振动钻削钻头状态监测技术研究
发布时间：2021-04-05 21:18
在加工过程中,刀具的状态直接影响着工件的加工质量,因此建立实时性强、可靠性高的钻头状态监测系统,对延长钻头的使用寿命,提高生产效率具有重要意义。本文首先建立了振动钻削钻头状态监测试验系统,利用声发射传感器和压电式力传感器对振动钻削过程中钻头不同磨损状态下的声发射信号和钻削力信号进行同步采集。受加工条件的影响,在实际的振动钻削加工过程中,传感器采集的信号中往往会夹杂着大量噪声,因此采用小波阈值去噪法对声发射信号和钻削力信号进行了去噪预处理,提高了信号的信噪比。接着对去噪后的声发射信号和钻削力信号进行分析处理,分别在时域内对信号进行了均值、方差和均方值的计算,在频域内对信号进行了功率谱分析,在时频域内对信号进行了小波分解,并提取了各频段的小波能量系数。根据钻头不同磨损状态下监测信号特征值的分析结果,选择声发射信号的均方根值、D1、D2、D3频段的小波能量系数,钻削力信号的均值、方差、D4、A5频段的小波能量系数共8个与钻头磨损状态相关度较高的特征值组成向量,作为BP神经网络的输入。最后建立了基于BP神经网络的振动钻削钻头状态识别模型,通过样本数据对模型的训练,建立了监测信号特征值与钻头磨损...
【文章来源】：长春理工大学吉林省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
基于切削力信号的铣刀监测系统
3图 1.2 基于切削力信号的铣刀监测系统 图 1.3 切削力信号采集结果振动是由切削力中的动态分量引起的，它与刀具的磨损状态以及工艺系统的动性密切相关。随着刀具磨损程度的增加，刀具与工件之间的摩擦状态发生变化，起振动频率、振幅的增加，因此可以利用振动信号来监测刀具状态[14]。2015 年惠斌等人以振动信号为基础建立了铣刀状态监测系统，并成功实现了对铣刀状态
图 1.4 基于振动信号的铣刀监测系统 图 1.5 振动信号采集结果声发射是固体材料在外部条件作用下，内部结构发生变化导致能量快速释放而的瞬态弹性应力波，包含着大量与刀具状态相关的信息，随着刀具磨损程度的增具材料内部晶格会发生变形、刀具与工件摩擦等都会释放应力波，从而引起声发号的变化。2008 年，Jemielniak 等人建立了基于声发射信号的车削磨损状态监测，提取声发射信号的均方根值等特征值来对车刀状态进行判断[17]。2014 年，Be人以声发射为监测信号，成功实现了对砂轮磨损状态的监测，其砂轮状态监测系图 1.6 所示[18]。2015 年，朱坚民等人建立了车削过程中的声发射信号特征值与车
【参考文献】：
期刊论文
[1]超声轴向振动钻削断屑机理分析与试验研究[J]. 史尧臣,李占国,于雪莲,蔡云光. 制造技术与机床. 2017(10)
[2]深小孔超声轴向振动钻削装置设计与研究[J]. 张学忱,林丹,史尧臣. 制造技术与机床. 2016(10)
[3]人工神经网络概述[J]. 刘毅娟,雷鸣,何旸,曹艳龙. 电子测试. 2015(11)
[4]基于切削声发射信号测量的刀具磨损状态判别[J]. 朱坚民,战汉,张统超,王健. 计量学报. 2015 (03)
[5]基于希尔伯特黄变换的刀具磨损特征提取[J]. 孙惠斌,牛伟龙,王俊阳. 振动与冲击. 2015(04)
[6]基于小波包和BP神经网络的刀具磨损状态识别[J]. 库祥臣,周芸梦,高鹏磊,段明德. 现代制造工程. 2014(12)
[7]刀具磨损在线监测研究现状与发展[J]. 柳洋,陈永洁,杨文恺,王定,吕禄方. 机床与液压. 2014(19)
[8]新阈值函数下的小波阈值去噪[J]. 王瑞,张友纯. 计算机工程与应用. 2013(15)
[9]数控机床刀具磨损状态特征参数提取[J]. 高鹏磊,库祥臣. 组合机床与自动化加工技术. 2013(06)
[10]在线金属切削刀具磨损状态监测研究的回顾与展望Ⅲ:模式识别方法[J]. 关山,聂鹏. 机床与液压. 2012(03)
博士论文
[1]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
[2]切削加工过程中刀具磨损的智能监测技术研究[D]. 高宏力.西南交通大学 2005
硕士论文
[1]基于小波变换的语音信号去噪算法研究[D]. 洪民江.南京邮电大学 2018
[2]车削刀具磨损状态监测系统的研究[D]. 王沛鑫.昆明理工大学 2018
[3]深孔加工刀具磨损研究与状态识别[D]. 高伟佳.中北大学 2017
[4]基于钻削过程源信号增强的加工状态识别[D]. 姜尚.湘潭大学 2015
[5]基于声发射技术的刀具磨损监测研究[D]. 周芸梦.河南科技大学 2014
[6]基于声发射技术磨削表面粗糙度在线检测研究[D]. 石建.长春理工大学 2014
[7]深孔钻削刀具状态监测系统研究[D]. 潘继辉.长春理工大学 2014
[8]基于振动信号的PCB微钻刀具磨损状态监测研究[D]. 任振华.上海交通大学 2012
[9]切削加工过程中刀具磨损智能监测与切削力预测技术研究[D]. 黄遂.西南交通大学 2010
[10]基于钻削力信号的钻头磨损状态监测技术的研究[D]. 郗长青.西安理工大学 2005
本文编号：3120119
【文章来源】：长春理工大学吉林省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
基于切削力信号的铣刀监测系统
3图 1.2 基于切削力信号的铣刀监测系统 图 1.3 切削力信号采集结果振动是由切削力中的动态分量引起的，它与刀具的磨损状态以及工艺系统的动性密切相关。随着刀具磨损程度的增加，刀具与工件之间的摩擦状态发生变化，起振动频率、振幅的增加，因此可以利用振动信号来监测刀具状态[14]。2015 年惠斌等人以振动信号为基础建立了铣刀状态监测系统，并成功实现了对铣刀状态
图 1.4 基于振动信号的铣刀监测系统 图 1.5 振动信号采集结果声发射是固体材料在外部条件作用下，内部结构发生变化导致能量快速释放而的瞬态弹性应力波，包含着大量与刀具状态相关的信息，随着刀具磨损程度的增具材料内部晶格会发生变形、刀具与工件摩擦等都会释放应力波，从而引起声发号的变化。2008 年，Jemielniak 等人建立了基于声发射信号的车削磨损状态监测，提取声发射信号的均方根值等特征值来对车刀状态进行判断[17]。2014 年，Be人以声发射为监测信号，成功实现了对砂轮磨损状态的监测，其砂轮状态监测系图 1.6 所示[18]。2015 年，朱坚民等人建立了车削过程中的声发射信号特征值与车
【参考文献】：
期刊论文
[1]超声轴向振动钻削断屑机理分析与试验研究[J]. 史尧臣,李占国,于雪莲,蔡云光. 制造技术与机床. 2017(10)
[2]深小孔超声轴向振动钻削装置设计与研究[J]. 张学忱,林丹,史尧臣. 制造技术与机床. 2016(10)
[3]人工神经网络概述[J]. 刘毅娟,雷鸣,何旸,曹艳龙. 电子测试. 2015(11)
[4]基于切削声发射信号测量的刀具磨损状态判别[J]. 朱坚民,战汉,张统超,王健. 计量学报. 2015 (03)
[5]基于希尔伯特黄变换的刀具磨损特征提取[J]. 孙惠斌,牛伟龙,王俊阳. 振动与冲击. 2015(04)
[6]基于小波包和BP神经网络的刀具磨损状态识别[J]. 库祥臣,周芸梦,高鹏磊,段明德. 现代制造工程. 2014(12)
[7]刀具磨损在线监测研究现状与发展[J]. 柳洋,陈永洁,杨文恺,王定,吕禄方. 机床与液压. 2014(19)
[8]新阈值函数下的小波阈值去噪[J]. 王瑞,张友纯. 计算机工程与应用. 2013(15)
[9]数控机床刀具磨损状态特征参数提取[J]. 高鹏磊,库祥臣. 组合机床与自动化加工技术. 2013(06)
[10]在线金属切削刀具磨损状态监测研究的回顾与展望Ⅲ:模式识别方法[J]. 关山,聂鹏. 机床与液压. 2012(03)
博士论文
[1]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
[2]切削加工过程中刀具磨损的智能监测技术研究[D]. 高宏力.西南交通大学 2005
硕士论文
[1]基于小波变换的语音信号去噪算法研究[D]. 洪民江.南京邮电大学 2018
[2]车削刀具磨损状态监测系统的研究[D]. 王沛鑫.昆明理工大学 2018
[3]深孔加工刀具磨损研究与状态识别[D]. 高伟佳.中北大学 2017
[4]基于钻削过程源信号增强的加工状态识别[D]. 姜尚.湘潭大学 2015
[5]基于声发射技术的刀具磨损监测研究[D]. 周芸梦.河南科技大学 2014
[6]基于声发射技术磨削表面粗糙度在线检测研究[D]. 石建.长春理工大学 2014
[7]深孔钻削刀具状态监测系统研究[D]. 潘继辉.长春理工大学 2014
[8]基于振动信号的PCB微钻刀具磨损状态监测研究[D]. 任振华.上海交通大学 2012
[9]切削加工过程中刀具磨损智能监测与切削力预测技术研究[D]. 黄遂.西南交通大学 2010
[10]基于钻削力信号的钻头磨损状态监测技术的研究[D]. 郗长青.西安理工大学 2005
本文编号：3120119
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/3120119.html
