基于S变换与隐马尔科夫模型的刀具磨损状态监测方法研究
发布时间：2021-11-04 04:44
刀具磨损状态的实时监测是实现零件加工自动化与智能化、保证零件质量、提高生产效率的一项重要手段,目前刀具磨损状态监测技术仍然没有被完全、有效地实现。因此,研究刀具磨损状态监测技术对于全面提升制造业水平具有重大意义。本文针对不同切削条件下刀具磨损状态监测这一课题,依据正交试验法设计合理的实验方案,搭建实验台并进行切削实验,利用声发射传感器采集刀具磨损声发射信号,提出了基于S变换与隐马尔科夫模型的刀具磨损状态监测方法。具体研究内容包括几下三部分:1、基于集合经验模态分解结合互相关系数与峭度对刀具磨损声发射信号进行降噪处理。首先通过集合经验模态分解将非平稳的刀具磨损声发射信号分解为若干个平稳的固有模态函数;然后结合互相关系数法和峭度准则提出重构准则,筛选有效的固有模态函数进行重构,获得降噪信号;最后通过Hilbert谱与信噪比改善量验证了本文所提方法对刀具磨损声发射信号降噪的效果。2、提出了基于S变换与流形学习的刀具磨损声发射信号特征提取方法。首先通过S变换对降噪信号进行时频分析,论述了刀具不同磨损状态时信号的时频特性;然后应用灰度共生矩阵算法提取时频图的纹理特征参数,构建原始特征向量,用散布...
【文章来源】：东北电力大学吉林省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
常用刀具状态监测方法
图 1-1 常用刀具状态监测方法法较于间接监测法具有监测精度高的特点，但是由于直接监测，无法实现在线监测，导致监测效率低，影响加工效率。方法的快速发展，间接监测法以其对刀具磨损量变化反映灵线实时监测等优点成为目前理论研究与实际应用的关键内容。状态监测系统的主要研究内容概括为：信号监测及处理、识别三个部分，如图 1-2 所示。
东北电力大学工学硕士学位论文分由于强度和散热都较差，导致磨损量较大，磨损程度用 VC 表示；件表面部位，由于加工件的硬皮或加工硬化等原因，导致磨损量也较VN 表示；B 区位于刀刃的中间，磨损程度用 VB 表示。由于 B 区磨损测量较为容易，因此通常以 VB 表示后刀面的磨损程度。
【参考文献】：
期刊论文
[1]基于离散广义S变换与双向二维主成分分析的内燃机故障诊断[J]. 张世雄,蔡艳平,石林锁,王旭. 中国机械工程. 2018(08)
[2]基于s变换及遗传优化支持向量机的电压源换流器故障诊断技术研究[J]. 唐志军,朱艳,邹焕雄,王渝红,胡松伶. 高压电器. 2017(11)
[3]基于离散S变换和排列熵的癫痫脑电识别[J]. 张健钊,姜威,元辉,尚伟,刘湜,焦萍. 生物医学工程学杂志. 2017(05)
[4]基于S变换谱核密度估计的齿轮故障诊断[J]. 郭远晶,魏燕定,金晓航,杨友东. 仪器仪表学报. 2017(06)
[5]基于SPWVD时频图纹理特征的滚动轴承故障诊断[J]. 王亚萍,许迪,葛江华,孙永国,隋秀凛. 振动.测试与诊断. 2017(01)
[6]基于振动敏感时频特征的航天轴承寿命状态识别方法[J]. 陈仁祥,陈思杨,杨黎霞,王家序,董绍江,徐向阳. 振动与冲击. 2016(17)
[7]基于EEMD降噪和流形学习的高速列车走行部故障特征提取[J]. 于萍,金炜东,秦娜. 铁道学报. 2016(04)
[8]基于改进CRITIC法的TBM刀具声发射信号研究[J]. 祝和意,李宏波,张合沛,任颖莹. 振动与冲击. 2016(06)
[9]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)
[10]基于EMD与峭度滤波的煤岩界面识别[J]. 丛晓妍,王增才,王保平,彭伟利. 振动.测试与诊断. 2015(05)
博士论文
[1]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
[2]HMM动态模式识别理论、方法以及在旋转机械故障诊断中的应用[D]. 冯长建.浙江大学 2002
硕士论文
[1]基于云理论的刀具磨损状态监测与磨损量预测理论研究[D]. 康振兴.东北电力大学 2017
[2]基于S变换的焊接裂纹声发射信号时频分析[D]. 王超.湖南科技大学 2016
[3]基于混沌理论的刀具磨损识别研究[D]. 彭昶.东北电力大学 2016
[4]刀具磨损监测系统中特征值与VB值的映射关系研究[D]. 何超.沈阳航空航天大学 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]基于云理论和支持向量机的数控机床刀具状态诊断技术研究[D]. 王利伟.大连交通大学 2012
[7]基于EEMD和支持向量机的刀具状态监测方法研究[D]. 刘芽.西南交通大学 2012
[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]基于声发射的铣刀破损监测研究[D]. 谢剑峰.上海交通大学 2011
[10]基于声发射和振动法的刀具磨损状态检测研究[D]. 庄子杰.上海交通大学 2009
本文编号：3475028
【文章来源】：东北电力大学吉林省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
常用刀具状态监测方法
图 1-1 常用刀具状态监测方法法较于间接监测法具有监测精度高的特点，但是由于直接监测，无法实现在线监测，导致监测效率低，影响加工效率。方法的快速发展，间接监测法以其对刀具磨损量变化反映灵线实时监测等优点成为目前理论研究与实际应用的关键内容。状态监测系统的主要研究内容概括为：信号监测及处理、识别三个部分，如图 1-2 所示。
东北电力大学工学硕士学位论文分由于强度和散热都较差，导致磨损量较大，磨损程度用 VC 表示；件表面部位，由于加工件的硬皮或加工硬化等原因，导致磨损量也较VN 表示；B 区位于刀刃的中间，磨损程度用 VB 表示。由于 B 区磨损测量较为容易，因此通常以 VB 表示后刀面的磨损程度。
【参考文献】：
期刊论文
[1]基于离散广义S变换与双向二维主成分分析的内燃机故障诊断[J]. 张世雄,蔡艳平,石林锁,王旭. 中国机械工程. 2018(08)
[2]基于s变换及遗传优化支持向量机的电压源换流器故障诊断技术研究[J]. 唐志军,朱艳,邹焕雄,王渝红,胡松伶. 高压电器. 2017(11)
[3]基于离散S变换和排列熵的癫痫脑电识别[J]. 张健钊,姜威,元辉,尚伟,刘湜,焦萍. 生物医学工程学杂志. 2017(05)
[4]基于S变换谱核密度估计的齿轮故障诊断[J]. 郭远晶,魏燕定,金晓航,杨友东. 仪器仪表学报. 2017(06)
[5]基于SPWVD时频图纹理特征的滚动轴承故障诊断[J]. 王亚萍,许迪,葛江华,孙永国,隋秀凛. 振动.测试与诊断. 2017(01)
[6]基于振动敏感时频特征的航天轴承寿命状态识别方法[J]. 陈仁祥,陈思杨,杨黎霞,王家序,董绍江,徐向阳. 振动与冲击. 2016(17)
[7]基于EEMD降噪和流形学习的高速列车走行部故障特征提取[J]. 于萍,金炜东,秦娜. 铁道学报. 2016(04)
[8]基于改进CRITIC法的TBM刀具声发射信号研究[J]. 祝和意,李宏波,张合沛,任颖莹. 振动与冲击. 2016(06)
[9]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)
[10]基于EMD与峭度滤波的煤岩界面识别[J]. 丛晓妍,王增才,王保平,彭伟利. 振动.测试与诊断. 2015(05)
博士论文
[1]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
[2]HMM动态模式识别理论、方法以及在旋转机械故障诊断中的应用[D]. 冯长建.浙江大学 2002
硕士论文
[1]基于云理论的刀具磨损状态监测与磨损量预测理论研究[D]. 康振兴.东北电力大学 2017
[2]基于S变换的焊接裂纹声发射信号时频分析[D]. 王超.湖南科技大学 2016
[3]基于混沌理论的刀具磨损识别研究[D]. 彭昶.东北电力大学 2016
[4]刀具磨损监测系统中特征值与VB值的映射关系研究[D]. 何超.沈阳航空航天大学 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]基于云理论和支持向量机的数控机床刀具状态诊断技术研究[D]. 王利伟.大连交通大学 2012
[7]基于EEMD和支持向量机的刀具状态监测方法研究[D]. 刘芽.西南交通大学 2012
[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]基于声发射的铣刀破损监测研究[D]. 谢剑峰.上海交通大学 2011
[10]基于声发射和振动法的刀具磨损状态检测研究[D]. 庄子杰.上海交通大学 2009
本文编号：3475028
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/3475028.html
