多传感器融合振动钻削磨损状态监测研究
发布时间：2023-08-04 19:08
CFRP/铝合金材料具有高比强度、耐摩擦、耐疲劳等优异性能,被广泛应用于航空航天、汽车行业以及轮船等领域。但是由于两种材料的硬度、强度不同,采用传统钻削加工方式对其进行制孔加工时,容易产生毛刺、撕裂、分层等缺陷,难以满足航空航天等特殊领域的高精度要求。轴向振动钻削是一种新型的脉冲式特种加工方法,具有改善切削性能,降低切削力,提高加工孔表面质量等优点。在制孔过程中,刀具的磨损状态直接影响生产效率、加工成本以及铰接孔的质量。钻削加工是在半封闭状态下进行的,制孔过程中无法直接观察和监测刀具的磨损状态,主要通过操作工人经验判断刀具磨损程度,制定换刀方案,但这种方法可靠性差且难以应用于自动化设备中。因此,研究刀具磨损状态监测技术有利于推动机床自动化和智能化的发展。本文以轴向振动钻削装置为试验平台,首先,搭建了多传感器融合的钻头磨损状态监测系统,以钻削力信号、声发射信号和振动信号作为监测信号,通过硬质合金刀具进行了CFRP/铝合金工件制孔过程的刀具磨损试验。其次,运用小波阈值法对钻削力、声发射以及振动信号进行了去噪处理,降低噪声的影响。然后,对去噪后的信号进行特征分析,基于时域分析法,计算出信号的...
【文章页数】：79 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题背景和研究意义
1.2 刀具状态监测技术概述
1.2.1 刀具状态监测技术的分类
1.2.2 刀具状态监测系统的组成
1.3 刀具状态监测技术的国内外研究现状
1.3.1 监测信号的选取
1.3.2 信号的特征分析
1.3.3 模式识别技术
1.4 主要研究内容
第2章 轴向振动钻削机理及试验设计
2.1 轴向振动钻削机理
2.2 钻头磨损概述
2.2.1 钻头磨损形式
2.2.2 钻头磨损过程及划分基准
2.3 监测信号的确定
2.3.1 钻削力信号
2.3.2 声发射信号
2.3.3 振动信号
2.4 钻头磨损状态监测系统方案设计
2.4.1 监测系统的搭建
2.4.2 钻削试验设备
2.4.3 信号采集设备的选择
2.4.4 测量装置
2.5 监测试验方案设计
2.6 本章小结
第3章 监测信号的去噪处理
3.1 小波变换分析方法
3.1.1 连续小波变换
3.1.2 离散小波变换
3.1.3 多分辨率小波变换
3.2 小波阈值去噪法
3.2.1 小波阈值去噪的原理
3.2.2 小波阈值去噪效果的评价指标
3.3 监测信号的小波阈值去噪
3.3.1 钻削力信号小波阈值去噪
3.3.2 声发射信号小波阈值去噪
3.3.3 振动信号小波阈值去噪
3.4 本章小结
第4章 监测信号的特征分析
4.1 监测信号的时域特征分析
4.1.1 时域特征分析方法
4.1.2 钻削力信号的时域特征分析
4.1.3 声发射信号的时域特征分析
4.1.4 振动信号的时域特征分析
4.2 监测信号的频域特征分析
4.2.1 频域特征分析方法
4.2.2 钻削力信号的频域特征分析
4.2.3 声发射信号的频域特征分析
4.2.4 振动信号的频域特征分析
4.3 监测信号的时频域特征分析
4.3.1 小波能量系数分析方法
4.3.2 钻削力信号的小波分析
4.3.3 声发射信号的小波分析
4.3.4 振动信号的小波分析
4.4 本章小结
第5章 多传感器信号融合振动钻削钻头磨损状态识别
5.1 基于BP神经网络的钻头磨损状态识别
5.1.1 BP神经网络概述
5.1.2 结构参数设计
5.1.3 BP神经网络训练
5.1.4 识别结果
5.2 基于支持向量机的钻头磨损状态识别
5.2.1 支持向量机概述
5.2.2 结构参数设计
5.2.3 数据规划及处理
5.2.4 识别结果
5.3 BP神经网络与支持向量机的识别效果对比分析
5.4 本章小结
第6章 结论与展望
6.1 结论及创新点
6.2 展望
参考文献
攻读硕士学位期间取得的成果
致谢
本文编号：3838836
【文章页数】：79 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题背景和研究意义
1.2 刀具状态监测技术概述
1.2.1 刀具状态监测技术的分类
1.2.2 刀具状态监测系统的组成
1.3 刀具状态监测技术的国内外研究现状
1.3.1 监测信号的选取
1.3.2 信号的特征分析
1.3.3 模式识别技术
1.4 主要研究内容
第2章 轴向振动钻削机理及试验设计
2.1 轴向振动钻削机理
2.2 钻头磨损概述
2.2.1 钻头磨损形式
2.2.2 钻头磨损过程及划分基准
2.3 监测信号的确定
2.3.1 钻削力信号
2.3.2 声发射信号
2.3.3 振动信号
2.4 钻头磨损状态监测系统方案设计
2.4.1 监测系统的搭建
2.4.2 钻削试验设备
2.4.3 信号采集设备的选择
2.4.4 测量装置
2.5 监测试验方案设计
2.6 本章小结
第3章 监测信号的去噪处理
3.1 小波变换分析方法
3.1.1 连续小波变换
3.1.2 离散小波变换
3.1.3 多分辨率小波变换
3.2 小波阈值去噪法
3.2.1 小波阈值去噪的原理
3.2.2 小波阈值去噪效果的评价指标
3.3 监测信号的小波阈值去噪
3.3.1 钻削力信号小波阈值去噪
3.3.2 声发射信号小波阈值去噪
3.3.3 振动信号小波阈值去噪
3.4 本章小结
第4章 监测信号的特征分析
4.1 监测信号的时域特征分析
4.1.1 时域特征分析方法
4.1.2 钻削力信号的时域特征分析
4.1.3 声发射信号的时域特征分析
4.1.4 振动信号的时域特征分析
4.2 监测信号的频域特征分析
4.2.1 频域特征分析方法
4.2.2 钻削力信号的频域特征分析
4.2.3 声发射信号的频域特征分析
4.2.4 振动信号的频域特征分析
4.3 监测信号的时频域特征分析
4.3.1 小波能量系数分析方法
4.3.2 钻削力信号的小波分析
4.3.3 声发射信号的小波分析
4.3.4 振动信号的小波分析
4.4 本章小结
第5章 多传感器信号融合振动钻削钻头磨损状态识别
5.1 基于BP神经网络的钻头磨损状态识别
5.1.1 BP神经网络概述
5.1.2 结构参数设计
5.1.3 BP神经网络训练
5.1.4 识别结果
5.2 基于支持向量机的钻头磨损状态识别
5.2.1 支持向量机概述
5.2.2 结构参数设计
5.2.3 数据规划及处理
5.2.4 识别结果
5.3 BP神经网络与支持向量机的识别效果对比分析
5.4 本章小结
第6章 结论与展望
6.1 结论及创新点
6.2 展望
参考文献
攻读硕士学位期间取得的成果
致谢
本文编号：3838836
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3838836.html
