基于声发射和振动法的刀具磨损状态检测研究

发布时间：2017-07-03 23:00

  本文关键词：基于声发射和振动法的刀具磨损状态检测研究

  更多相关文章： 刀具磨损 声发射 振动 神经网络

【摘要】： 刀具作为金属切削过程的直接执行者,在工件的切削加工过程中不可避免地存在着刀具磨损现象。刀具状态的变化直接导致产品质量下降和生产成本增加,进而影响产品的市场竞争力。所以刀具状态的实时监控对提高产品质量,减低生产成本,提高生产效率具有重要的意义。针对这一问题,本文开展了以下研究工作: 本文首先建立的声发射信号和振动信号的采集系统,并通过试验获取了刀具在不同磨损状态下的信号。对信号进行时域,频域和小波分析后,利用相关系数法,选取与刀具磨损量相关的特征量。然后本文分析了BP神经网络应用于刀具磨损监测的特点,首次采用了三次样条权函数神经网络对特征建模,提高了系统识别速度,系统具备一定的增殖能力,适合在线监测。最后针对监测系统可靠性差的难题,提出利用集成神经网络建立刀具磨损与信号特征之间的影射关系。 本文在实验设计、信号采集、信号分析、特征提取和模式识别方面做了积极的探索。提高了刀具在线检测系统的精度和稳定性。
【关键词】：刀具磨损 声发射 振动 神经网络
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：TG71
【目录】：

• 摘要3-4
• ABSTRACT4-9
• 第一章 绪论9-21
• 1.1 刀具状态检测的意义9-10
• 1.2 刀具失效的形式和标准10-12
• 1.2.1 刀具磨损形式10-11
• 1.2.2 刀具破损形式11
• 1.2.3 刀具磨钝标准11-12
• 1.3 刀具状态监控技术研究现状12-19
• 1.3.1 刀具状态监测方法13-16
• 1.3.2 信号的特征抽取16-17
• 1.3.3 信号的特征选择17-18
• 1.3.4 刀具状态识别18-19
• 1.4 本文主要研究内容19-21
• 第二章 刀具磨损试验21-35
• 2.1 试验目的21
• 2.2 试验装置21-24
• 2.2.1 刀具磨损监测系统21-22
• 2.2.2 试验机床22
• 2.2.3 传感器选择22-23
• 2.2.4 试验对象确定23-24
• 2.3 试验方法研究24-27
• 2.3.1 影响信号的因素24-25
• 2.3.2 正交试验法25-27
• 2.4 试验步骤27-28
• 2.4.1 影响信号特征因素的试验28
• 2.4.2 刀具磨损监测试验28
• 2.5 影响监测信号特征的因素分析28-34
• 2.5.1 机床空转噪声对信号特征的影响29-30
• 2.5.2 传感器安装位置对信号特征的影响30-31
• 2.5.3 切削参数对信号特征的影响31-34
• 2.6 本章小结34-35
• 第三章 信号处理与刀具磨损特征选择35-64
• 3.1 时域分析与时域特征35-36
• 3.2 频域分析与时域特征36-37
• 3.3 小波变换37-47
• 3.3.1 连续小波变换38-41
• 3.3.2 离散小波变换41-42
• 3.3.3 多分辨率分析42-44
• 3.3.4 小波包分析44-47
• 3.4 特征的相关性分析47-48
• 3.5 刀具磨损特征选择48-63
• 3.5.1 振动信号特征50-56
• 3.5.2 AE 信号特征56-62
• 3.5.3 刀具特征量相关系数计算62-63
• 3.6 本章小结63-64
• 第四章 基于神经网络的刀具磨损监测技术64-90
• 4.1 反向传播网络64-78
• 4.1.1 人工神经元64-65
• 4.1.2 BP 前馈型神经网络结构与算法65-69
• 4.1.3 BP 算法的改进69-70
• 4.1.4 分类与逼近70-72
• 4.1.5 基于BP 网络的刀具磨损监测技术研究72-77
• 4.1.6 BP 算法存在的问题77-78
• 4.2 样条权函数神经网络78-86
• 4.2.1 样条权函数神经网络拓扑结构78-81
• 4.2.2 样条权函数方程的建立与求解81-84
• 4.2.3 三次样条权函数网络与BP 网络的比较84-85
• 4.2.4 三次样条权函数神经网络识别结果85-86
• 4.3 基于集成神经网络的刀具磨损监测技术86-89
• 4.3.1 网络结构86-87
• 4.3.2 决策融合算法87-88
• 4.3.3 基于决策融合算法识别结果88-89
• 4.4 本章小结89-90
• 第五章 总结与展望90-92
• 5.1 主要结论90-91
• 5.2 研究展望91-92
• 参考文献92-96
• 致谢96-97
• 攻读硕士学位期间发表的学术论文97-99

【引证文献】

中国期刊全文数据库 前1条

1 胡江林;张少文;李亮;;基于声发射技术监测刀具磨损的研究[J];工具技术;2012年03期

中国博士学位论文全文数据库 前2条

1 沈南燕;大型数控切点跟踪曲轴磨床智能加工工艺及策略研究[D];上海大学;2011年

2 关山;基于声发射信号多特征分析与融合的刀具磨损分类与预测技术[D];吉林大学;2011年

中国硕士学位论文全文数据库 前8条

1 谢剑峰;基于声发射的铣刀破损监测研究[D];上海交通大学;2011年

2 刘西卉;数控铣削中刀具磨损的可视化仿真技术研究[D];南京航空航天大学;2011年

3 王涛;航空发动机零件加工刀具磨损检测技术研究[D];沈阳航空航天大学;2011年

4 李敏;基于粒子群优化神经网络的刀具磨损状态监测技术研究[D];西南交通大学;2012年

5 陈萍;基于声发射信号的铣刀故障诊断[D];南昌航空大学;2011年

6 蔡伟;大型螺纹旋风铣削工艺参数优化及刀具磨损在线监测研究[D];南京理工大学;2013年

7 高辉;钛合金铣削加工中刀具磨损状态监测技术研究[D];沈阳航空航天大学;2013年

8 江英;数控铣削加工刀具故障诊断与处理方法研究[D];沈阳理工大学;2013年

，

本文编号：515461