在實(shí)際生產(chǎn)中,由于數(shù)控機(jī)床內(nèi)環(huán)境十分復(fù)雜,物理反應(yīng)活躍,導(dǎo)致數(shù)據(jù)機(jī)床在生產(chǎn)活動(dòng)中對(duì)刀具的損耗極大,而傳統(tǒng)的刀具狀態(tài)監(jiān)測(cè)無法有效地利用刀具真實(shí)壽命,從而造成一定程度上刀具成本的浪費(fèi)。本文提出了利用數(shù)控機(jī)床主軸電流信號(hào)數(shù)據(jù),并借助深度學(xué)習(xí)和遷移學(xué)習(xí)的方法建立了對(duì)刀具磨損監(jiān)控的預(yù)測(cè)模型,期望改善對(duì)刀具壽命的利用率,從而為實(shí)際生產(chǎn)中帶來經(jīng)濟(jì)效益。（1）數(shù)控機(jī)床主軸電流信號(hào)的采集與特征提取。鑒于電流信號(hào)采集方法的低成本和高實(shí)時(shí)性,本文選用電流信號(hào)作為刀具磨損預(yù)測(cè)的參量,通過使用開環(huán)式的霍爾傳感器可以方便地采集機(jī)床主軸電流信號(hào)。同時(shí),針對(duì)受噪聲影響的高維度電流信號(hào),本文采用了時(shí)域、頻域、小波包的方法對(duì)電流信號(hào)進(jìn)行特征提取與信號(hào)切分,最終,通過各特征量與刀具磨損狀態(tài)的關(guān)聯(lián)性,選用時(shí)域特征均值、方差、峰度、偏度作為刀具磨損預(yù)測(cè)模型的輸入特征。（2）刀具崩刃預(yù)測(cè)方法的研究。針對(duì)實(shí)際加工場(chǎng)景中經(jīng)常出現(xiàn)的刀具崩刃狀態(tài),本文使用了深度學(xué)習(xí)的算法,將刀具崩刃預(yù)測(cè)劃分為一個(gè)二分類問題,通過對(duì)刀具加工狀態(tài)下的電流信號(hào)建模,實(shí)現(xiàn)電流信號(hào)與刀具正常狀態(tài)、刀具崩刃狀態(tài)兩種類別之間的關(guān)系映射,實(shí)現(xiàn)了97.36%的預(yù)測(cè)準(zhǔn)確率... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：95 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

中國(guó)智能制造業(yè)市場(chǎng)規(guī)模統(tǒng)計(jì)及增長(zhǎng)情況

電子科技大學(xué)碩士學(xué)位論文2從圖1中可以看出，國(guó)內(nèi)的智能制造產(chǎn)業(yè)呈現(xiàn)顯著增長(zhǎng)的趨勢(shì)，19年的產(chǎn)業(yè)規(guī)模相對(duì)于14年來說，已經(jīng)翻了兩倍有余，規(guī)模增產(chǎn)迅速，雖然未來一兩年可能會(huì)增長(zhǎng)放緩，但整體趨勢(shì)并不會(huì)改變，在后續(xù)兩年的經(jīng)濟(jì)特殊時(shí)期結(jié)束后，智能制造產(chǎn)業(yè)的規(guī)模仍會(huì)快速上升，占據(jù)的市場(chǎng)份額會(huì)越來越多，智能制造產(chǎn)業(yè)的蓬勃發(fā)展意味著下一次工業(yè)革命，就在眼前。1.1.2智能制造現(xiàn)狀與刀具壽命研究意義在我國(guó)智能制造發(fā)展規(guī)劃(2016-2020年)[3]中提到，智能制造是基于下一代信息通信技術(shù)與先進(jìn)制造技術(shù)進(jìn)行深度集成，它貫穿與制造活動(dòng)的各個(gè)方面，例如設(shè)計(jì)、生產(chǎn)、管理和服務(wù)，具有自感知、自學(xué)習(xí)、自決策、自執(zhí)行、自適應(yīng)等功能。智能制造系統(tǒng)是智能機(jī)器和智能行為的融合，并以靈活的方式充分利用先進(jìn)生產(chǎn)系統(tǒng)的制造能力[4-5]。智能制造產(chǎn)業(yè)鏈整體來說還可以細(xì)分為材料、生產(chǎn)、應(yīng)用三個(gè)過程，具體分類如下圖1-2所示。圖1-2智能產(chǎn)業(yè)鏈分類其中，產(chǎn)業(yè)鏈按照產(chǎn)業(yè)依存關(guān)系可以劃分為三部分：上游材料，中游生產(chǎn)以及下游應(yīng)用。其中上游材料涵蓋了機(jī)械零部件、電器元器件、塑料制品、金屬制品等，上游材料作為基礎(chǔ)的材料準(zhǔn)備，為后續(xù)應(yīng)中游生產(chǎn)提供支持；中游生產(chǎn)涵蓋了自動(dòng)化檢測(cè)設(shè)備、自動(dòng)化組裝設(shè)備、治具類產(chǎn)品等，中游生產(chǎn)的設(shè)備可以為下游業(yè)務(wù)應(yīng)用提供特定的設(shè)備產(chǎn)品；產(chǎn)業(yè)鏈的下游包括消費(fèi)電子制造業(yè)，汽車及零部件制造業(yè)，醫(yī)療機(jī)械制造業(yè)，機(jī)械設(shè)備制造業(yè)，倉庫物流業(yè)等。下游的應(yīng)用則服務(wù)于具體的實(shí)際生活場(chǎng)景，滿足社會(huì)需求。信息全面化和人工智能的快速發(fā)展迎來了新的工業(yè)革命，智能制造產(chǎn)業(yè)鏈的應(yīng)用面越發(fā)廣泛，包括具有一定人工智能的智能或半智能機(jī)器人自動(dòng)化裝備，工業(yè)制造層面的ERP軟件以及相關(guān)智能生產(chǎn)過程中所需要的傳

第一章緒論5的目的。1.2.2.1傳感器技術(shù)傳感器是一種檢測(cè)裝置，其可以感測(cè)所測(cè)量的信息并將感測(cè)到的信息轉(zhuǎn)換為電信號(hào)或其他形式的信息。在刀具狀態(tài)監(jiān)測(cè)系統(tǒng)中，可以通過傳感器采集到與刀具切削密切相關(guān)的物理量，比如切削力大孝切削噪聲、振動(dòng)力、加工電流等，這些物理量可以在不同程度上反映刀具狀態(tài)的變化，而根據(jù)測(cè)量方法的不同，這些物理量的測(cè)量方法可以大致分為兩類：“直接測(cè)量方法”和“間接測(cè)量方法”，如下表1-1所示。1、直接測(cè)量法直接測(cè)量法是通過測(cè)量與刀具本身所相關(guān)的特征量來衡量刀具磨損的方法，如光學(xué)測(cè)量法、電阻法、放射線法、圖像處理法與接觸檢測(cè)法等。直接測(cè)量法精度高，且可以直觀地識(shí)別刀刃形狀的變化，了解刀具的工作狀態(tài)和使用情況，對(duì)刀具的使用壽命進(jìn)行有效判斷，但由于刀具在加工過程中環(huán)境極為復(fù)雜，直接測(cè)量法難以在刀具正常工作的情況下進(jìn)行測(cè)量，無法實(shí)時(shí)反應(yīng)刀具的狀態(tài)，故直接測(cè)量法通常用于離線檢測(cè)。下圖1-3是通過光學(xué)顯微鏡對(duì)刀具磨損面進(jìn)行測(cè)量。圖1-3光學(xué)顯微鏡下的刀具磨損2、間接測(cè)量法間接測(cè)量方法是監(jiān)測(cè)與工具磨損密切相關(guān)的特征量，并使用相關(guān)特征量和刀具磨損量建立數(shù)學(xué)模型，從而間接獲得刀具磨損狀態(tài)。常用的間接測(cè)量方法包括切削力監(jiān)控，振動(dòng)監(jiān)控，聲發(fā)射監(jiān)控，切削溫度監(jiān)控，主軸電機(jī)電流監(jiān)控和超聲波監(jiān)控、工件表面粗糙度監(jiān)控等。間接測(cè)量法相較于直接測(cè)量法，在信號(hào)采集困難程度上具有優(yōu)勢(shì)，無需直接對(duì)刀具進(jìn)行檢測(cè)測(cè)量，根據(jù)刀具工作時(shí)的所產(chǎn)生的關(guān)聯(lián)特征量進(jìn)行收集，如對(duì)切削噪聲、主軸電機(jī)電流等特征可以進(jìn)行在線高精度采集，分析

【參考文獻(xiàn)】：
期刊論文
[1]基于神經(jīng)網(wǎng)絡(luò)與遺傳算法的刀具磨損檢測(cè)與控制[J]. 秦國(guó)華,謝文斌,王華敏.  光學(xué)精密工程. 2015(05)
[2]Logistic回歸模型在機(jī)床刀具可靠性評(píng)估中的應(yīng)用[J]. 陳保家,陳雪峰,李兵,曹宏瑞,蔡改改,何正嘉.  機(jī)械工程學(xué)報(bào). 2011(18)
[3]頻帶能量特征法在聲發(fā)射刀具磨損監(jiān)測(cè)系統(tǒng)中的應(yīng)用[J]. 聶鵬,王東磊,徐濤,關(guān)山.  工具技術(shù). 2009(02)
[4]基于改進(jìn)型脈沖耦合神經(jīng)網(wǎng)絡(luò)的刀具磨損圖像檢測(cè)[J]. 李鵬陽,祝雙武,郝重陽,王毅,陳世浩.  西北工業(yè)大學(xué)學(xué)報(bào). 2008(02)
[5]刀具磨損遠(yuǎn)程監(jiān)測(cè)系統(tǒng)研究[J]. 朱麗琴,孫欽秋,陳侃.  設(shè)備管理與維修. 2008(03)
[6]基于多特征量的刀具磨損模糊判決研究[J]. 張文思,李蓓智,張家梁.  裝備制造技術(shù). 2007(02)
[7]車削過程中刀具磨損和破損狀態(tài)的自動(dòng)識(shí)別[J]. 王海麗,馬春翔,邵華,胡德金.  上海交通大學(xué)學(xué)報(bào). 2006(12)
[8]功率、切削力、AE組合刀具監(jiān)控系統(tǒng)的研究[J]. 尹如海,王明秋.  工具技術(shù). 2006(07)
[9]基于集成神經(jīng)網(wǎng)絡(luò)的刀具磨損量監(jiān)測(cè)[J]. 高宏力,許明恒,傅攀.  西南交通大學(xué)學(xué)報(bào). 2005(05)
[10]刀具后刀面磨損量對(duì)切削力及加工表面粗糙度的影響[J]. 吳澤群,劉亞俊,湯勇,陳平.  工具技術(shù). 2005(05)

博士論文
[1]基于多參量信息融合的刀具磨損狀態(tài)識(shí)別及預(yù)測(cè)技術(shù)研究[D]. 陳洪濤.西南交通大學(xué) 2013
[2]車銑刀具磨損狀態(tài)監(jiān)測(cè)及預(yù)測(cè)關(guān)鍵技術(shù)研究[D]. 李威霖.西南交通大學(xué) 2013
[3]鈦合金銑削刀具磨損及表面完整性研究[D]. 楊曉勇.天津大學(xué) 2013
[4]切削加工過程中刀具磨損的智能監(jiān)測(cè)技術(shù)研究[D]. 高宏力.西南交通大學(xué) 2005

碩士論文
[1]刀具磨損狀態(tài)監(jiān)測(cè)系統(tǒng)研究[D]. 高琛.山東大學(xué) 2008
[2]基于小波分析和集成神經(jīng)網(wǎng)絡(luò)的刀具磨損監(jiān)測(cè)技術(shù)研究[D]. 高龍.西南交通大學(xué) 2007



本文編號(hào)：3561602