制造物联理念下基于深度学习的刀具磨损预测和状态识别

发布时间：2024-03-30 10:33

　　物联网的兴起,尤其是与制造业不断融合,孕育出制造物联这一新兴制造模式。在制造物联环境下,部署在车间的控制器和传感器会产生大量的实时数据流,这些数据中包含着关于系统(设备)运行状态的信息,需要对这些原始数据进行分析并从中提取出隐含的信息、知识,从而实现对系统(设备)的实时监控与精准控制。传统浅层机器学习方法表征非线性模型的能力不足,需要特定领域的专家知识从原始数据中提取优良的特征以便训练模型。近年来,以深度学习为代表的新兴机器学习方法在学术界和工业界引起了广泛的关注,进一步推动了人工智能在众多领域的应用。为解决浅层机器学习方法存在的缺陷,本文以切削加工过程刀具磨损为研究对象,探讨运用深度学习的方法实现刀具磨损预测与状态识别,具体的研究内容如下:首先,对制造物联的内涵进行了分析,搭建了制造物联原型平台,选用树莓派作为传感网络节点,利用开源软件实现了将数据实时推送至监测系统的功能;综述了刀具故障预测与健康管理的研究现状,在制造物联平台下建立了刀具监测系统,为后续进行刀具磨损预测和状态识别打下基础。其次,针对加工过程中振动信号的噪声问题,对比了分析平滑处理去噪和小波阈值去噪的性能,结果表明后者...

【文章页数】：99 页

【学位级别】：硕士

【部分图文】：

图1-2WebofScience统计PHM论文数量及引用

第一章绪论机时间占总停机时间的20%左右[10]，所以必须对刀具磨损状况进行监测。对加工过程中采集到的反映刀具磨损的数据进行分析，进而预测刀具的磨损状态，就能在刀具发生损坏前及时做出相应对策，进而提高生产效率。刀具磨损监测技术对于推进加工过程智能化发挥着重要作用，能够提升4....

图2-1制造物联原型平台

先需要搭建物联网平台，进而在物联网平台基础的上实现刀具状态监测。本章选用Linux操作系统的树莓派作为搭建制造物联原型平台的网络节点，选用无线加速度器作为刀具状态的振动监测信号，构建物联网理念下的监测系统，为后续进行刀具预测和状态识别打下基础。.1制造物联原型平台搭建.1.....

图2-2树莓派节点正面结构图

第二章制造物联刀具状态监测系统构建络层中，这里着重分析传感网络节点选择。本研究选用树莓派作为制线传感网络节点，虽然树莓派处理器负载能力不如传统的主机，但其便携等特点，恰好能够充当制造物联环境下的无线传感网络节点，并般的ARM开发板，其本身搭载着Linux操作系统，可以用....

图2-4制造物联原型平台界面

15图2-4制造物联原型平台界面2.2刀具监测系统制造物联原型平台搭建完毕后，制造车间中的数据汇总至制造物联节点并实时推送至监测系统。本文以制造物联环境下的铣削加工过程为例，进行刀具状态监测，接下来阐述刀具监测系统构建。2.2.1监测信号的选择切削加工过程中刀具的磨损会造....

本文编号：3942221