基于LSTM循环神经网络的BTA钻头磨损监测技术研究

发布时间：2020-10-28 16:02

　　 错齿BTA钻头作为深孔钻床上的一种常用刀具,通过刀齿切削与导向条自导的方式完成零件的深孔加工,钻削过程势必造成钻头上刀齿和导向条的磨损。而钻头的磨损不仅会影响到工件的精度和质量,还会增加加工成本并降低生产效率。所以研究深孔钻削过程中的钻头磨损监测技术具有现实意义和实际价值。文中根据深孔钻削的特殊性,建立了用于采集主轴电机扭矩信号的深孔钻削实验平台,并系统的研究了基于LSTM循环神经网络的BTA钻头磨损监测技术。分别从时域和频域两个角度深入研究了在深孔钻削过程中主轴电机扭矩信号及其特征值与BTA钻头磨损量之间的关系。发现扭矩信号的时域统计特征与钻头磨损之间呈现出较强的相关性;频域中的扭矩信号功率谱密度也与钻头磨损量之间呈现出较强的相关性,频域统计特征展现出与钻头磨损历程基本一致的变化趋势。讨论了小波变换的多分辨特性以及Mallat算法的基本原理。采用Daubechies 4正交小波对主轴电机扭矩信号及其功率谱进行了多分辨分析,研究了小波分解信号及其统计特征随钻削深度的变化规律。从主轴电机扭矩信号的低频小波分解系数与重构功率谱包络中获取了与钻头磨损之间相关性较强的特征,为钻头磨损状态的识别奠定了基础。针对BTA钻头在两种磨损状态下特征模式分布重叠的特点,提出采用LSTM来解决钻头磨损状态监测的思想,系统的研究了LSTM在钻头磨损监测中的基本原理及算法实现过程,提出了基于LSTM的BTA钻头磨损监测方法,分别使用时域特征、时域和频域特征、小波分解特征和多类特征融合样本集建立相应的LSTM模型,并对建立好的模型进行训练与测试,实际结果表明:当输入矢量分别为时域特征、时域和频域特征以及多类特征融合样本时,相应模型的分类效果能很好地满足实际的监测要求;当输入矢量为小波分解特征样本时,相应模型的分类效果也能较好地满足实际的监测要求。
【学位单位】：西安理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP183;TG713.1
【部分图文】：

图 1-1 智能化生产设备Fig.1-1 Intelligent production equipment深孔钻床是一种精度与效率都非常高的专用孔颖且复杂的深孔零部件，这些零部件对加工时

图 1-2 常用刀具监测方法Fig.1-2 Common tool monitoring methods提出了一种基于纹理描述符的刀具磨损监控策短时离散傅里叶变换谱作为二维纹理图像。然

导向套BTA 钻头授油器钻杆图 2-1 BTA 深孔钻加工系统工作原理Fig.2-1 BTA deep hole machining system working孔钻削系统的加工区域处于密封的空间内，
【相似文献】

相关期刊论文 前10条

1 任兆应;;机械加工中钻头磨损的一些问题[J];机械开发;1987年02期

2 李培根;钻头磨损状态的模糊识别方法[J];华中理工大学学报;1988年S1期

3 尹向东;李传乾;;钻头磨损在线监测研究[J];湖南大学学报;1989年04期

4 高印寒,张振烈,全玉璋;钻头磨损的测量及其抑制的试验研究[J];吉林工业大学学报;1991年01期

5 Liu T I.,Wu S.M;钻头磨损的在线检测[J];组合机床与自动化加工技术;1992年12期

6 肖伟;;机械比能理论在钻头磨损监测中的运用[J];化工管理;2018年08期

7 俞峰,杨成梧,张熠;钻井过程中钻头磨损状态的模糊诊断方法[J];西部探矿工程;2005年09期

8 张子峰;钻头磨损定级新旧方法浅析[J];海洋石油;2003年03期

9 王太平,李静,付明文;石油天然气钻井行业钻头磨损评定方法标准存在的问题[J];石油工业技术监督;2001年01期

10 谢建平;付强;韩梦天;石锋;;基于钻井参数的钻头磨损泥包监测识别方法[J];钻采工艺;2018年02期

相关博士学位论文 前3条

1 郑建明;基于HMM的多特征融合钻头磨损监测技术的研究[D];西安理工大学;2004年

2 黄立新;印刷电路板定位安装孔钻削研究[D];广东工业大学;2011年

3 吴健;典型难加工材料钻削相关技术的基础研究[D];哈尔滨工业大学;2010年

相关硕士学位论文 前9条

1 彭超;BTA深孔钻削过程中钻头磨损状态无传感器监测技术研究[D];西安理工大学;2016年

2 王毫;基于LSTM循环神经网络的BTA钻头磨损监测技术研究[D];西安理工大学;2019年

3 龙泽锋;基于岩石力学参数的钻头工况分析技术及软件开发[D];中国石油大学（北京）;2017年

4 彭朋;BTA深孔钻削钻头磨损状态卷积神经网络识别技术研究[D];西安理工大学;2017年

5 罗杰;基于钻削力和噪声信号的HMM钻头磨损监测技术研究[D];西安理工大学;2006年

6 王兵;基于自掩埋钻探新技术的PDC钻头磨损特性研究[D];中国石油大学(北京);2016年

7 郗长青;基于钻削力信号的钻头磨损状态监测技术的研究[D];西安理工大学;2005年

8 王洪英;火成岩岩石可钻性分析研究[D];大庆石油学院;2008年

9 韩振华;基于小波变换分析牙轮钻头磨损状态的研究[D];西安石油大学;2015年

本文编号：2860303