基于切削力的车刀磨损在线监测方法与技术研究

发布时间：2017-10-25 23:11

  本文关键词：基于切削力的车刀磨损在线监测方法与技术研究

  更多相关文章： 刀具磨损 在线监测 切削力 信号特征 核主元分析 支持向量回归

【摘要】：切削加工过程中必然存在着刀具的磨损,刀具的磨损影响已加工表面质量和尺寸精度,严重时造成工件报废,过去主要由熟练工人判断刀具的磨损状态,而近年来随着切削加工过程自动化、无人化的发展,迫切需要实现刀具磨损状态的在线监测,以摆脱对熟练工人的依赖。本文主要研究了通过静、动态切削力在线监测刀具磨损的方法和技术。首先进行了在不同切削参数下切削50钢的车刀磨损试验,重点测量了刀具在不同磨损状态下的静、动态切削力,同时也测量了相应的加工表面粗糙度,研究了刀具磨损对切削力、切屑和已加工表面质量的影响。其次,为了获取能反映刀具磨损状态的特征信号,对不同磨损状态下的切削力进行了时、频域分析,研究了切削力时域信号的均值、方差、均方根、力的比率、偏度和峭度等随刀具磨损而变化的规律;研究了切削力信号在频域中频率重心、频率方差随刀具磨损的变化规律;研究了小波多分辨分析提取频段能量及频段能量占总能量的比率随刀具磨损的变化的规律;研究了基于AR模型提取残差方差和模型系数随刀具磨损的变化规律;用相关系数法优选出与刀具磨损敏感的特征,共27个(不含切削参数)。然后,将优选出的样本特征随机分成两组,分别用于训练和测试,训练样本经过核主元分析(KPCA)处理得到最终的训练样本及投影方向向量,用测试样本构造出中心化的核矩阵并向该方向投影得到最终的测试样本,结果显示27维特征向量经KPCA处理后变成4维,大大提高了后续的求解速度。最后,使用KPCA处理过的训练样本对核化的ν-SVR模型进行训练,利用网格搜索法与交叉验证法先粗后精地确定了最佳的模型参数,用KPCA处理过的测试样本对其识别精度进行检验,结果显示预测值与实测值之间的均方根误差为0.0229mm,平方相关系数为0.9628,同时研究了在训练样本数量不断减少的情况下,模型的识别精度。此外,本文还设计了相应的监测系统,并对其后台程序设计进行了说明。
【关键词】：刀具磨损 在线监测 切削力 信号特征 核主元分析 支持向量回归
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TG506;TG712
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-18
• 1.1 课题来源9
• 1.2 课题目的与意义9-10
• 1.3 国内外研究现状10-17
• 1.4 论文的主要研究内容及总体结构17-18
• 2 车刀磨损的试验研究18-28
• 2.1 试验条件18-21
• 2.2 试验结果与讨论21-27
• 2.3 本章小结27-28
• 3 车刀磨损特征的提取28-50
• 3.1 时域统计分析29-33
• 3.2 频域分析33-37
• 3.3 小波多分辨分析37-44
• 3.4 AR时序分析44-49
• 3.5 本章小结49-50
• 4 基于KPCA对特征向量的降维和优化50-60
• 4.1 KPCA基本原理50-54
• 4.2 KPCA主元数目确定及其算法步骤54
• 4.3 KPCA实例计算54-58
• 4.4 本章小结58-60
• 5 基于v-SVR模型识别车刀的磨损量60-76
• 5.1 V-SVR的原理60-64
• 5.2 V-SVR的求解步骤64-65
• 5.3 模型的评价指标65
• 5.4 V-SVR模型的实例求解65-71
• 5.5 监测系统设计71-75
• 5.6 本章小结75-76
• 6 总结与展望76-78
• 6.1 全文总结76-77
• 6.2 研究展望77-78
• 致谢78-79
• 参考文献79-83

【相似文献】

中国期刊全文数据库 前9条

1 邓晓刚;田学民;;基于多尺度核主元分析的非线性过程监控方法研究[J];计算机与应用化学;2006年12期

2 赵忠盖;刘飞;;基于稀疏核主元分析的在线非线性过程监控[J];化工学报;2008年07期

3 李磊;朱建宁;侍洪波;;基于多尺度动态核主元分析的化工过程故障检测[J];化工自动化及仪表;2008年04期

4 张传标;倪建军;刘明华;马华伟;;样本优化核主元分析及其在水质监测中的应用[J];中国环境监测;2012年02期

5 舒云星;许超;李刚炎;;基于核主元分析和支持向量机的f-CaO含量预测[J];武汉理工大学学报;2008年06期

6 王正帅;邓喀中;;基于核主元分析和模糊聚类的采动区建筑物损害评价[J];煤矿安全;2011年04期

7 齐咏生;王普;高学金;公彦杰;;改进MKPCA方法及其在发酵过程监控中的应用[J];仪器仪表学报;2009年12期

8 徐卫晓;宋平;谭继文;;基于KPCA-BP网络模型的滚动轴承故障诊断方法研究[J];煤矿机械;2014年08期

9 ;[J];;年期

中国重要会议论文全文数据库 前6条

1 赵小强;杨武;薛永飞;;可变窗自适应核主元分析的化工过程故障诊断算法[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

2 钟秉翔;;一种基于核主元分析的精简化建模方法[A];中国自动化学会控制理论专业委员会C卷[C];2011年

3 甘俊英;张有为;;核主元分析特征提取法的研究[A];第十一届全国信号处理学术年会（CCSP-2003）论文集[C];2003年

4 崔桂梅;鄢常亮;马祥;;基于核主元分析和支持向量机的高炉向凉、向热故障诊断[A];中国计量协会冶金分会2010年会论文集[C];2010年

5 汪爱娟;张端金;介晓婧;;基于核主元分析的故障检测[A];2013年中国智能自动化学术会议论文集（第四分册）[C];2013年

6 倪国文;刘爱伦;;基于核主元分析的非线性故障检测研究[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

中国博士学位论文全文数据库 前1条

1 张敏;复杂生产过程质量控制的智能方法研究[D];西南交通大学;2013年

中国硕士学位论文全文数据库 前10条

1 李璐;石油钻井过程井漏异常的预警技术研究[D];郑州大学;2015年

2 张薇;基于改进核主元分析的过程监测方法研究[D];东北大学;2014年

3 苏中鲜;基于时序数据挖掘的工业设备异常检测分析[D];西南科技大学;2016年

4 吕禄方;基于切削力的车刀磨损在线监测方法与技术研究[D];华中科技大学;2015年

5 胡志勇;基于核主元分析及扩展方法的过程监测[D];东北大学;2011年

6 滕永懂;基于核主元分析的动态过程监测[D];东北大学;2010年

7 李蓉一;基于核主元分析的故障检测与诊断研究[D];南京师范大学;2011年

8 杨武;基于改进核主元分析的化工过程故障诊断研究[D];兰州理工大学;2013年

9 冯玮;基于核主元分析的过程监测方法研究[D];东北大学;2013年

10 何巍;基于多块核主元分析和概率符号有向图的故障诊断方法研究[D];中南大学;2013年

，

本文编号：1095921