基于分形理论的刀具磨损状态识别研究

发布时间：2017-03-25 11:09

  本文关键词：基于分形理论的刀具磨损状态识别研究，，由笔耕文化传播整理发布。

【摘要】： 在加工过程中,刀具磨损会影响工件的加工表面质量和尺寸精度。因此,对刀具磨损进行较准确的监测与界定是目前国内外自动化加工中一个亟待解决的课题。刀具磨损是一个十分复杂的过程,切削中的各种因素都对刀具的磨损产生直接或间接的作用,产生不确定性,致使刀具切削实验数据和结果难以具有好的稳定性。深入的研究表明,刀具磨损具有非线性、随机性和耗散性。刀具状态监测与诊断面临着大量的非平稳信号,研究开发处理非平稳信号的工程实用方法是促进刀具故障诊断技术不断发展的需要。 振动分析是进行刀具状态监测与故障诊断的重要手段。本文旨在研究刀具的振动信号处理和模式识别的方法。为此,首先设计并搭建了刀具磨损监测实验平台,进行了大量的实验;采集到刀具不同磨损程度的振动信号;对振动信号进行小波降噪预处理,运用分形识别法定量地诊断出磨损程度。 针对刀具振动信号的非平稳特性进行分析,引入了基于小波分解和重构的去噪方法,在比较了不同小波基函数、小波阈值规则对去噪效果的影响后,针对本文的实验数据,采用db4基小波和默认阈值规则去噪效果最好。 本文从工程应用角度介绍了离散时间序列盒维数和信息维数的计算方法,研究了噪声对盒维数计算的影响;阐述了关联维数分析方法(G-P算法),并给出了该算法中各参数的选取原则。分别采用互信息法和Cao方法确定时延量和最小嵌入维数,避免了参数选取的盲目性,保证了关联维数计算结果的准确性。 通过sin信号、Lorenz信号、FBM信号仿真验证算法的正确性后,将分形应用在刀具状态监测中。随着刀具磨损量的增加,刀具与工件之间的磨损加剧,振动信号的波形变化越来越不规则,信号的分形维数逐渐增大。盒维数和信息维数变化较小,但变化趋势明显;关联维数的变化相对较大,新刀的关联维数最小,报废刀的关联维数明显增大。实验结果表明,刀具在整个磨损历程中振动信号分形维数的变化规律,其大小能较好地反映刀具不同磨损状态,运用振动信号的分形维数可以有效实现刀具磨损状态的监测。 仿真和实际应用表明,分形识别法以一种简单明了的方式来描述振动信号的正常与异常,可定量地识别刀具的磨损状态,且比传统的定性模式识别法更直观。
【关键词】：刀具磨损 小波降噪 分形识别 盒维数 关联维数 信息维数
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：TG71
【目录】：

• 摘要6-7
• Abstract7-11
• 第1章 绪论11-22
• 1.1 课题研究的目的及意义11-12
• 1.2 刀具状态监测技术在国内外研究概况12-13
• 1.3 刀具状态监测文献综述13-20
• 1.3.1 信号拾取概述13-15
• 1.3.2 振动信号处理技术概述15-18
• 1.3.3 模式识别方法概述18-20
• 1.4 论文的研究内容20-22
• 第2章 刀具磨损监测实验系统22-27
• 2.1 刀具磨损监测实验平台22-23
• 2.2 硬件配置23-26
• 2.2.1 传感器及信号放大器选择23-24
• 2.2.2 A/D卡及采集参数选择24-25
• 2.2.3 实验系统25-26
• 2.3 软件平台26
• 2.4 本章小结26-27
• 第3章 振动信号降噪预处理27-35
• 3.1 基于小波分析的信号去噪27-30
• 3.1.1 小波去噪原理27-28
• 3.1.2 小波函数选择28-30
• 3.2 小波去噪效果验证30-34
• 3.3 本章小结34-35
• 第4章 分形理论及算法设计35-53
• 4.1 分形概念引入35-36
• 4.2 分形的定义及分类36-40
• 4.2.1 分形的定义及性质36-37
• 4.2.2 分形空间37
• 4.2.3 分形维数的分类37-40
• 4.3 盒维数的算法40-42
• 4.4 关联维数的算法42-46
• 4.4.1 相空间重构理论42-43
• 4.4.2 延迟时间τ的选取43-44
• 4.4.3 嵌入维数m的选取44
• 4.4.4 超球半径r的选择44
• 4.4.5 数据长度N的选取44-45
• 4.4.6 G-P算法计算关联维数45-46
• 4.5 信息维数的算法46-48
• 4.6 典型分形信号仿真及分维数计算48-52
• 4.6.1 Lorenz信号仿真及关联维数计算48-52
• 4.6.2 FBM信号仿真及信息维计算52
• 4.7 本章小结52-53
• 第5章 分形算法在刀具磨损监测诊断中的应用53-79
• 5.1 分形程序设计53-55
• 5.2 Matlab Mex文件55
• 5.3 分形维数在刀具磨损监测中的应用55-73
• 5.3.1 盒维数在刀具磨损监测中的应用56-60
• 5.3.2 关联维数在刀具磨损监测中的应用60-70
• 5.3.2.1 延迟时间τ的实现60-61
• 5.3.2.2 嵌入维数m的实现61-64
• 5.3.2.3 关联维数D的实现64-70
• 5.3.3 信息维数在刀具磨损监测中的应用70-73
• 5.4 实例分析73-75
• 5.5 基于LabVIEW的分形识别平台75-78
• 5.5.1 LabVIEW开发环境75-76
• 5.5.2 平台功能模块实现76-78
• 5.6 本章小结78-79
• 结论与展望79-80
• 致谢80-81
• 参考文献81-85
• 攻读硕士研究生期间发表的论文85

【引证文献】

中国期刊全文数据库 前1条

1 龚立;阮仁俊;孔德诗;吴春林;;自组织理论及其在电力系统中的应用[J];中国电力教育;2011年15期

中国博士学位论文全文数据库 前1条

1 关山;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];吉林大学;2011年

中国硕士学位论文全文数据库 前2条

1 宁倩;数控机床刀具磨损状态监测系统及其信息传输标准研究[D];天津大学;2012年

2 李敏;基于粒子群优化神经网络的刀具磨损状态监测技术研究[D];西南交通大学;2012年

  本文关键词：基于分形理论的刀具磨损状态识别研究，由笔耕文化传播整理发布。

本文编号：267099