刀具磨损状态监测系统研究

发布时间：2017-05-10 23:05

  本文关键词：刀具磨损状态监测系统研究，由笔耕文化传播整理发布。

【摘要】： 金属切削过程中的刀具磨损是不可避免的现象,它直接影响工件的加工精度和表面粗糙度,并且还会影响到加工质量、效率及加工系统整体功能的正常发挥,因此研究刀具磨损状态具有重大意义。 本文通过大量切削实验获得真实有效的切削力信号,利用多分辨率小波分析提取信号中能反映刀具磨损状态的特征向量,将这些特征向量输入BP神经网络,利用人工神经网络技术实现对刀具磨损状态的识别。 切削力一直是表征切削过程的最重要特征,切削过程的变化都和切削力密切相关。切削力信号直接真实,不受加工区内切屑和冷却液的影响;与其他监测信号相比,切削力信号幅度较大,干扰信号对它的影响较小,抗干扰能力较强。所以本论文选择切削力信号监测刀具状态。 通过对切削力信号分别进行时域、频域分析及多分辨率小波分析,本文综合比较了各种特征参数变化趋势与刀具磨损的对应关系。结果表明:对切削力信号而言,难以用时域或纯频域的数据处理方法获得表征刀具磨损程度的特征向量,切削力信号在经过小波分解后,其细节信号的能量和均方差能够反映刀具的磨损状态,可作为刀具磨损信号的特征向量。 含有单隐层的三层BP神经网络可以实现任意M维空间到N维空间的映射,因此本文采用三层BP网络确立各特征向量与刀具磨损状态的对应关系。经多分辨率小波分析之后得到的特征向量输入网络结构为8-13-1的神经网络,利用训练样本对神经网络进行训练,调整权阈值,利用神经网络的非线性映射能力建立起所需的神经网络模型。 实验结果表明,本文建立的基于多分辨率小波分析和神经网络的刀具磨损状态监测系统能够有效识别刀具的磨损状态。
【关键词】：刀具磨损状态 切削力 信号处理 小波分析 神经网络
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：TG501.3
【目录】：

• 摘要6-7
• Abstract7-8
• 符号说明8-9
• 第1章 绪论9-27
• 1.1 刀具监控的目的和意义9-10
• 1.2 刀具监控技术的发展过程与研究现状10-13
• 1.2.1 刀具监控技术的发展过程10-11
• 1.2.2 国外刀具监控技术的研究现状11
• 1.2.3 国内刀具监控技术的研究现状11-13
• 1.3 刀具监控系统的组成13-14
• 1.3.1 信号监测13
• 1.3.2 特征提取13-14
• 1.3.3 状态识别14
• 1.4 刀具状态监测的关键技术及发展趋势14-24
• 1.4.1 传感器技术14-15
• 1.4.2 基于神经网络的多传感器信息融合技术15-17
• 1.4.3 信号处理技术17-20
• 1.4.4 智能学习决策技术20-23
• 1.4.5 刀具状态监控技术的发展趋势23-24
• 1.5 刀具监测系统存在的问题与对策24-25
• 1.5.1 刀具监测系统存在的问题24-25
• 1.5.2 解决存在问题的对策25
• 1.6 本论文的主要内容25-27
• 第2章 刀具的故障特征与诊断方法27-43
• 2.1 刀具的磨损27-29
• 2.1.1 前刀面磨损(月牙洼磨损)27-28
• 2.1.2 后刀面磨损28-29
• 2.1.3 边界磨损29
• 2.2 刀具的破损29-31
• 2.2.1 脆性破损30-31
• 2.2.2 塑性破损31
• 2.3 刀具磨损过程及磨钝标准31-34
• 2.3.1 刀具磨损过程的三个阶段31-32
• 2.3.2 刀具的磨钝标准32-34
• 2.4 刀具状态的诊断方法34-41
• 2.4.1 直接法37-38
• 2.4.2 间接法38-41
• 2.4.3 应用现代信息处理技术监控刀具状态41
• 2.5 本章小结41-43
• 第3章 刀具磨损监测的信号处理43-53
• 3.1 刀具磨损监测信号的选择43-45
• 3.2 切削力信号的信号分析45-52
• 3.2.1 切削力信号的时域分析45
• 3.2.2 切削力信号的频域分析45-48
• 3.2.3 切削力信号的多分辨率小波分析及特征提取48-52
• 3.3 本章小结52-53
• 第4章 刀具磨损监测的神经网络识别技术53-67
• 4.1 神经网络53-55
• 4.2 BP神经网络55-62
• 4.2.1 BP网络的学习过程55-57
• 4.2.2 传输函数及误差函数57-59
• 4.2.3 网络的学习规则一梯度下降算法59-60
• 4.2.4 BP网络的优缺点60-62
• 4.3 选择最佳隐含层神经元数目62-64
• 4.4 神经网络在刀具磨损状态识别中的应用64-66
• 4.5 本章小结66-67
• 第5章 刀具磨损状态监测系统的建立67-75
• 5.1 实验方案67-69
• 5.1.1 实验装置简介67-68
• 5.1.2 刀具磨损的正交实验68-69
• 5.2 切削力信号的特征提取69-71
• 5.3 BP神经网络的建立及相关参数的选择71
• 5.4 建立刀具磨损状态监测系统71-73
• 5.5 本章小结73-75
• 总结及展望75-77
• 参考文献77-81
• 致谢81-82
• 学位论文评阅及答辩情况表82

【引证文献】

中国硕士学位论文全文数据库 前8条

1 赵敏;数控机床智能化状态监测与故障诊断系统[D];西南交通大学;2011年

2 方记文;难加工材料铣削加工刀具磨损建模技术研究[D];南京航空航天大学;2010年

3 常艳丽;镍基高温合金GH4169的切削力与刀具磨损试验研究[D];哈尔滨工业大学;2011年

4 谌鑫;基于人工神经网络对刀具磨损状态监测技术研究[D];沈阳航空航天大学;2011年

5 李正强;基于支持向量机的刀具磨损状态识别技术研究[D];沈阳航空航天大学;2012年

6 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

7 高辉;钛合金铣削加工中刀具磨损状态监测技术研究[D];沈阳航空航天大学;2013年

8 江英;数控铣削加工刀具故障诊断与处理方法研究[D];沈阳理工大学;2013年

  本文关键词：刀具磨损状态监测系统研究，由笔耕文化传播整理发布。

，

本文编号：355666