基于力和振动融合的刀具磨损状态辨识方法研究
发布时间：2020-12-27 07:41
随着“中国制造2025”战略的不断推进,制造业的地位日趋重要,以智能制造为代表的新一轮工业革命,已经成为了国际竞争的新战略高地。在机械加工领域随着生产加工过程的智能化与自动化程度不断提高,如何实时准确地监控刀具的磨损状态,成为保障生产节拍、提高生产效率和产品质量的关键问题。在数控批量加工过程中,刀具磨损不可避免,当刀具磨损较为严重时会对工件质量产生影响甚至引起机床事故,因此需要在刀具发生严重磨损前对其进行更换或刃磨。但是如果在刀具的剩余寿命较多时便进行换刀则会降低刀具的使用经济性,提高企业生产成本,在批量加工过程中还会造成生产节拍中断,生产效率降低等问题。因此通过对刀具磨损状态的准确识别来为换刀策略提供依据是非常有必要的。在如今大力推进工厂智能化和自动化的时代,可以通过实时监测与刀具磨损相关的物理信号的方式来识别刀具所处磨损状态,本文在了解了现阶段国内外对刀具磨损状态辨识研究的基础上,进行铣削加工试验,并以振动和力信号为监测信号,对刀具磨损状态分阶段进行辨识。本文的主要工作内容如下:（1）搭建实验台,开展切削试验并采集数据。研究了切削过程中各类信号的特点,最终选择以力信号和振动信号为监...
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
试验所用XK714D立式加工中心本文试验所采用的刀具为上海工具厂生产的三齿粗柄立铣刀，材料为高速钢，无
实验
西南交通大学硕士研究生学位论文第14页采样频率仅为10Hz低于刀齿通过频率，因此会造成数据遗漏，且功率信号存在滞后现象，因此其并不适合作为本文试验的监测信号。综上所述，本文试验最终选择以力信号和振动信号作为监测信号来搭建试验平台。2.5试验平台搭建2.5.1力信号采集系统力信号采集系统分为硬件部分和软件部分。其中硬件部分由力传感器、电荷放大器、数据采集卡构成，本文实验中选用的测力仪型号为KistlerType9272测力仪如图2-3所示，该测力仪由瑞士奇石乐公司生产制造，该测力仪可同时采集铣削加工过程中的三向铣削力信号，其量程为±5KN，具有较高的防护等级，可以适应加工过程中的恶劣环境，并且该测力仪刚度较大受机床振动干扰很小，因此非常适合本次实验。在加工过程中该测力仪首先被固定在机床工作台上，然后通过螺栓将工件与测力仪连接。在铣削过程中测力仪产生的信号为电荷信号，该信号通过如图2-4所示的Kistler5070A型电荷放大器放大后传输至计算机。图2-3KistlerType9272型测力仪图2-4Kistler5070A型电荷放大器力信号采集软件是由瑞士奇石乐公司提供的DynoWare软件，该软件与力传感器、采集卡和电荷放大器配套使用。采集参数设置如图2-5所示，实际力信号采集过程如图2-6所示。为避免刀具磨损信息的遗漏，力信号采集频率设置为10000Hz。图2-5采集参数设置
【参考文献】：
期刊论文
[1]基于LSTM-BP级联网络的列控车载设备故障诊断[J]. 上官伟,孟月月,杨嘉明,蔡伯根. 北京交通大学学报. 2019(01)
[2]长短时记忆网络在电机故障诊断中的应用研究[J]. 王惠中,贺珂珂,房理想. 自动化仪表. 2019(01)
[3]应用ITD分形模糊熵的自动机早期故障诊断[J]. 赵雄鹏,潘宏侠,刘广璞,安邦. 机械设计与制造. 2019(01)
[4]刀具磨损的机器视觉监测研究[J]. 彭锐涛,降皓鉴,徐莹,唐新姿,张珊. 机械科学与技术. 2019(08)
[5]基于多尺度模糊熵和主成分分析的轴承故障特征提取[J]. 李生鹏,韦朋余,丁峰,竺一峰,姜朝文,周舒豪. 船舶力学. 2018(10)
[6]基于卷积神经网络的刀具磨损在线监测[J]. 曹大理,孙惠斌,张纪铎,莫蓉. 计算机集成制造系统. 2020(01)
[7]基于支持向量机与粒子滤波的刀具磨损状态识别[J]. 程灿,李建勇,徐文胜,聂蒙. 振动与冲击. 2018(17)
[8]基于短时滑移模糊熵和LPP的轴承故障诊断[J]. 童水光,张依东,徐剑,从飞云. 振动.测试与诊断. 2018(04)
[9]基于长短期记忆网络的轴承故障识别[J]. 唐赛,何荇兮,张家悦,尹爱军. 汽车工程学报. 2018(04)
[10]基于S变换时频图纹理特征的刀具磨损状态识别[J]. 宋伟杰,关山,庞弘阳. 组合机床与自动化加工技术. 2018(07)
博士论文
[1]基于隐马尔可夫模型的微铣削刀具磨损状态监测与过程优化[D]. 刘同舜.中国科学技术大学 2018
[2]微细铣刀的失效分析与设计理论研究[D]. 何理论.北京理工大学 2015
硕士论文
[1]深度学习在滚动轴承故障诊断中的应用研究[D]. 陈伟.西南交通大学 2018
[2]基于深度学习的刀具磨损状态监测技术的研究[D]. 林杨.中国科学技术大学 2017
[3]硬脆材料旋转超声加工刀具磨损状态监测技术研究[D]. 李光辉.哈尔滨工业大学 2016
[4]刀具磨损监测和剩余寿命预测方法[D]. 王晓强.华中科技大学 2016
[5]基于铣削力的刀具磨损在线监测研究[D]. 王定.华中科技大学 2015
[6]钛合金高效车削刀具磨损试验研究[D]. 闵令臣.哈尔滨理工大学 2014
本文编号：2941354
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
试验所用XK714D立式加工中心本文试验所采用的刀具为上海工具厂生产的三齿粗柄立铣刀，材料为高速钢，无
实验
西南交通大学硕士研究生学位论文第14页采样频率仅为10Hz低于刀齿通过频率，因此会造成数据遗漏，且功率信号存在滞后现象，因此其并不适合作为本文试验的监测信号。综上所述，本文试验最终选择以力信号和振动信号作为监测信号来搭建试验平台。2.5试验平台搭建2.5.1力信号采集系统力信号采集系统分为硬件部分和软件部分。其中硬件部分由力传感器、电荷放大器、数据采集卡构成，本文实验中选用的测力仪型号为KistlerType9272测力仪如图2-3所示，该测力仪由瑞士奇石乐公司生产制造，该测力仪可同时采集铣削加工过程中的三向铣削力信号，其量程为±5KN，具有较高的防护等级，可以适应加工过程中的恶劣环境，并且该测力仪刚度较大受机床振动干扰很小，因此非常适合本次实验。在加工过程中该测力仪首先被固定在机床工作台上，然后通过螺栓将工件与测力仪连接。在铣削过程中测力仪产生的信号为电荷信号，该信号通过如图2-4所示的Kistler5070A型电荷放大器放大后传输至计算机。图2-3KistlerType9272型测力仪图2-4Kistler5070A型电荷放大器力信号采集软件是由瑞士奇石乐公司提供的DynoWare软件，该软件与力传感器、采集卡和电荷放大器配套使用。采集参数设置如图2-5所示，实际力信号采集过程如图2-6所示。为避免刀具磨损信息的遗漏，力信号采集频率设置为10000Hz。图2-5采集参数设置
【参考文献】：
期刊论文
[1]基于LSTM-BP级联网络的列控车载设备故障诊断[J]. 上官伟,孟月月,杨嘉明,蔡伯根. 北京交通大学学报. 2019(01)
[2]长短时记忆网络在电机故障诊断中的应用研究[J]. 王惠中,贺珂珂,房理想. 自动化仪表. 2019(01)
[3]应用ITD分形模糊熵的自动机早期故障诊断[J]. 赵雄鹏,潘宏侠,刘广璞,安邦. 机械设计与制造. 2019(01)
[4]刀具磨损的机器视觉监测研究[J]. 彭锐涛,降皓鉴,徐莹,唐新姿,张珊. 机械科学与技术. 2019(08)
[5]基于多尺度模糊熵和主成分分析的轴承故障特征提取[J]. 李生鹏,韦朋余,丁峰,竺一峰,姜朝文,周舒豪. 船舶力学. 2018(10)
[6]基于卷积神经网络的刀具磨损在线监测[J]. 曹大理,孙惠斌,张纪铎,莫蓉. 计算机集成制造系统. 2020(01)
[7]基于支持向量机与粒子滤波的刀具磨损状态识别[J]. 程灿,李建勇,徐文胜,聂蒙. 振动与冲击. 2018(17)
[8]基于短时滑移模糊熵和LPP的轴承故障诊断[J]. 童水光,张依东,徐剑,从飞云. 振动.测试与诊断. 2018(04)
[9]基于长短期记忆网络的轴承故障识别[J]. 唐赛,何荇兮,张家悦,尹爱军. 汽车工程学报. 2018(04)
[10]基于S变换时频图纹理特征的刀具磨损状态识别[J]. 宋伟杰,关山,庞弘阳. 组合机床与自动化加工技术. 2018(07)
博士论文
[1]基于隐马尔可夫模型的微铣削刀具磨损状态监测与过程优化[D]. 刘同舜.中国科学技术大学 2018
[2]微细铣刀的失效分析与设计理论研究[D]. 何理论.北京理工大学 2015
硕士论文
[1]深度学习在滚动轴承故障诊断中的应用研究[D]. 陈伟.西南交通大学 2018
[2]基于深度学习的刀具磨损状态监测技术的研究[D]. 林杨.中国科学技术大学 2017
[3]硬脆材料旋转超声加工刀具磨损状态监测技术研究[D]. 李光辉.哈尔滨工业大学 2016
[4]刀具磨损监测和剩余寿命预测方法[D]. 王晓强.华中科技大学 2016
[5]基于铣削力的刀具磨损在线监测研究[D]. 王定.华中科技大学 2015
[6]钛合金高效车削刀具磨损试验研究[D]. 闵令臣.哈尔滨理工大学 2014
本文编号：2941354
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/2941354.html
