基于刀具磨损量监测的铝合金铣削粗糙度预测
发布时间:2021-03-23 06:49
在铝合金的铣削加工中,刀具的磨损状态会影响切削性能和切削效果,同时工件的表面粗糙度会随着刀具磨损状态的不同而发生很大变化,因此在建立工件的表面粗糙度预测模型时,将刀具磨损量作为影响因素考虑进去是有必要的。由于铝合金属于易加工材料,在切削过程中对刀具的磨损较小,基于此本文通过分析不同磨损状态刀具切削铝合金工件时的加工特点,将功率信号作为刀具磨损量的监测信号,建立刀具磨损量的监测模型,然后利用监测得到的刀具磨损量及工艺参数对相应工况下的表面粗糙度进行预测。本文所做的研究如下:(1)针对铝合金工件的加工特点,对刀具磨损量监测模型的建模方法进行了研究。通过采集切削过程中的功率信号,并对其进行特征值提取,分析各特征值与刀具磨损量间的相关性和稳定性,进而确定各特征值对于刀具磨损量的权重系数。计算各磨损刀具与正常刀具特征值间的绝对差值加权和,即利用特征值差值的绝对值乘以相应的权重系数并作和,作为衡量刀具磨损量的评价指标β,各刀具的评价指标构成向量β。利用牛顿插值法建立各磨损刀具的评价指标向量β与相应的刀具磨损量向量VB间的映射关系模型,该模型即为刀具磨损量监测模型。(2)对刀具监测时,通过建立特征值...
【文章来源】:西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】:85 页
【学位级别】:硕士
【部分图文】:
前刀面磨损示意图
刀具后刀面磨损示意图
西南交通大学硕士研究生学位论文第20页已知工况工艺参数及相应功率信号特征值样本支持向量机回归模型训练支持向量机回归模型训练完成支持向量机回归模型预测监测工况下工艺参数样本回归得到监测工况下各特征值图 2-5 支持向量机回归模型预测过程图 2-6为在 MATLAB 中支持向量机回归模型的建立过程。
【参考文献】:
期刊论文
[1]利用振动频谱预测刀具磨损量[J]. 库祥臣,郭跃飞,段明德,曹贝贝. 机械设计与制造. 2017(10)
[2]基于形态分量分析的高速铣削加工刀具磨损在线监测[J]. 陶欣,朱锟鹏,高思煜. 中国科学技术大学学报. 2017(08)
[3]高硅铝合金切削性能的试验研究[J]. 李晓臣,周利平,刘小莹,李茂彬. 工具技术. 2017(06)
[4]基于遗传算法优化BP神经网络的钛合金旋转超声磨削力预测[J]. 秦娜,刘凡,刘亚龙,孔春雷. 中国科技论文. 2017(10)
[5]基于matlab的常见插值法及其应用[J]. 郭小乐. 赤峰学院学报(自然科学版). 2017(07)
[6]基于功率传感器的刀具磨损量预测方法[J]. 谢楠,段明雷,高英强,郑蓓蓉. 同济大学学报(自然科学版). 2017(03)
[7]《数值分析》中插值法的教学研究[J]. 赵俊锋,聂玉峰,李伟. 教育现代化. 2015(15)
[8]关于结合面接触刚度的微观仿真研究[J]. 王洋,王春玲,郭源,肖泽宁,呼啸. 导航与控制. 2015 (01)
[9]常见的插值法及其应用问题研究[J]. 关砚蓬. 数学学习与研究. 2014(13)
[10]高速铣削7050-T7451铝合金表面粗糙度研究[J]. 黄晓明,孙杰. 中国工程机械学报. 2014(03)
博士论文
[1]钛合金铣削加工过程参量建模及刀具磨损状态预测[D]. 孙玉晶.山东大学 2014
[2]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
[3]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
[4]直升机传动系统行星轮系损伤建模与故障预测理论及方法研究[D]. 程哲.国防科学技术大学 2011
[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]基于刀具磨损状态检测的铣削加工参数优化技术研究[D]. 刘毫.哈尔滨工业大学 2016
[2]基于BP神经网络多轴联动铣削表面粗糙度预测研究[D]. 周飞轮.湖南大学 2016
[3]基于支持向量机的刀具磨损状态预测[D]. 吴广垚.河北工业大学 2015
[4]AA5083铝合金切削加工表面粗糙度的参数优化[D]. 王冬.天津大学 2014
[5]刀具磨损在线监测研究[D]. 柳洋.华中科技大学 2014
[6]金属陶瓷刀具高速铣削超高强度钢铣削力及刀具磨损研究[D]. 吴顺兴.湖南科技大学 2013
[7]桥式五轴数控铣床热误差检测、建模及补偿研究[D]. 陈晨.西南交通大学 2012
[8]基于声发射和振动法的刀具磨损状态检测研究[D]. 庄子杰.上海交通大学 2009
[9]刀具磨损状态监测系统研究[D]. 高琛.山东大学 2008
[10]刀具磨损区域的三维重构技术研究[D]. 童晨.南京航空航天大学 2008
本文编号:3095354
【文章来源】:西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】:85 页
【学位级别】:硕士
【部分图文】:
前刀面磨损示意图
刀具后刀面磨损示意图
西南交通大学硕士研究生学位论文第20页已知工况工艺参数及相应功率信号特征值样本支持向量机回归模型训练支持向量机回归模型训练完成支持向量机回归模型预测监测工况下工艺参数样本回归得到监测工况下各特征值图 2-5 支持向量机回归模型预测过程图 2-6为在 MATLAB 中支持向量机回归模型的建立过程。
【参考文献】:
期刊论文
[1]利用振动频谱预测刀具磨损量[J]. 库祥臣,郭跃飞,段明德,曹贝贝. 机械设计与制造. 2017(10)
[2]基于形态分量分析的高速铣削加工刀具磨损在线监测[J]. 陶欣,朱锟鹏,高思煜. 中国科学技术大学学报. 2017(08)
[3]高硅铝合金切削性能的试验研究[J]. 李晓臣,周利平,刘小莹,李茂彬. 工具技术. 2017(06)
[4]基于遗传算法优化BP神经网络的钛合金旋转超声磨削力预测[J]. 秦娜,刘凡,刘亚龙,孔春雷. 中国科技论文. 2017(10)
[5]基于matlab的常见插值法及其应用[J]. 郭小乐. 赤峰学院学报(自然科学版). 2017(07)
[6]基于功率传感器的刀具磨损量预测方法[J]. 谢楠,段明雷,高英强,郑蓓蓉. 同济大学学报(自然科学版). 2017(03)
[7]《数值分析》中插值法的教学研究[J]. 赵俊锋,聂玉峰,李伟. 教育现代化. 2015(15)
[8]关于结合面接触刚度的微观仿真研究[J]. 王洋,王春玲,郭源,肖泽宁,呼啸. 导航与控制. 2015 (01)
[9]常见的插值法及其应用问题研究[J]. 关砚蓬. 数学学习与研究. 2014(13)
[10]高速铣削7050-T7451铝合金表面粗糙度研究[J]. 黄晓明,孙杰. 中国工程机械学报. 2014(03)
博士论文
[1]钛合金铣削加工过程参量建模及刀具磨损状态预测[D]. 孙玉晶.山东大学 2014
[2]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
[3]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
[4]直升机传动系统行星轮系损伤建模与故障预测理论及方法研究[D]. 程哲.国防科学技术大学 2011
[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]基于刀具磨损状态检测的铣削加工参数优化技术研究[D]. 刘毫.哈尔滨工业大学 2016
[2]基于BP神经网络多轴联动铣削表面粗糙度预测研究[D]. 周飞轮.湖南大学 2016
[3]基于支持向量机的刀具磨损状态预测[D]. 吴广垚.河北工业大学 2015
[4]AA5083铝合金切削加工表面粗糙度的参数优化[D]. 王冬.天津大学 2014
[5]刀具磨损在线监测研究[D]. 柳洋.华中科技大学 2014
[6]金属陶瓷刀具高速铣削超高强度钢铣削力及刀具磨损研究[D]. 吴顺兴.湖南科技大学 2013
[7]桥式五轴数控铣床热误差检测、建模及补偿研究[D]. 陈晨.西南交通大学 2012
[8]基于声发射和振动法的刀具磨损状态检测研究[D]. 庄子杰.上海交通大学 2009
[9]刀具磨损状态监测系统研究[D]. 高琛.山东大学 2008
[10]刀具磨损区域的三维重构技术研究[D]. 童晨.南京航空航天大学 2008
本文编号:3095354
本文链接:https://www.wllwen.com/kejilunwen/jinshugongy/3095354.html
教材专著