù)據(jù)采集軟硬件平臺搭建31-36
• 3.3.1 硬件平臺搭建31-35
• 3.3.2 軟件平臺搭建35-36
• 3.4 本章小結36-38
• 第4章 銑削力與電流信號映射關系研究38-48
• 4.1 銑削加工過程分析38-40
• 4.1.1 銑削負荷傳遞過程分析38
• 4.1.2 主軸傳遞系統(tǒng)動力學模型38-40
• 4.2 銑削力與電流信號分析40-45
• 4.2.1 銑削力信號分析40-43
• 4.2.2 電流信號分析43-45
• 4.2.3 銑削力與電流信號映射關系45
• 4.3 銑削加工參數(shù)確定45-47
• 4.3.1 主軸轉速單因素分析45-46
• 4.3.2 進給軸速度單因素分析46
• 4.3.3 銑削深度單因素分析46-47
• 4.4 本章小結47-48
• 第5章 銑刀磨損狀態(tài)信號特征值提取及篩選48-64
• 5.1 實驗數(shù)據(jù)及波形顯示48
• 5.2 銑刀磨損狀態(tài)信號特征值提取48-59
• 5.2.1 時域特征值提取48-52
• 5.2.2 頻域特征值提取52-56
• 5.2.3 時頻域特征值提取56-59
• 5.3 基于核主元分析法的銑刀磨損狀態(tài)特征值篩選59-62
• 5.3.1 核主元分析法59-61
• 5.3.2 銑刀磨損狀態(tài)特征值篩選61-62
• 5.4 本章小結62-64
• 第6章 銑刀磨損狀態(tài)監(jiān)測研究64-76
• 6.1 基于BP神經(jīng)網(wǎng)絡的銑刀磨損狀態(tài)監(jiān)測64-69
• 6.1.1 BP神經(jīng)網(wǎng)絡64-66
• 6.1.2 BP神經(jīng)網(wǎng)絡結構設計66
• 6.1.3 BP神經(jīng)網(wǎng)絡訓練結果及分析66-69
• 6.2 基于遺傳算法優(yōu)化支持向量機的銑刀磨損狀態(tài)監(jiān)測69-75
• 6.2.1 遺傳算法69-70
• 6.2.2 支持向量機70-72
• 6.2.3 支持向量機網(wǎng)絡結構設計72-73
• 6.2.4 支持向量機網(wǎng)絡模型構建73
• 6.2.5 支持向量機測試結果分析73-75
• 6.3 兩種網(wǎng)絡監(jiān)測結果分析75
• 6.4 本章小結75-76
• 第7章 總結與展望76-78
• 7.1 總結76
• 7.2 展望76-78
• 參考文獻78-82
• 攻讀碩士學位期間發(fā)表的學術論文及科研工作82-84
• 致謝84

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 朱愛斌;胡浩強;何大勇;陳渭;;采用頻域融合方法的砂輪刀具磨損三維重構技術[J];西安交通大學學報;2015年05期

2 田沛;沈穎剛;畢鳳榮;張劍;;基于小波包和BP神經(jīng)網(wǎng)絡的柴油機故障分析[J];小型內(nèi)燃機與摩托車;2014年02期

3 申志剛;何寧;;具備高適應性的高速銑削刀具磨損狀態(tài)監(jiān)測系統(tǒng)[J];南京航空航天大學學報;2013年01期

4 彭濤;楊慧斌;李健寶;姜海燕;魏巍;;基于核主元分析的滾動軸承故障混合域特征提取方法[J];中南大學學報(自然科學版);2011年11期

5 陳侃;傅攀;李威霖;曹偉青;;鈦合金車削加工過程中刀具磨損狀態(tài)監(jiān)測的小波包子帶能量變換特征提取新方法[J];組合機床與自動化加工技術;2011年01期

6 王國鋒;李啟銘;秦旭達;喻秀;崔銀虎;彭東彪;;支持向量機在刀具磨損多狀態(tài)監(jiān)測中的應用[J];天津大學學報;2011年01期

7 陳捷;張成強;;基于BP神經(jīng)網(wǎng)絡的盤形成形銑刀的刀具磨損診斷研究[J];制造技術與機床;2010年12期

8 蘇文勝;王奉濤;張志新;郭正剛;李宏坤;;EMD降噪和譜峭度法在滾動軸承早期故障診斷中的應用[J];振動與沖擊;2010年03期

9 葉蔚;王時龍;雷松;;支持向量機刀具磨損預測模型及MATLAB仿真[J];工具技術;2009年10期

10 冼廣銘;曾碧卿;唐華;肖應旺;;小波包結合支持向量機的故障診斷方法[J];計算機工程;2009年04期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 熊四昌;基于計算機視覺的刀具磨損狀態(tài)監(jiān)測技術的研究[D];浙江大學;2003年

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 張文彬;基于聲音和圖像的刀具磨損狀態(tài)監(jiān)測技術的研究[D];浙江工業(yè)大學;2003年

，

本文編號：595049