自适应随机共振方法在立铣刀磨损信号检测上的研究

发布时间：2021-05-18 10:36

　　制造业自动化水平的提高对数控机床的自我诊断能力提出了新的要求,而立铣刀是切削加工中重要的刀具之一,其磨损不仅会对加工工件的尺寸精度和质量造成影响,而且会导致机床产生振动冲击即对机床加工精度造成影响,进而会间接影响到实际的加工效率以及生产成本。因此,铣刀磨损信号的检测变得越来越重要,目前已成为国内外学者研究的热点问题之一。本文对立铣刀的磨损信号检测进行研究,通过采集立铣刀切削时的加速度信号后,对其时域、频域等信号进行特征值提取,建立了基于遗传算法（GA）和粒子群算法（PSO）的自适应随机共振模型,并将其应用在铣刀的磨损信号检测上。论文的主要研究内容如下:首先,从理论角度分析了立铣刀磨损信号检测方法的发展过程以及自适应随机共振的发展应用,简单介绍随机共振（SR）的模型,接着介绍了两类自适应随机共振算法,针对传统的SR方法以系统的参数和噪声强度的匹配为研究背景的局限性,将双稳态系统的参数进行优化,从而提高信噪比,达到最佳SR状态;其次给出了本文所采用的适应度函数为输出信噪比,为之后基于GA和PSO的参数优化进行铺垫;接着对立铣刀切削时的加速度信号进行特征值提取,分析其立铣刀不同时期的功率谱以... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 选题背景及意义
    1.2 立铣刀的磨损与分析
        1.2.1 立铣刀磨损的形成与分析
        1.2.2 刀具磨损的检测方法
    1.3 随机共振概述
        1.3.1 随机共振的发展
        1.3.2 自适应随机共振的发展情况
    1.4 论文主要工作
第二章 自适应随机共振算法
    2.1 随机共振模型
        2.1.1 经典随机共振模型
        2.1.2 随机共振效应的判定依据
        2.1.3 双稳态随机共振模型
    2.2 自适应共振算法的研究
        2.2.1 外加信号自适应随机共振算法
        2.2.2 参数调节自适应随机共振
    2.3 本章小结
第三章 立铣刀磨损信号检测的频域分析
    3.1 立铣刀磨损形态及标准
        3.1.1 立铣刀磨损形态
        3.1.2 立铣刀磨损的标准
    3.2 实验数据
    3.3 立铣刀磨损信号的频域分析
        3.3.1 频谱分析
        3.3.2 功率谱分析
    3.4 本章小结
第四章 遗传算法在自适应随机共振方法中的参数寻优
    4.1 基于遗传算法的自适应随机共振
        4.1.1 遗传算法
        4.1.2 基于遗传算法的自适应随机共振参数调整
        4.1.3 基于遗传算法的自适应随机共振的仿真验证
    4.2 基于GA的自适应SR在立铣刀信号检测中的实验验证
    4.3 本章小结
第五章 粒子群算法在自适应随机共振方法中的参数寻优
    5.1 基于粒子群算法的自适应随机共振
        5.1.1 粒子群算法
        5.1.2 基于粒子群算法的自适应随机共振
        5.1.3 基于粒子群算法的自适应随机共振实验仿真
    5.2 实验验证
        5.2.1 基于粒子群算法的自适应随机共振的实验验证
        5.2.2 粒子群算法与遗传算法结果对比
    5.3 本章小结
结论
参考文献
攻读学位期间发表的学术成果
致谢


【参考文献】：
期刊论文
[1]基于粒子群的共振解调滚动轴承故障诊断研究[J]. 毛海波,周凤星.  组合机床与自动化加工技术. 2019(09)
[2]随机共振消噪与ELMD相结合的轴承故障诊断[J]. 朱腾飞,张超.  机械设计与研究. 2018(03)
[3]刀具状态智能监测研究进展[J]. 王国锋,李志猛,董毅.  航空制造技术. 2018(06)
[4]基于声发射CFRP加工刀具磨损及孔出口损伤研究[J]. 黄文亮,李鹏南,邱新义,牛秋林,刘峰.  兵器材料科学与工程. 2018(01)
[5]基于自适应随机共振的齿轮微弱冲击故障信号增强提取方法研究[J]. 李继猛,张云刚,张金凤,谢平.  计量学报. 2017(05)
[6]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)
[7]Weak thruster fault detection for AUV based on stochastic resonance and wavelet reconstruction[J]. 刘维新,王玉甲,刘星,张铭钧.  Journal of Central South University. 2016(11)
[8]从多轴联动机床与自动生产线的发展看中国机床工业的迅速发展[J]. 恩宝贵.  制造技术与机床. 2016(02)
[9]二次方分段双稳系统的随机共振特性及其应用[J]. 张金燕,林敏.  振动与冲击. 2015(19)
[10]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)

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]数控机床在线振动监测与故障诊断关键技术研究[D]. 张攀.天津大学 2014
[3]钛合金铣削刀具磨损及表面完整性研究[D]. 杨晓勇.天津大学 2013

硕士论文
[1]基于复合多稳随机共振的微弱信号检测与应用研究[D]. 乔小雪.西安理工大学 2019
[2]基于深度学习的铣刀磨损状态监测方法研究[D]. 郝佰田.大连理工大学 2019
[3]基于图像处理的立铣刀磨损在机检测系统研发[D]. 邵伟业.南京航空航天大学 2019
[4]基于随机共振的滚动轴承微弱信号幅值估计研究[D]. 吴尚孺.北京邮电大学 2017
[5]基于多尺度随机共振谱的滚动轴承故障诊断方法研究[D]. 吴恩浩.中国科学技术大学 2017
[6]基于电流与振动信号的铣刀磨损监测方法研究[D]. 李全宝.青岛理工大学 2015
[7]基于声发射法的铣刀磨损状态识别研究[D]. 汤为.上海交通大学 2009
[8]多目标优化的粒子群算法及其应用研究[D]. 陈绍新.大连理工大学 2007



本文编号：3193645