面向铣削加工的测振刀柄设计与试验研究
发布时间：2021-11-28 02:10
随着现代切削加工技术向着高效高精度方向的不断发展,人们对切削加工精度、表面质量以及加工效率提出了更高要求。切削加工中,刀具与工件的相对振动不仅会降低工件的表面质量,而且还会加剧刀具磨损,对加工精度和生产成本造成影响。为了减少机械加工过程中刀具磨损对工件表面质量和加工精度的影响,并有效利用刀具切削寿命,降低生产成本和提高加工效率,需要对机械加工的切削振动信息进行采集,实时监测刀具磨损状态。在铣削加工中,切削振动监测的传统方法是在工件或主轴上粘贴加速度传感器进行振动信号的采集,这种监测方法可重复性较差,不能有效消除位置偏移的影响。且由于传感器距离切削加工区域太远,监测到的振动信号很弱,很难满足振动信号在线监测的需求。为此,本文对集成加速度传感器以及数据采集电路的铣削测振刀柄进行了设计及应用研究。具体研究内容如下:（1）将集成传感器的测振刀柄方案进行了总体设计,包括传感器的选型以及针对动平衡和刚度问题的刀柄系统结构设计,并通过有限元仿真的方法对刀柄结构进行了刚度、固有频率以及振动信号的分析和验证。（2）对测振刀柄系统的振动信号采集系统以及无线传输系统进行了软硬件设计,通过WiFi实现振动信号...
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
切削颤振原理
图 1. 2 铣削加工稳定性叶瓣图中科技大学的王军将机床主轴-刀架-刀具系统分解为机床主轴刀架结构和刀具子进行铣削振动机理的研究[9]。他通过使用线性弹簧和阻尼，扭转弹簧和阻尼模拟合面间的耦合特性，获得了铣削系统中刀具加工点的频率响应函数的半解析预测表通大学的李中伟在铣削加工系统模型的加工稳定性分析中引入了 Magnus-Gaussi导出了基于 Magnus-Gaussian 截断的零阶半离散稳定性分析方法[10]，通过该方法工的切削稳定性进行了分析，并获得了各种工况下的铣床稳定性图。 切削振动检测技术研究削振动在线监测技术的发展主要经过了以下四个阶段[11]：二十世纪七十年代以前技术还不成熟，只能通过杠杆原理将切削振动的模拟量信号放大，通过示波器进振动信号曲线记录下来。七十年代到八十年代，数字示波器、数字电压表和传感到发展和应用，它们能够将加工振动信号转化为数字信号，以供后续使用信号分理和分析。八十年代到九十年代，由于计算机的逐渐普及，切削加工振动的实时业生产中的应用越来越多，最常用的方式为使用数据采集卡将振动传感器中的模
面向铣削加工的测振刀柄设计与试验研究态，实验装置如图 1. 3 所示。该方法将主轴径向行采集，但因为传感器离切削加工区域较远，振动。董新峰和张伟民[17]在薄壁工件上安装了一个三动，实验装置如图 1. 4 所示，通过分析仿真及实信号复杂度在铣削颤振预测中的作用。
【参考文献】：
期刊论文
[1]基于多特征的立铣刀磨损状况分析[J]. 曹岩,张苗苗,方舟,白瑀. 工具技术. 2019(02)
[2]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)
[3]基于BP神经网络刀具磨损状态监测的研究[J]. 崔宁. 农业装备与车辆工程. 2018(07)
[4]基于EEMDBP网络的滚珠丝杠副故障模式识别[J]. 李惠,陈蔚芳,商苏成. 机械与电子. 2018(04)
[5]基于ESP8266的远程无线光功率监测仪设计[J]. 王旭峰,周建华,董科雨,周芳,徐博文. 单片机与嵌入式系统应用. 2018(01)
[6]BP神经网络隐含层节点数确定方法研究[J]. 王嵘冰,徐红艳,李波,冯勇. 计算机技术与发展. 2018(04)
[7]图像识别技术-神经网络识别方法的分析[J]. 胡菡静,王小妮,王磊,李翠. 中国新通信. 2016(22)
[8]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)
[9]MATLAB软件在电力系统自动控制领域的应用[J]. 张培磊. 中国高新技术企业. 2014(32)
[10]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)
博士论文
[1]基于显微视觉的刀具磨损状态监测技术研究[D]. 李丽宏.河北工业大学 2013
[2]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
[3]铣削加工振动主动控制[D]. 江浩.上海交通大学 2009
[4]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LORA技术的无线振动监测系统[D]. 崔青巍.东北石油大学 2018
[2]基于分形理论的刀具磨损状态识别与磨损量预测方法研究[D]. 庞弘阳.东北电力大学 2018
[3]具有自供电多参数检测功能的托辊设计研究[D]. 苏辉.太原理工大学 2018
[4]用于刀具管理的智能刀柄系统研究[D]. 郭月龙.南京航空航天大学 2018
[5]机械振动的超声波检测技术研究[D]. 陈刚.华东交通大学 2017
[6]基于无线传输的测力刀柄系统设计及实验研究[D]. 张鹏飞.燕山大学 2017
[7]基于小波包分析的激光超声缺陷信号处理方法研究[D]. 侯静.中北大学 2017
[8]基于自供电的发动机振动故障监测系统研究[D]. 易小周.重庆大学 2016
[9]面向铣削过程的无线测振刀柄的关键技术研究[D]. 刘海军.哈尔滨工业大学 2015
[10]基于多传感器融合的铣刀破损监测方法研究[D]. 刘冬伟.哈尔滨工业大学 2015
本文编号：3523487
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
切削颤振原理
图 1. 2 铣削加工稳定性叶瓣图中科技大学的王军将机床主轴-刀架-刀具系统分解为机床主轴刀架结构和刀具子进行铣削振动机理的研究[9]。他通过使用线性弹簧和阻尼，扭转弹簧和阻尼模拟合面间的耦合特性，获得了铣削系统中刀具加工点的频率响应函数的半解析预测表通大学的李中伟在铣削加工系统模型的加工稳定性分析中引入了 Magnus-Gaussi导出了基于 Magnus-Gaussian 截断的零阶半离散稳定性分析方法[10]，通过该方法工的切削稳定性进行了分析，并获得了各种工况下的铣床稳定性图。 切削振动检测技术研究削振动在线监测技术的发展主要经过了以下四个阶段[11]：二十世纪七十年代以前技术还不成熟，只能通过杠杆原理将切削振动的模拟量信号放大，通过示波器进振动信号曲线记录下来。七十年代到八十年代，数字示波器、数字电压表和传感到发展和应用，它们能够将加工振动信号转化为数字信号，以供后续使用信号分理和分析。八十年代到九十年代，由于计算机的逐渐普及，切削加工振动的实时业生产中的应用越来越多，最常用的方式为使用数据采集卡将振动传感器中的模
面向铣削加工的测振刀柄设计与试验研究态，实验装置如图 1. 3 所示。该方法将主轴径向行采集，但因为传感器离切削加工区域较远，振动。董新峰和张伟民[17]在薄壁工件上安装了一个三动，实验装置如图 1. 4 所示，通过分析仿真及实信号复杂度在铣削颤振预测中的作用。
【参考文献】：
期刊论文
[1]基于多特征的立铣刀磨损状况分析[J]. 曹岩,张苗苗,方舟,白瑀. 工具技术. 2019(02)
[2]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)
[3]基于BP神经网络刀具磨损状态监测的研究[J]. 崔宁. 农业装备与车辆工程. 2018(07)
[4]基于EEMDBP网络的滚珠丝杠副故障模式识别[J]. 李惠,陈蔚芳,商苏成. 机械与电子. 2018(04)
[5]基于ESP8266的远程无线光功率监测仪设计[J]. 王旭峰,周建华,董科雨,周芳,徐博文. 单片机与嵌入式系统应用. 2018(01)
[6]BP神经网络隐含层节点数确定方法研究[J]. 王嵘冰,徐红艳,李波,冯勇. 计算机技术与发展. 2018(04)
[7]图像识别技术-神经网络识别方法的分析[J]. 胡菡静,王小妮,王磊,李翠. 中国新通信. 2016(22)
[8]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)
[9]MATLAB软件在电力系统自动控制领域的应用[J]. 张培磊. 中国高新技术企业. 2014(32)
[10]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)
博士论文
[1]基于显微视觉的刀具磨损状态监测技术研究[D]. 李丽宏.河北工业大学 2013
[2]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
[3]铣削加工振动主动控制[D]. 江浩.上海交通大学 2009
[4]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LORA技术的无线振动监测系统[D]. 崔青巍.东北石油大学 2018
[2]基于分形理论的刀具磨损状态识别与磨损量预测方法研究[D]. 庞弘阳.东北电力大学 2018
[3]具有自供电多参数检测功能的托辊设计研究[D]. 苏辉.太原理工大学 2018
[4]用于刀具管理的智能刀柄系统研究[D]. 郭月龙.南京航空航天大学 2018
[5]机械振动的超声波检测技术研究[D]. 陈刚.华东交通大学 2017
[6]基于无线传输的测力刀柄系统设计及实验研究[D]. 张鹏飞.燕山大学 2017
[7]基于小波包分析的激光超声缺陷信号处理方法研究[D]. 侯静.中北大学 2017
[8]基于自供电的发动机振动故障监测系统研究[D]. 易小周.重庆大学 2016
[9]面向铣削过程的无线测振刀柄的关键技术研究[D]. 刘海军.哈尔滨工业大学 2015
[10]基于多传感器融合的铣刀破损监测方法研究[D]. 刘冬伟.哈尔滨工业大学 2015
本文编号：3523487
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/3523487.html
