本文選題：水晶研磨 + 嵌入式��； 參考：《杭州電子科技大學》2017年碩士論文

【摘要】：水晶作為一種伴隨著人民生活水平提高而需求量大增的物品,對現(xiàn)代水晶加工行業(yè)也提出了新的要求�，F(xiàn)有的水晶研磨機數(shù)控系統(tǒng)或多或少都存在一些問題,這些問題導致機器的效率沒法進一步提高,水晶成品的質(zhì)量也存在著一些不穩(wěn)定的地方。同時隨著現(xiàn)有的一些技術的發(fā)展,傳統(tǒng)的水晶研磨機數(shù)控系統(tǒng)也需要進一步的改進。本文首先分析了水晶加工技術的國內(nèi)外現(xiàn)狀和未來的發(fā)展趨勢,并詳細介紹了水晶研磨機數(shù)控系統(tǒng)的總體設計思路和水晶研磨的原理,使用STM32F103ZET6微處理器作為控制核心,連接各個功能模塊實現(xiàn)對研磨機的控制,詳細描述了數(shù)控系統(tǒng)的硬件設計和軟件設計。針對水晶在研磨過程中由于磨盤的損耗導致研磨出現(xiàn)不穩(wěn)定的情況,使用神經(jīng)網(wǎng)絡建立模型優(yōu)化對水晶研磨的控制。本文分析了在水晶研磨過程中的受力情況,并討論幾個影響水晶成品質(zhì)量的因素,針對磨盤因為作業(yè)而磨損導致水晶表面研磨不穩(wěn)定的問題,提出使用神經(jīng)網(wǎng)絡優(yōu)化研磨時間以改善研磨狀況,降低工人操作的要求。接著介紹了神經(jīng)網(wǎng)絡的發(fā)展和應用廣泛的BP神經(jīng)網(wǎng)絡的原理,并討論了幾種BP算法的改進。在對研磨過程中的幾個關鍵參數(shù)進行分析之后建立BP神經(jīng)網(wǎng)絡模型,采集水晶研磨機的磨盤電機轉(zhuǎn)矩、接觸面壓力、打磨次數(shù)作為神經(jīng)網(wǎng)絡的輸入,研磨時間作為輸出建立單隱含層的BP神經(jīng)網(wǎng)絡,在對數(shù)據(jù)進行誤差剔除和歸一化處理之后對網(wǎng)絡進行訓練,使用MATLAB訓練后的模型能夠很好地擬合目標值。數(shù)控系統(tǒng)的各個模塊之間有非常多的總線連接,工作的現(xiàn)場環(huán)境非常復雜,傳統(tǒng)的數(shù)字鍵盤輸入的方式不是很便利,本文使用Wi-Fi網(wǎng)絡,通過上位機進行參數(shù)設置和數(shù)據(jù)傳輸,增加了設備操作的便利性,并對設備的各個模塊進行了測試。本文在設計水晶研磨機數(shù)控系統(tǒng)的同時運用神經(jīng)網(wǎng)絡優(yōu)化研磨過程,智能控制水晶的研磨時間,優(yōu)化后的系統(tǒng)在實際工作中運行穩(wěn)定,結果表明工作取得了一定的成果,為后續(xù)系統(tǒng)的進一步改善打下了基礎。
[Abstract]:As a kind of product with the improvement of people's living standard, crystal has put forward new requirements to the modern crystal processing industry. There are some problems in the existing CNC system of crystal grinder, these problems lead to the machine efficiency can not be further improved, and the quality of crystal products also has some instability. At the same time, with the development of some existing technologies, the traditional CNC system of crystal grinder also needs to be further improved. This paper first analyzes the present situation and future development trend of crystal processing technology at home and abroad, and introduces in detail the general design idea of NC system of crystal grinder and the principle of crystal grinding. The STM32F103ZET6 microprocessor is used as the control core. The hardware design and software design of NC system are described in detail. In view of the instability of crystal grinding due to the wear of the disc during the grinding process, the neural network model is used to optimize the control of crystal grinding. In this paper, the stress in the process of crystal grinding is analyzed, and several factors affecting the quality of crystal products are discussed. The neural network is used to optimize the grinding time to improve the grinding condition and to reduce the requirement of workers' operation. Then it introduces the development of neural network and the principle of BP neural network, and discusses the improvement of several BP algorithms. After analyzing several key parameters in the grinding process, the BP neural network model is established, and the torque of the disc motor, the contact pressure and the grinding times of the crystal grinder are collected as the input of the neural network. The BP neural network with single hidden layer is established as the output of grinding time. After error elimination and normalization of data, the network is trained. The model after MATLAB training can fit the target value well. There are many bus connections between the modules of the NC system, the working environment is very complex, the traditional way of digital keyboard input is not very convenient. In this paper, we use the Wi-Fi network to set parameters and transmit data through the upper computer. The convenience of equipment operation is increased, and each module of the equipment is tested. In this paper, the NC system of crystal grinder is designed, and the grinding process is optimized by using neural network, the grinding time of crystal is controlled intelligently, and the optimized system runs stably in practice. The results show that certain achievements have been made in the work. It lays the foundation for the further improvement of the follow-up system.
【學位授予單位】：杭州電子科技大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TS933;TP183

【參考文獻】

相關期刊論文 前10條

1 蔡銳龍;李曉棟;錢思思;;國內(nèi)外數(shù)控系統(tǒng)技術研究現(xiàn)狀與發(fā)展趨勢[J];機械科學與技術;2016年04期

2 劉博;肖長來;梁秀娟;;SOM-RBF神經(jīng)網(wǎng)絡模型在地下水位預測中的應用[J];吉林大學學報(地球科學版);2015年01期

3 宋躍;楊雷;雷瑞庭;王健偉;;基于ARM9與LINUX的RS485總線的通信接口設計[J];儀表技術與傳感器;2014年05期

4 嚴平鋒;凌志浩;蔣煒;;步進電機的控制與檢測系統(tǒng)的設計與實現(xiàn)[J];自動化儀表;2014年04期

5 湯莉莉;黃偉;王春波;方規(guī);;基于Cortex-M3單片機的WiFi物聯(lián)網(wǎng)小車的設計[J];無線電工程;2014年04期

6 金明生;蔡姚杰;鄭孟翔;張鶴騰;;刻面型水晶玻璃研拋工藝研究[J];機電工程;2013年09期

7 咼潤華;蘇婷婷;馬曉偉;;BP神經(jīng)網(wǎng)絡聯(lián)合模板匹配的車牌識別系統(tǒng)[J];清華大學學報(自然科學版);2013年09期

8 周中民;褚鳴;;基于模糊神經(jīng)網(wǎng)絡的數(shù)控切割機下料工件的控制研究[J];煤礦機械;2013年06期

9 居志蘭;朱永偉;王建彬;樊吉龍;李軍;;拋光介質(zhì)對固結磨料化學機械拋光水晶的影響[J];光學精密工程;2013年04期

10 郭陽明;冉從寶;姬昕禹;馬捷中;;基于組合優(yōu)化BP神經(jīng)網(wǎng)絡的模擬電路故障診斷[J];西北工業(yè)大學學報;2013年01期

相關博士學位論文 前1條

1 全志勇;幾類神經(jīng)網(wǎng)絡的穩(wěn)定性及非線性逼近性的研究[D];湖南大學;2014年

相關碩士學位論文 前10條

1 董加寶;基于CAN總線的水質(zhì)在線監(jiān)測嵌入式系統(tǒng)研究[D];中國科學技術大學;2015年

2 謝翠雪;神經(jīng)網(wǎng)絡算法在鐵礦石研磨節(jié)能的研究[D];河北聯(lián)合大學;2014年

3 顏丙凱;可配置數(shù)控程序解析器和編碼器[D];哈爾濱工業(yè)大學;2013年

4 蔣志龍;無人監(jiān)控水晶研磨機的數(shù)控系統(tǒng)設計[D];杭州電子科技大學;2014年

5 周以亮;燈飾研磨機的數(shù)控系統(tǒng)設計[D];杭州電子科技大學;2014年

6 張高尉;基于西門子840D的數(shù)控機床生產(chǎn)過程狀態(tài)監(jiān)測系統(tǒng)研究[D];天津大學;2014年

7 劉寶;基于AT91SAM9261的嵌入式水晶磨削控制系統(tǒng)的研究與開發(fā)[D];重慶大學;2012年

8 劉森;電鍍開關電源及其監(jiān)控系統(tǒng)的研究與設計[D];江西理工大學;2012年

9 羅召成;基于現(xiàn)場總線的開放式多軸運動控制器設計[D];浙江大學;2012年

10 鄔玲懿;基于神經(jīng)網(wǎng)絡的排水管網(wǎng)預測模型的研究及應用[D];杭州電子科技大學;2011年

，

本文編號：1817650