大数据驱动下的刀具磨损在线预警技术研究

发布时间：2022-04-28 22:57

　　在CFRP/钛合金叠层材料制孔过程中,由于材料性能各异导致刀具磨损严重,频繁换刀影响生产效率。传统判断方法通常依靠加工者的经验,受主观影响可靠性低,且不适用于自动化加工。随着大量自动化设备在车间投入使用,迫切需要对切削加工过程中刀具磨损状态进行在线监测,从而为制造过程自动换刀提供依据。然而在对刀具在线监测信号分析处理的过程中,海量信号数据的实时存储、高效处理等方面面临着严峻的挑战,需要对这些方面开展深入研究,发挥大数据在刀具磨损在线预警中的作用。本文对CFRP/钛合金叠层材料制孔过程中刀具磨损状态进行分析,采用了基于声发射信号的刀具磨损在线监测方案,考虑到实际工程应用中需要同时对多台设备进行刀具监测,而且声发射信号具有采样频率高、信号数据量大的特点,因此融合大数据技术,搭建了基于Hadoop的信号分析处理平台,提出了大数据驱动下的刀具磨损在线预警模式。运用小波包变换对原始声发射信号进行滤波,提取与刀具磨损密切相关的声发射特征量作为BP神经网络的输入,建立了基于神经网络的刀具磨损模型。针对神经网络收敛速度慢、易陷于极小值等缺点,选择蚁群算法对BP神经网络进行了优化。利用HDFS完成了原件... 

【文章页数】：82 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究背景与意义
    1.2 刀具磨损状态监测研究现状
        1.2.1 监测方法
        1.2.2 信号处理与特征提取
        1.2.3 刀具磨损状态判定
        1.2.4 刀具磨损监测系统
    1.3 车间大数据研究现状
        1.3.1 车间大数据与智能制造
        1.3.2 车间大数据应用
    1.4 课题研究内容
    1.5 论文主要结构
第二章 刀具磨损信号采集与分析平台搭建
    2.1 钻头磨损形式及磨钝标准
    2.2 监测信号选择
    2.3 声发射信号采集系统
    2.4 基于Hadoop信号分析处理平台
        2.4.1 Hadoop集群部署规划
        2.4.2 Hadoop环境搭建
    2.5 本章小结
第三章 基于小波包变换的信号特征提取
    3.1 小波变换理论
        3.1.1 连续小波变换
        3.1.2 离散小波变换
        3.1.3 多分辨分析与Mallat算法
        3.1.4 小波包变换
    3.2 基于小波包变换的信号滤波
    3.3 基于小波包变换的信号特征提取
        3.3.1 小波包能量特征提取
        3.3.2 信号频段时域特征提取
    3.4 本章小结
第四章 基于ACO-BP神经网络的刀具磨损预测
    4.1 BP神经网络
        4.1.1 神经元模型分析
        4.1.2 BP学习算法
        4.1.3 BP神经网络的缺陷
    4.2 蚁群算法优化BP神经网络
        4.2.1 蚁群算法简介
        4.2.2 蚁群算法优化BP神经网络策略
    4.3 基于蚁群优化BP神经网络的刀具磨损预测
        4.3.1 数据规划与预处理
        4.3.2 刀具磨损状态识别
        4.3.3 刀具磨损量预测
    4.4 本章小结
第五章 大数据驱动下的刀具磨损在线预警
    5.1 声发射信号采集
    5.2 基于HDFS的信号文件存储
    5.3 基于MapReduce的信号特征提取
    5.4 基于MapReduce刀具磨损并行化建模
        5.4.1 蚁群算法优化BP神经网络的并行化设计
        5.4.2 蚁群算法优化BP神经网络的并行化实现
    5.5 大数据驱动的刀具磨损在线预警实现
    5.6 本章小结
第六章 系统实现
    6.1 系统环境及架构
        6.1.1 系统环境
        6.1.2 系统架构
    6.2 信号采集模块
    6.3 信号分析处理模块
    6.4 MES系统集成
    6.5 本章小结
第七章 总结与展望
    7.1 全文总结
    7.2 展望
参考文献
致谢
在学期间的研究成果及发表的学术论文



本文编号：3649703