數(shù)控加工過程中刀具狀況對于加工質(zhì)量和加工效率具有重大影響,加工過程中刀具劣化不可避免。操作人員一般在刀具指導使用壽命還有一些余量的情況下更換刀具,但是航空航天等采用小批量生產(chǎn)模式且難加工的領(lǐng)域,刀具劣化率度快且多變,傳統(tǒng)的換刀方式會導致使用劣化嚴重的刀具進行加工的情況出現(xiàn),給加工造成了不可預估的危害。操作人員為了避免上述情況出現(xiàn),只能采取更加保守的換刀策略,造成了極大的浪費。在確保加工質(zhì)量的前提下充分挖掘刀具使用價值,就必須建立一個可靠的刀具壽命評估標準和方法。國際標準將后刀面磨損量作為評價刀具劣化程度的標準,因此本文選用后刀面最大磨損帶寬度作為刀具狀況評價標準。本文提出了一種刀具剩余使用壽命自適應(yīng)預測方法,通過顯微鏡準確、快速的實現(xiàn)對刀具的檢測獲取標簽。獲取切削力、工件振動、機床主軸功率及電流等信號,將提取的信號進行預處理。對處理后的信號進行小波包分解提取特征,并將提取的特征和刀具磨損以及工況進行相關(guān)性分析,篩選和刀具磨損相關(guān)性強和工況相關(guān)性弱的特征。將篩選后的特征輸入高斯過程回歸預測刀具后刀面最大磨損帶寬度以及剩余使用壽命。本文以刀具在位的方式對刀具進行檢測,研究的顯微鏡自動對焦方...

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【部分圖文】：

圖1-1碎刀對工件造成的破壞Figure1-1Thefigureofthedamagecausedbythebrokentool

哈爾濱理工大學工學碩士學位論文2計算機性能的飛速提升、相關(guān)算法的提出與發(fā)展，機器學習在制造業(yè)內(nèi)取得了顯著的成就[11]，這為刀具狀況識別及剩余使用壽命預測提供了新方法。本文基于機器視覺、信息融合、機器學習等技術(shù)，提出了一種刀具磨損量和剩余使用壽命自適應(yīng)預測預測方法。該方法可以準確....

圖2-1同一刀具同一角度不同光照條件下拍攝的圖像

哈爾濱理工大學工學碩士學位論文8附著在刀具上的切屑會阻擋顯微鏡視線。當切削區(qū)域溫度較高時刀具前刀面靠近切削刃部分容易產(chǎn)生積屑瘤，將對后續(xù)刀具磨損量識別帶來非常惡劣的影響。加工間隙機床處于待機狀態(tài)，機床會產(chǎn)生一定的顫振，顯微鏡為精密儀器，當顫振達到一定程度會導致顯微鏡拍攝的圖像模糊....

圖2-3同一刀具相同光照不同角度拍攝圖像對比

哈爾濱理工大學工學碩士學位論文10圖2-3同一刀具相同光照不同角度拍攝圖像對比Figure2-3Thefigureoftheimagetakenwiththesametoolatthesamelightingconditionsandunderdifferentangle經(jīng)過大量....

圖3-10132個特征的方差分析F值

哈爾濱理工大學工學碩士學位論文363.5.2信號特征影響因素相關(guān)性分析及篩選本節(jié)將132個特征分別與工況和刀具磨損進行相關(guān)性分析，綜合考慮相關(guān)性分析得到的F值和P值篩選特征。圖3-10132個特征的方差分析F值Figure3-10ThefigureoftheF-valuesofa....

本文編號：3991605