基于功率与振动信号的刀具磨损状态智能监测方法研究
发布时间：2021-01-03 06:25
刀具磨损是切削过程不可避免的现象。刀具磨损必然会影响工件的表面质量和尺寸精度。刀具状态监测技术能够实时检测刀具的磨损状态,对提高加工质量与效率、保护机械设备、推动制造业向“智能制造”转型升级具有重要的意义。本文以切削加工过程中刀具磨损状态的识别为研究对象,分析不同磨损状态下硬质合金车刀的加工特点,建立基于功率和振动信号提取的监测特征与磨损状态间的映射关系。全文主要研究如下:（1）选择合适的信号处理方法,应用基于核主元分析的刀具磨损监测特征融合方法。切削过程中振动信号表现为非线性、非平稳,因此应当选择更适合处理此类信号的现代信号处理方法,如小波分析、希尔伯特黄变换、经验模态分解等。研究选用小波包分析联合集成经验模态分解方法对振动信号进行处理,分别从时域、频域、时频域提取监测特征,并利用核主元分析（KPCA）对原始高维特征进行特征降维,去除冗余信息以精简数据,便于后续监测模型的识别运算。基于功率信号应用最小二乘回归法提取的切向切削力系数与切向刃口力系数只受刀具磨损程度影响,在变切削参数的加工条件下,可作为刀具磨损状态识别的有效特征。研究结果表明,上述特征提取联合数据融合的方法能够很好地表达...
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
刀具后刀面磨损形貌
实验
刀具磨损状态监测的试验设计13(a)数控机床(b)振动传感器(c)功率传感器(d)动态信号调理模块图2.2实验设备及仪器Figure2.2Experimentalequipmentandinstruments刀具后刀面磨损宽度可由金相显微镜（型号LeciaDM4M）显微镜测得，如图2.3所示。显微镜的使用可以很好的观察到刀具后刀面的形貌，同时完成对后刀面磨损的测量。图2.3金相显微镜Figure2.3Superfieldmicroscope
【参考文献】：
期刊论文
[1]刀具磨损状态监测技术研究进展[J]. 郭景超,李安海. 工具技术. 2019(05)
[2]基于多传感器数据融合的刀具磨损状态监测研究[J]. 陈刚,焦黎,颜培,王西彬,史雪春,彭振新. 新技术新工艺. 2017(11)
[3]基于主成分分析与C-支持向量机的刀具磨损状态监测[J]. 谢楠,马飞,段明雷,李爱平. 同济大学学报(自然科学版). 2016(03)
[4]《中国制造2025》与工程技术人才培养[J]. 《中国制造2025》与工程技术人才培养研究课题组. 高等工程教育研究. 2015(06)
[5]滚动轴承早期故障的多源多方法融合诊断技术[J]. 王晶,陈果,郝腾飞. 振动.测试与诊断. 2013(05)
[6]机械故障诊断技术中的信号处理方法:时频分析[J]. 王金福,李富才. 噪声与振动控制. 2013(03)
[7]机械故障诊断的信号处理方法:频域分析[J]. 王金福,李富才. 噪声与振动控制. 2013(01)
[8]基于声发射技术监测刀具磨损的研究[J]. 胡江林,张少文,李亮. 工具技术. 2012(03)
[9]基于声发射信号的高速铣削过程监测技术[J]. 龚廷恺,王细洋. 航空制造技术. 2009(07)
博士论文
[1]基于特征融合的刀具磨损监测技术研究[D]. 孔冬冬.华中科技大学 2018
[2]切削加工过程中振动状态及刀具磨损的智能监测技术研究[D]. 付洋.华中科技大学 2017
[3]基于多传感器信息融合的刀具磨损状态监测方法研究[D]. 张锴锋.东北大学 2016
[4]车铣刀具磨损状态监测及预测关键技术研究[D]. 李威霖.西南交通大学 2013
[5]基于多模型决策融合的刀具磨损状态监测系统关键技术研究[D]. 陈侃.西南交通大学 2012
[6]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]. 关山.吉林大学 2011
硕士论文
[1]基于AR-MED和LMD在滚动轴承故障诊断中的研究[D]. 朱珍乾.兰州交通大学 2019
[2]钻削刀具状态监测技术的研究[D]. 郝碧君.南京航空航天大学 2019
[3]数控机床刀具状态智能监测[D]. 秦泽政.哈尔滨工业大学 2019
[4]基于机器视觉的刀具检测技术研究[D]. 侯秋林.山东大学 2018
[5]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
[6]基于图像处理的刀具磨损检测方法研究[D]. 龙云淋.南京航空航天大学 2017
本文编号：2954484
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
刀具后刀面磨损形貌
实验
刀具磨损状态监测的试验设计13(a)数控机床(b)振动传感器(c)功率传感器(d)动态信号调理模块图2.2实验设备及仪器Figure2.2Experimentalequipmentandinstruments刀具后刀面磨损宽度可由金相显微镜（型号LeciaDM4M）显微镜测得，如图2.3所示。显微镜的使用可以很好的观察到刀具后刀面的形貌，同时完成对后刀面磨损的测量。图2.3金相显微镜Figure2.3Superfieldmicroscope
【参考文献】：
期刊论文
[1]刀具磨损状态监测技术研究进展[J]. 郭景超,李安海. 工具技术. 2019(05)
[2]基于多传感器数据融合的刀具磨损状态监测研究[J]. 陈刚,焦黎,颜培,王西彬,史雪春,彭振新. 新技术新工艺. 2017(11)
[3]基于主成分分析与C-支持向量机的刀具磨损状态监测[J]. 谢楠,马飞,段明雷,李爱平. 同济大学学报(自然科学版). 2016(03)
[4]《中国制造2025》与工程技术人才培养[J]. 《中国制造2025》与工程技术人才培养研究课题组. 高等工程教育研究. 2015(06)
[5]滚动轴承早期故障的多源多方法融合诊断技术[J]. 王晶,陈果,郝腾飞. 振动.测试与诊断. 2013(05)
[6]机械故障诊断技术中的信号处理方法:时频分析[J]. 王金福,李富才. 噪声与振动控制. 2013(03)
[7]机械故障诊断的信号处理方法:频域分析[J]. 王金福,李富才. 噪声与振动控制. 2013(01)
[8]基于声发射技术监测刀具磨损的研究[J]. 胡江林,张少文,李亮. 工具技术. 2012(03)
[9]基于声发射信号的高速铣削过程监测技术[J]. 龚廷恺,王细洋. 航空制造技术. 2009(07)
博士论文
[1]基于特征融合的刀具磨损监测技术研究[D]. 孔冬冬.华中科技大学 2018
[2]切削加工过程中振动状态及刀具磨损的智能监测技术研究[D]. 付洋.华中科技大学 2017
[3]基于多传感器信息融合的刀具磨损状态监测方法研究[D]. 张锴锋.东北大学 2016
[4]车铣刀具磨损状态监测及预测关键技术研究[D]. 李威霖.西南交通大学 2013
[5]基于多模型决策融合的刀具磨损状态监测系统关键技术研究[D]. 陈侃.西南交通大学 2012
[6]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]. 关山.吉林大学 2011
硕士论文
[1]基于AR-MED和LMD在滚动轴承故障诊断中的研究[D]. 朱珍乾.兰州交通大学 2019
[2]钻削刀具状态监测技术的研究[D]. 郝碧君.南京航空航天大学 2019
[3]数控机床刀具状态智能监测[D]. 秦泽政.哈尔滨工业大学 2019
[4]基于机器视觉的刀具检测技术研究[D]. 侯秋林.山东大学 2018
[5]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
[6]基于图像处理的刀具磨损检测方法研究[D]. 龙云淋.南京航空航天大学 2017
本文编号：2954484
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/2954484.html
