制造行業(yè)的智能制造轉型,將使得新一代信息技術與傳統(tǒng)制造業(yè)的進一步融合,在未來的工廠環(huán)境中,各類傳感器將源源不斷地采集與設備相關的監(jiān)測信號。而刀具作為制造行業(yè)的基礎設備,其磨損會影響著產(chǎn)品的質量和生產(chǎn)的效率,因此刀具磨損狀態(tài)的識別、刀具磨損量以及刀具的剩余壽命的預測,對于提高產(chǎn)品質量和提高生產(chǎn)效率具有重要的意義。針對上述問題,本文研究如何利用刀具狀態(tài)監(jiān)測信息以準確地預測刀具磨損量和刀具剩余壽命,主要研究內容有:（1）研究了刀具狀態(tài)監(jiān)測信號的預處理,包括去除空值、檢測并去除離群值、去除多項式趨勢。（2）從時域特征提取、頻域特征提取、時頻域特征提取三個方面研究了刀具狀態(tài)監(jiān)測信號的特征提取方法,在時域方面將信號的統(tǒng)計特征信息作為信號的時域特征,在頻域方面通過幅值譜、功率譜分析提取信號的頻域特征,在時頻域方面則應用經(jīng)驗模態(tài)分解（Empirical Mode Decomposition,EMD）提取信號的時頻域特征。（3）考慮到多重假設檢驗作為特征選擇方法存在錯誤發(fā)現(xiàn)率（False Discovery Rate,FDR）高的風險,引入Benjamini-Yekutieli方法作為特征選擇方法,既保... 

【文章來源】：華南理工大學廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：92 頁

【學位級別】：碩士

【部分圖文】：

論文整體框架

第二章 特征提取和分析 內刀具的磨損組成的數(shù)據(jù)集 = {( 1, 1), ( 2, 2), , ( , )}，目的是對于一個新的時間段內的傳感器信號 +1，可以根據(jù)建立的預測模型預測刀具的磨損量 +1及刀具剩余壽命 +1。由于采集到的數(shù)據(jù)不能直接用于訓練刀具的磨損和剩余壽命預測模型，因此還需對這些信號特征進行特征提取和特征選擇，從而利用本文提出的預測模型進行刀具磨損和剩余壽命的預測。具體的特征提取和特征選擇方法將在 2.3 和 2.4 節(jié)進行詳細介紹。

第二章特征提取和分析27表2-3實驗切削參數(shù)主軸轉速進給速度進給量切削寬度切削深度采樣頻率冷卻條件10400RPM1555mm/min0.001mm0.125mm0.2mm50kHz干切實驗中分別測量了X軸、Y軸、Z軸三個方向的切削力和振動信號，以及一個測量聲發(fā)射信號，共計7種刀具狀態(tài)監(jiān)測信號。由于此實驗中采用的是6mm三齒球頭硬質合金銑刀，每一個刀齒可以視為一把刀具，因此對于實驗中的每一把刀具，可以得到三組刀具的磨損量，分別對應一個刀齒。實驗采取了6把獨立的三齒球頭硬質合金銑刀c1，c2，c3，c4，c5，c6，共進行了6次銑削實驗，每把刀具對應一次實驗，每次實驗都進行了315次走刀，刀具這315次走刀中均是從新刀狀態(tài)加工到超過磨損極限，包含了其全生命周期數(shù)據(jù)。由于只有刀具c1，c4，c6有對應的后刀面磨損量，故本論文在后續(xù)的研究中只考慮這三把刀具。實驗產(chǎn)生的數(shù)據(jù)集結構為，刀具c1，c4，c6的每一次走刀都存儲到表格文件中，每個表格有7列數(shù)據(jù)，對應采集的7種傳感器信號，而行數(shù)則在22萬左右。刀具c1，c4，c6的每一次走刀后測量的后刀面磨損量分別存放到一個表格文件中，每個表格有三列數(shù)據(jù)，對應三個刀齒，行數(shù)為315，對應315次走刀后的后刀面磨損量。在使用PHM2010銑削實驗數(shù)據(jù)集的文獻中，有將三個刀齒的平均磨損量作為整體刀具的磨損量的文獻，如圖2-2所示的三把刀具的平均磨損曲線，也有將三個刀齒的最大磨損量作為整體刀具磨損量的文獻，如圖2-3所示，這里選取三個刀齒的平均磨損量作為整體刀具的磨損量。圖2-2三把刀具的平均磨損曲線圖2-3三把刀具的最大磨損曲線本節(jié)主要根據(jù)2.2節(jié)、2.3節(jié)、2.4節(jié)的數(shù)據(jù)處理過程對實驗數(shù)據(jù)進行處理，的所有的


本文編號：3096675