飞机复合材料加工机床刀具状态监测方法研究

发布时间：2017-10-08 07:34

  本文关键词：飞机复合材料加工机床刀具状态监测方法研究

  更多相关文章： 飞机复合材料 刀具磨损状态 声发射信号 小波包能量分析 BP神经网络

【摘要】：随着我国民航产业的迅猛发展,对飞机结构材料的性能要求不断提高。复合材料因为具有质量轻,强度高、工艺性能好等优点,被大量地应用于飞机制造中。由于复合材料具有各向异性、韧性较强的结构特点,其加工性能较差,属于难加工材料,使得切削加工过程变得十分困难。刀具作为切削复合材料的直接执行者,承受着不同的切削抗力,极易出现磨损现象,从而影响产品质量及制造成本。因此,为了确保现代飞机制造系统中自动化加工机床的加工效率和飞机复合材料加工件的质量,保障机床设备无故障运行,迫切要求实现刀具状态的在线监测。开展本课题的研究,对于切实解决国产大飞机制造实际问题具有促进作用。论文在目前国内外飞机复合材料加工机床刀具状态监测技术研究现状的基础上,首先探寻了刀具磨损的产生机理,分析了刀具磨损的三种状态,研究了在刀具磨损过程中声发射信号的产生原因及其特性。然后,设计了以工控机为控制核心、以Matlab为驱动软件的飞机复合材料加工机床刀具状态监测系统,搭建了系统的硬件平台和软件平台。其次,以刀具不同磨损状态下的声发射信号为研究对象,分别进行时域和频域分析,目的在于寻求可以表征刀具磨损状态的特征量。再次,针对飞机复合材料加工机床刀具切削过程中的磨损状态不易监测问题,提出了应用小波包能量的飞机复合材料加工机床刀具状态监测方法。该方法将声发射信号分别进行一、二、三层小波包分解,划分到不同的频率带上,再重构原信号,根据重构原信号能量百分比在三种状态下的分布情况,确定刀具磨损状态的最佳特征量。最后,建立了刀具磨损状态的BP神经网络模型,解决了刀具磨损三种状态的识别问题。计算机仿真和实物测试结果验证了该方法的可行性与有效性。
【关键词】：飞机复合材料 刀具磨损状态 声发射信号 小波包能量分析 BP神经网络
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：V261
【目录】：

• 摘要5-6
• Abstract6-9
• 第一章 绪论9-16
• 1.1 课题的研究背景及意义9-11
• 1.2 国内外研究现状及分析11-14
• 1.2.1 刀具状态直接监测方法11-12
• 1.2.2 刀具状态间接监测方法12-14
• 1.3 本文的研究内容14-16
• 第二章 刀具磨损机理与声发射信号特性研究16-24
• 2.1 刀具磨损机理16-20
• 2.1.1 刀具磨损原因16-17
• 2.1.2 刀具磨损形态17-19
• 2.1.3 刀具后刀面磨损过程19
• 2.1.4 刀具磨钝标准19-20
• 2.2 刀具磨损声发射信号特性研究20-23
• 2.2.1 声发射信号产生原理20-21
• 2.2.2 声发射信号特性研究21-23
• 2.3 本章小结23-24
• 第三章 基于声发射法的刀具状态监测系统设计24-30
• 3.1 系统组成与工作原理24-25
• 3.2 系统硬件设计25-27
• 3.2.1 加工机床25
• 3.2.2 传声器25-26
• 3.2.3 前置放大器26-27
• 3.2.4 工控机27
• 3.2.5 加工刀具27
• 3.3 系统软件设计27-28
• 3.4 系统实验设置28-29
• 3.5 本章小结29-30
• 第四章 基于时域和频域的声发射信号分析方法研究30-40
• 4.1 基于时域特征的声发射信号分析方法研究30-33
• 4.1.1 声发射信号统计特征参数30-31
• 4.1.2 声发射信号时域特征分析31-33
• 4.2 基于频域特征的声发射信号分析方法研究33-38
• 4.2.1 幅频谱与相位谱33
• 4.2.2 功率谱33-34
• 4.2.3 Welch平均法功率谱34-35
• 4.2.4 声发射信号频域特征分析35-38
• 4.3 本章小结38-40
• 第五章 基于小波包能量的声发射信号分析方法研究40-54
• 5.1 小波分析基本理论40-43
• 5.2 小波包分析方法43-46
• 5.2.1 小波基的选择45
• 5.2.2 小波包分解层数的选择45-46
• 5.3 小波包频带能量特征法原理46-47
• 5.4 声发射信号特征量提取47-53
• 5.4.1 声发射信号小波包分析47-50
• 5.4.2 声发射信号频带能量特征提取50-53
• 5.5 本章小结53-54
• 第六章 基于神经网络的刀具磨损状态识别54-65
• 6.1 神经网络基本理论54-57
• 6.1.1 神经元模型54-55
• 6.1.2 BP神经网络模型及算法55-57
• 6.2 刀具磨损状态识别57-63
• 6.2.1 识别神经网络的建立57-59
• 6.2.2 识别神经网络的训练仿真59-61
• 6.2.3 识别神经网络的测试仿真61-63
• 6.3 本章小结63-65
• 结论65-67
• 参考文献67-70
• 致谢70-71
• 攻读硕士期间发表论文71

【参考文献】

中国期刊全文数据库 前10条

1 席剑辉;林琳;;声发射熵分析刀具磨损故障预测研究[J];机械设计与制造;2014年05期

2 邓文科;彭林波;何蔚;;数控加工中心的刀具监控技术[J];科技创新导报;2011年17期

3 孙艳杰;艾长胜;;基于切削声和切削力参数融合的刀具磨损状态监测[J];组合机床与自动化加工技术;2011年05期

4 陈雷明;杨润泽;张治;;刀具检测方法综述[J];机械制造与自动化;2011年01期

5 龚伏廷;涂爱萍;王建勇;;小波神经网络在模拟电路故障诊断中的应用[J];计算机仿真;2011年02期

6 韩文兰;席剑辉;;刀具声发射信号混沌特征提取及趋势分析[J];沈阳航空工业学院学报;2010年04期

7 于启勋;;复合材料的切削加工技术[J];航空制造技术;2009年23期

8 龚廷恺;王细洋;;刀具监控技术在金属切削过程中的应用[J];航空制造技术;2009年13期

9 庄子杰;王海丽;汤为;;刀具破损状态声发射信号的多分辨率分析[J];机械设计与研究;2009年03期

10 聂鹏;王东磊;王哲峰;徐涛;;刀具磨损声发射信号处理中小波基选取的研究[J];工具技术;2009年01期

，

本文编号：992773