基于加速子空间迭代法和极限梯度提升树的车床刀具磨损状态识别
发布时间：2022-02-24 04:50
数控机床是制造业最重要的基础设备,金属切削加工也是制造业中重要的加工方法之一。通常在数控机床的加工过程中,刀具磨损是难免会出现的。因此,在加工过程中需要监控刀具的磨损状况,刀具磨损状态的研究分析对刀具加工状态的监测、提高生产质量有着重要的意义。本文主要针对数控车床加工过程中刀具磨损状态识别的研究。本文将加速子空间迭代法和极限梯度提升树算法相结合应用于刀具磨损状态识别的研究中,该方法对刀具磨损状态的识别可以达到准确率高且时间消耗少的效果。本文选用刀具切削过程中产生的振动信号作为研究对象,搭建了刀具磨损状态识别实验和信号采集系统,并完成了振动信号的采集。首先采用小波包分解与重构方法对直接采集到的信号进行了降噪处理,再对信号进行分帧处理,并分别对处理后的信号片段进行时域分析和频域分析,得到关于描述刀具磨损状态的多个统计变量的数据集,通过加速子空间迭代法进行统计变量数据集的降维,提取出与刀具磨损状态相关性较强的特征信息。然后将处理好的数据集按一定的比例分为不同磨损阶段的训练数据集和测试数据集,应用极限梯度提升树算法对刀具的磨损状态进行分类识别,得到分类结果,并将分类结果和已知正确分类结果进行对...
【文章来源】：华中科技大学湖北省211工程院校985工程院校教育部直属院校
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题概述
1.2 国内外研究状况
1.3 本文研究内容和结构
1.4 本章小结
2 刀具磨损与磨损状态识别实验系统
2.1 引言
2.2 金属切削
2.3 刀具磨损及磨钝标准
2.4 刀具磨损状态识别实验系统
2.5 信号采集结果
2.6 本章小结
3 车床刀具磨损信号的分析
3.1 引言
3.2 基于小波包分析的信号降噪处理
3.3 信号加窗分帧
3.4 振动信号的时域和频域分析
3.5 本章小结
4 基于加速子空间迭代法的信号特征提取
4.1 引言
4.2 基于加速子空间迭代法的信号特征提取
4.3 本章小结
5 基于极限梯度提升树的磨损状态识别
5.1 引言
5.2 CART模型基本理论
5.3 极限梯度提升树
5.4 车床刀具磨损状态的识别
5.5 其他分类算法对比
5.6 本章小结
6 总结与展望
6.1 研究总结
6.2 研究展望
致谢
参考文献
【参考文献】：
期刊论文
[1]基于最大熵与交叉熵理论的刀具磨损检测技术[J]. 肖忠跃,张为民,刘朝晖. 机床与液压. 2018(22)
[2]智能制造——“中国制造2025”的主攻方向[J]. 周济. 中国机械工程. 2015(17)
[3]基于脉冲耦合神经网络的刀具磨损检测[J]. 李鹏阳,郝重阳,祝双武,王毅. 中国机械工程. 2008(05)
[4]基于小波变换的刀具磨损检测方法[J]. 向文江,赵学智,陈文戈. 工具技术. 2000(05)
[5]基于多参量状态信息融合的刀具磨损状态智能识别[J]. 路勇,姚英学,许宏岩. 航空精密制造技术. 1999(06)
[6]非接触式刀具磨损在线检测方法──光纤位移检测法[J]. 张永清,刘志峰. 工具技术. 1996(11)
[7]系统辨识的刀具磨损特征量提取方法[J]. 万军,赵凡,伍星浩,蔡复之. 清华大学学报(自然科学版). 1996(08)
[8]XHK5140加工中心动态刀具磨损检测等刀位信号采集法[J]. 袁建华,杜润生,李青山,梁积中,雷鸣,郭兴. 制造技术与机床. 1995(04)
[9]刀具磨损传感检测[J]. 何宗川. 组合机床与自动化加工技术. 1993(01)
[10]用声发射在线监测颤振切削时的刀具磨损[J]. 付久炼,袁巨龙,袁哲俊. 机床. 1989(05)
博士论文
[1]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
[2]基于多参量信息融合的刀具磨损状态识别及预测技术研究[D]. 陈洪涛.西南交通大学 2013
[3]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
[4]高速切削刀具磨损状态的智能监测技术研究[D]. 申志刚.南京航空航天大学 2009
[5]基于计算机视觉的刀具磨损状态监测技术的研究[D]. 熊四昌.浙江大学 2003
硕士论文
[1]基于多传感器信息融合的刀具磨损状态模式识别和寿命预测研究[D]. 刘智鹏.西南交通大学 2018
[2]基于电流分析法的车床刀具状态监测技术研究[D]. 吴远昊.西南交通大学 2017
[3]刀具磨损监测和剩余寿命预测方法[D]. 王晓强.华中科技大学 2016
[4]基于多尺度主元分析的刀具磨损状态监测研究[D]. 张彦超.天津大学 2016
[5]刀具磨损状态识别及预测研究[D]. 刘然.西南交通大学 2014
本文编号：3642011
【文章来源】：华中科技大学湖北省211工程院校985工程院校教育部直属院校
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题概述
1.2 国内外研究状况
1.3 本文研究内容和结构
1.4 本章小结
2 刀具磨损与磨损状态识别实验系统
2.1 引言
2.2 金属切削
2.3 刀具磨损及磨钝标准
2.4 刀具磨损状态识别实验系统
2.5 信号采集结果
2.6 本章小结
3 车床刀具磨损信号的分析
3.1 引言
3.2 基于小波包分析的信号降噪处理
3.3 信号加窗分帧
3.4 振动信号的时域和频域分析
3.5 本章小结
4 基于加速子空间迭代法的信号特征提取
4.1 引言
4.2 基于加速子空间迭代法的信号特征提取
4.3 本章小结
5 基于极限梯度提升树的磨损状态识别
5.1 引言
5.2 CART模型基本理论
5.3 极限梯度提升树
5.4 车床刀具磨损状态的识别
5.5 其他分类算法对比
5.6 本章小结
6 总结与展望
6.1 研究总结
6.2 研究展望
致谢
参考文献
【参考文献】：
期刊论文
[1]基于最大熵与交叉熵理论的刀具磨损检测技术[J]. 肖忠跃,张为民,刘朝晖. 机床与液压. 2018(22)
[2]智能制造——“中国制造2025”的主攻方向[J]. 周济. 中国机械工程. 2015(17)
[3]基于脉冲耦合神经网络的刀具磨损检测[J]. 李鹏阳,郝重阳,祝双武,王毅. 中国机械工程. 2008(05)
[4]基于小波变换的刀具磨损检测方法[J]. 向文江,赵学智,陈文戈. 工具技术. 2000(05)
[5]基于多参量状态信息融合的刀具磨损状态智能识别[J]. 路勇,姚英学,许宏岩. 航空精密制造技术. 1999(06)
[6]非接触式刀具磨损在线检测方法──光纤位移检测法[J]. 张永清,刘志峰. 工具技术. 1996(11)
[7]系统辨识的刀具磨损特征量提取方法[J]. 万军,赵凡,伍星浩,蔡复之. 清华大学学报(自然科学版). 1996(08)
[8]XHK5140加工中心动态刀具磨损检测等刀位信号采集法[J]. 袁建华,杜润生,李青山,梁积中,雷鸣,郭兴. 制造技术与机床. 1995(04)
[9]刀具磨损传感检测[J]. 何宗川. 组合机床与自动化加工技术. 1993(01)
[10]用声发射在线监测颤振切削时的刀具磨损[J]. 付久炼,袁巨龙,袁哲俊. 机床. 1989(05)
博士论文
[1]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
[2]基于多参量信息融合的刀具磨损状态识别及预测技术研究[D]. 陈洪涛.西南交通大学 2013
[3]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
[4]高速切削刀具磨损状态的智能监测技术研究[D]. 申志刚.南京航空航天大学 2009
[5]基于计算机视觉的刀具磨损状态监测技术的研究[D]. 熊四昌.浙江大学 2003
硕士论文
[1]基于多传感器信息融合的刀具磨损状态模式识别和寿命预测研究[D]. 刘智鹏.西南交通大学 2018
[2]基于电流分析法的车床刀具状态监测技术研究[D]. 吴远昊.西南交通大学 2017
[3]刀具磨损监测和剩余寿命预测方法[D]. 王晓强.华中科技大学 2016
[4]基于多尺度主元分析的刀具磨损状态监测研究[D]. 张彦超.天津大学 2016
[5]刀具磨损状态识别及预测研究[D]. 刘然.西南交通大学 2014
本文编号：3642011
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/3642011.html
