基于多传感器信息融合的刀具磨损状态模式识别和寿命预测研究
发布时间：2023-03-29 21:47
切削刀具是自动化加工中的直接执行者,会最直接得对切削质量和加工精度产生影响,出现严重故障甚至会损毁机床,危及生命安全,所以对刀具磨损状态的监测工作意义重大。本文通过对多传感器信息融合获得不同传感器的信息进行分析和处理,获得比单一传感器更合理,更全面和更精确的诊断结果,以实现对刀具状态的准确监控。因此进行了下述研究工作:信号采集方面,本文通过对切削过程中各信号特点研究分析,最终选择了力信号、振动信号和声发射信号搭建多传感器试验平台,对相关信号的收集处理,通过科学方法提取出能反应刀具不同磨损状态的特征,为实现刀具磨损状态监测、模式识别和寿命预测提供依据。信号预处理方面,由于试验中原始信号存在大量噪声和干扰信息,在本文中,一种适用于车削信号特征提取预处理的改进型总体经验模态分解(Modified-EEMD)算法被研究并提出。此方法是基于信号固有特征,将目标信号分解成若干蕴涵模态函数(IMF),该方法区别于传统EMD和EEMD方法在于通过对原信号添加一正一负两组均值为零的白噪声信号,从而减少白噪声的重构误差,使得EMD分解更加具有完备性,并通过不断检验IMF分量是否异常决定是否继续EMD分解,...
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题研究的背景和意义
1.1.1 自动化加工生产的地位和意义
1.1.2 刀具监测预测技术对自动化加工生产的作用
1.2 刀具状态监测方法
1.3 刀具磨损状态监测和预测的研究
1.3.1 概述
1.3.2 刀具磨损状态监测技术
1.3.3 特征提取方法
1.4 人工神经网络研究
1.5 支持向量机研究
1.6 信息融合技术研究
1.7 本章小结
第二章 刀具磨损现象研究
2.1 刀具损坏的形式
2.2 刀具寿命
2.2.1 刀具磨损三阶段
2.2.2 磨钝标准
2.3 本章小结
第三章 基于多传感器的试验方案设计
3.1 监测信号的选择
3.1.1 切削力信号
3.1.2 振动信号
3.1.3 声发射信号
3.2 试验台的搭建
3.2.1 切削力信号采集系统
3.2.2 振动信号采集系统
3.2.3 数字采集系统
3.2.4 声发射信号采集系统
3.3 试验方案设计
3.3.1 试验目的
3.3.2 影响信号的因素
3.3.3 试验设计方法
3.3.4 样本数据提取
3.4 本章小结
第四章 特征提取和状态识别
4.1 EMD原理及仿真示例
4.2 EEMD原理
4.3 MEEMD原理及仿真
4.4 信号的MEEMD分解及特征提取
4.4.1 时域特征
4.4.2 频域特征
4.5 基于BP和Elman神经网络的模式识别
4.6 本章小结
第五章 基于支持向量机的刀具磨损决策融合
5.1 信息融合基本概念
5.1.1 信息融合的分类
5.1.1.1 像素级融合
5.1.1.2 特征级融合.
5.1.1.3 决策级融合
5.2 基于SVM的信息融合
5.2.1 SVM融合原理
5.2.1.1 VC维
5.2.1.2 经验风险最小化.
5.2.1.3 结构风险最小化.
5.2.1.4 推广性的界
5.2.2 支持向量机的分类
5.2.2.1 线性分类
5.2.2.2 非线性分类
5.2.3 支持向量机的融合仿真
5.3 刀具状态输出的决策融合
5.3.1 神经网络训练分析
5.3.2 基于支持向量机的决策方法研究
5.4 本章小结
第六章 灰色-隐马尔可夫模型刀具状态预测技术
6.1 刀具磨损状态预测方法的分类
6.2 隐马尔可夫模型
6.2.1 马尔可夫链
6.2.2 隐马尔可夫链
6.3 灰色-隐马尔可夫模型
6.3.1 GM(1,1)模型
6.3.2 灰色预测
6.3.3 灰色预测的优点
6.3.4 改进的灰色模型
6.4 状态空间划分和信号特征处理
6.4.1 状态空间的划分.
6.4.2 特征处理
6.5 基于改进的灰色-隐马尔可夫模型刀具磨损状态预测
6.6 本章小结
总结
致谢
参考文献
攻读学位期间发表的学术论文及成果
本文编号：3774546
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题研究的背景和意义
1.1.1 自动化加工生产的地位和意义
1.1.2 刀具监测预测技术对自动化加工生产的作用
1.2 刀具状态监测方法
1.3 刀具磨损状态监测和预测的研究
1.3.1 概述
1.3.2 刀具磨损状态监测技术
1.3.3 特征提取方法
1.4 人工神经网络研究
1.5 支持向量机研究
1.6 信息融合技术研究
1.7 本章小结
第二章 刀具磨损现象研究
2.1 刀具损坏的形式
2.2 刀具寿命
2.2.1 刀具磨损三阶段
2.2.2 磨钝标准
2.3 本章小结
第三章 基于多传感器的试验方案设计
3.1 监测信号的选择
3.1.1 切削力信号
3.1.2 振动信号
3.1.3 声发射信号
3.2 试验台的搭建
3.2.1 切削力信号采集系统
3.2.2 振动信号采集系统
3.2.3 数字采集系统
3.2.4 声发射信号采集系统
3.3 试验方案设计
3.3.1 试验目的
3.3.2 影响信号的因素
3.3.3 试验设计方法
3.3.4 样本数据提取
3.4 本章小结
第四章 特征提取和状态识别
4.1 EMD原理及仿真示例
4.2 EEMD原理
4.3 MEEMD原理及仿真
4.4 信号的MEEMD分解及特征提取
4.4.1 时域特征
4.4.2 频域特征
4.5 基于BP和Elman神经网络的模式识别
4.6 本章小结
第五章 基于支持向量机的刀具磨损决策融合
5.1 信息融合基本概念
5.1.1 信息融合的分类
5.1.1.1 像素级融合
5.1.1.2 特征级融合.
5.1.1.3 决策级融合
5.2 基于SVM的信息融合
5.2.1 SVM融合原理
5.2.1.1 VC维
5.2.1.2 经验风险最小化.
5.2.1.3 结构风险最小化.
5.2.1.4 推广性的界
5.2.2 支持向量机的分类
5.2.2.1 线性分类
5.2.2.2 非线性分类
5.2.3 支持向量机的融合仿真
5.3 刀具状态输出的决策融合
5.3.1 神经网络训练分析
5.3.2 基于支持向量机的决策方法研究
5.4 本章小结
第六章 灰色-隐马尔可夫模型刀具状态预测技术
6.1 刀具磨损状态预测方法的分类
6.2 隐马尔可夫模型
6.2.1 马尔可夫链
6.2.2 隐马尔可夫链
6.3 灰色-隐马尔可夫模型
6.3.1 GM(1,1)模型
6.3.2 灰色预测
6.3.3 灰色预测的优点
6.3.4 改进的灰色模型
6.4 状态空间划分和信号特征处理
6.4.1 状态空间的划分.
6.4.2 特征处理
6.5 基于改进的灰色-隐马尔可夫模型刀具磨损状态预测
6.6 本章小结
总结
致谢
参考文献
攻读学位期间发表的学术论文及成果
本文编号：3774546
本文链接：https://www.wllwen.com/kejilunwen/jinshugongy/3774546.html
