基于具有深度学习能力态势感知的智能主轴自主感知方法研究
发布时间：2021-06-17 17:49
机床作为现代制造业最基本的生产加工单元,其面对复杂多变动态制造环境的应变能力直接决定了产品的质量和加工效率,而这取决于机床在环境信息感知、加工状态优化和健康状况预测等方面所具备的智能化能力。其中,主轴系统作为机床加工的最直接执行者,其在自主感知功能、执行优化功能和推理决策功能等方面的智能化水平直接决定着零部件的加工成本、加工精度和表面加工质量。本文针对智能主轴系统自主感知功能开展一系列研究工作,试图解决智能主轴感知领域进入“大数据”时代存在的监测规模大、监测测点多、每个测点的采样频率高而导致的传统故障诊断技术面对这些海量数据在提取故障类型更为敏感的特征时显得无能为力等问题,达到复杂环境下智能主轴系统准确高效的状态自诊断和故障自监测等目标,以为智能机器自主感知问题提供有效的理论方法。主要研究内容包括:（1）从加工制造系统及其复杂性、传统加工机床在复杂制造环境下存在的不足以及智能主轴系统针对这些不足提出的解决方案等几个角度对智能主轴系统自主感知问题进行描述与建模,给出了智能加工机床的定义与主要特性,分析了智能加工机器对于适应复杂环境及解决复杂问题的主要优势,并由此推断出智能主轴系统的定义与...
【文章来源】：深圳大学广东省
【文章页数】：120 页
【学位级别】：硕士
【部分图文】：
智能加工机床[12]
基于具有深度学习能力态势感知的智能主轴自主感知方法研究述分析可知，智能主轴各物理场信息的变化存在着相互影响的关系，并不是独立存，其形式化描述如图 3.4 所示。
度学习能力态势感知的智能主轴自主感知方法4 厘米)的单点故障，且由于轴承外圈是固）、6 点钟（正交于受载区）及 12 点钟 3的型号为 SKF，后两种为与之等效的 N放在电机壳体的驱动端 12 点钟位置上，为 0-3HP 下的振动信号，并在后期利用率为 12000Hz，驱动端轴承故障数据同时
【参考文献】：
期刊论文
[1]基于长短时记忆神经网络的风电机组滚动轴承故障诊断方法[J]. 张建付,宋雨,李刚,王传洋,焦亚菲. 计算机测量与控制. 2017(01)
[2]基于改进证据理论的全信息故障诊断[J]. 廖平,郑友娟,覃才珑. 计算机工程. 2016(03)
[3]数控机床主轴轴承故障知识获取方法[J]. 谢小正,赵荣珍,靳伍银. 振动.测试与诊断. 2013(05)
[4]高速主轴动平衡及其在线控制技术[J]. 章云,梅雪松. 中国工程科学. 2013(01)
[5]核电厂操纵员情景意识评价模型[J]. 戴立操,肖东生,陈建华,李鹏程. 系统工程. 2012(11)
[6]On-line chatter detection using servo motor current signal in turning[J]. LIU HongQi1,CHEN QingHai1,LI Bin1,2,MAO XinYong1,MAO KuanMin2 & PENG FangYu1 1 National NC System Engineering Research Center,Huazhong University of Science &Technology,Wuhan 430074,China;2 State Key Laboratory of Digital Manufacturing Equipment & Technology,Huazhong University of Science &Technology, Wuhan 430074,China. Science China（Technological Sciences）. 2011(12)
[7]Monitoring Computer Numerical Control Machining Progress Based on Information Fusion[J]. TONG Liang1,2,*,YAN Ping1,2,and LIU Fei1,2 1 State Key Laboratory of Mechanical Transmission,Chongqing University,Chongqing 400030,China 2 Chongqing Engineering Research Center of Networked Manufacturing,Chongqing University,Chongqing 400030,China Received March 3,2010;revised March 17,2011;accepted April 7,2011;published electronically April 12,2011. Chinese Journal of Mechanical Engineering. 2011(06)
[8]功率信息互相关法的刀具破损在线监测[J]. 贺晓辉,鄢萍,张佳毅,刘飞. 重庆大学学报. 2011(09)
[9]一种基于动态时间弯折和功率信息的在线加工工件自动识别和监控方法[J]. 鄢萍,贺晓辉,易润忠,刘飞. 机械工程学报. 2011(03)
[10]基于SVM与多振动信息融合的齿轮故障诊断[J]. 蒋玲莉,刘义伦,李学军,陈安华. 中南大学学报(自然科学版). 2010(06)
博士论文
[1]统计聚类和粒子滤波在故障诊断中的应用研究[D]. 李丽敏.西北工业大学 2014
[2]装配制造系统复杂特性建模及其应用研究[D]. 何非.华中科技大学 2010
[3]基于2D-HMM的旋转机械故障诊断方法及其应用研究[D]. 叶大鹏.浙江大学 2004
硕士论文
[1]基于支持向量机的加工中心主轴系统状态监测技术研究[D]. 董精华.吉林大学 2017
[2]基于深度学习的图像态势感知应用研究[D]. 杨文慧.哈尔滨工业大学 2016
[3]数控滚齿机热误差补偿技术研究[D]. 姜小飞.合肥工业大学 2013
[4]基于压电陶瓷高速电主轴振动主动控制研究[D]. 麻玉川.重庆大学 2012
[5]制造系统复杂性及其影响因素分析[D]. 韩平.吉林大学 2010
本文编号：3235642
【文章来源】：深圳大学广东省
【文章页数】：120 页
【学位级别】：硕士
【部分图文】：
智能加工机床[12]
基于具有深度学习能力态势感知的智能主轴自主感知方法研究述分析可知，智能主轴各物理场信息的变化存在着相互影响的关系，并不是独立存，其形式化描述如图 3.4 所示。
度学习能力态势感知的智能主轴自主感知方法4 厘米)的单点故障，且由于轴承外圈是固）、6 点钟（正交于受载区）及 12 点钟 3的型号为 SKF，后两种为与之等效的 N放在电机壳体的驱动端 12 点钟位置上，为 0-3HP 下的振动信号，并在后期利用率为 12000Hz，驱动端轴承故障数据同时
【参考文献】：
期刊论文
[1]基于长短时记忆神经网络的风电机组滚动轴承故障诊断方法[J]. 张建付,宋雨,李刚,王传洋,焦亚菲. 计算机测量与控制. 2017(01)
[2]基于改进证据理论的全信息故障诊断[J]. 廖平,郑友娟,覃才珑. 计算机工程. 2016(03)
[3]数控机床主轴轴承故障知识获取方法[J]. 谢小正,赵荣珍,靳伍银. 振动.测试与诊断. 2013(05)
[4]高速主轴动平衡及其在线控制技术[J]. 章云,梅雪松. 中国工程科学. 2013(01)
[5]核电厂操纵员情景意识评价模型[J]. 戴立操,肖东生,陈建华,李鹏程. 系统工程. 2012(11)
[6]On-line chatter detection using servo motor current signal in turning[J]. LIU HongQi1,CHEN QingHai1,LI Bin1,2,MAO XinYong1,MAO KuanMin2 & PENG FangYu1 1 National NC System Engineering Research Center,Huazhong University of Science &Technology,Wuhan 430074,China;2 State Key Laboratory of Digital Manufacturing Equipment & Technology,Huazhong University of Science &Technology, Wuhan 430074,China. Science China（Technological Sciences）. 2011(12)
[7]Monitoring Computer Numerical Control Machining Progress Based on Information Fusion[J]. TONG Liang1,2,*,YAN Ping1,2,and LIU Fei1,2 1 State Key Laboratory of Mechanical Transmission,Chongqing University,Chongqing 400030,China 2 Chongqing Engineering Research Center of Networked Manufacturing,Chongqing University,Chongqing 400030,China Received March 3,2010;revised March 17,2011;accepted April 7,2011;published electronically April 12,2011. Chinese Journal of Mechanical Engineering. 2011(06)
[8]功率信息互相关法的刀具破损在线监测[J]. 贺晓辉,鄢萍,张佳毅,刘飞. 重庆大学学报. 2011(09)
[9]一种基于动态时间弯折和功率信息的在线加工工件自动识别和监控方法[J]. 鄢萍,贺晓辉,易润忠,刘飞. 机械工程学报. 2011(03)
[10]基于SVM与多振动信息融合的齿轮故障诊断[J]. 蒋玲莉,刘义伦,李学军,陈安华. 中南大学学报(自然科学版). 2010(06)
博士论文
[1]统计聚类和粒子滤波在故障诊断中的应用研究[D]. 李丽敏.西北工业大学 2014
[2]装配制造系统复杂特性建模及其应用研究[D]. 何非.华中科技大学 2010
[3]基于2D-HMM的旋转机械故障诊断方法及其应用研究[D]. 叶大鹏.浙江大学 2004
硕士论文
[1]基于支持向量机的加工中心主轴系统状态监测技术研究[D]. 董精华.吉林大学 2017
[2]基于深度学习的图像态势感知应用研究[D]. 杨文慧.哈尔滨工业大学 2016
[3]数控滚齿机热误差补偿技术研究[D]. 姜小飞.合肥工业大学 2013
[4]基于压电陶瓷高速电主轴振动主动控制研究[D]. 麻玉川.重庆大学 2012
[5]制造系统复杂性及其影响因素分析[D]. 韩平.吉林大学 2010
本文编号：3235642
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/3235642.html
