本文選題：刀具 + MCSA�。� 參考：《西南交通大學》2017年碩士論文

【摘要】：在現(xiàn)代生產加工中,車削加工占有了很大一部分比例,而刀具狀態(tài)是對車削加工質量影響最大的因素之一。因此,對刀具狀態(tài)進行監(jiān)測,是提高生產質量重要手段,通過監(jiān)測可以對刀具磨損進行預警,以便臨界磨損時更換,從而大大提高生產效率,降低次品率。目前,刀具的狀態(tài)監(jiān)測手段包含了振動、切削力和電流監(jiān)測等,其中電流分析法相比其他兩種具有成本低、不需要對機床額外改造等優(yōu)點,而被廣泛運用于實際生產中。機床電機電流分析法(MCSA,Motor Current Signal Analysis)是一種基于電流信號的狀態(tài)監(jiān)測方法。本文以刀具磨損試驗平臺為對象,通過對主軸的驅動電流進行分析,確定車床切削狀態(tài),以及刀具的磨損狀態(tài)。本文中,包含的主要內容如下:(1)通過對電流信號做小波包分解,并對各頻率帶能量進行對比,可以選擇出包含刀具狀態(tài)的頻率帶,對該頻率帶進行特征提取得到刀具敏感特征,在對特征篩選之后,便能夠從中獲取敏感特征作為刀具磨損判別的指標,最后采用分類器對其進行分類。(2)通過線性判別分析模型,對電流特征進行降維,重新得到一組包含了全部特征的新指標,優(yōu)化后的特征具有最大的類間距離和最小的類間距離。通過對其進行B樣條擬合,可以得到其狀態(tài)曲線,建立磨損狀態(tài)模型。(3)采用SVM對刀具是否磨損進行判別,通過刀具之前的特征,確定刀具臨界磨損時的特征閾值,在將要磨損時發(fā)出報警,提示更換刀具。試驗結果表明,通過提出的方法,能夠很好的識別出刀具磨損狀態(tài),最終的識別準確率到達了 90%以上。
[Abstract]:In modern production and processing, turning takes up a large proportion, and cutting tool state is one of the most important factors affecting the quality of turning. Therefore, the monitoring of tool condition is an important means to improve the quality of production. The tool wear can be forewarned by monitoring, so as to change critical wear, thus greatly improve the production efficiency and reduce the rate of defective products. At present, the tool condition monitoring means include vibration, cutting force and current monitoring. Compared with the other two methods, the current analysis method has the advantages of low cost and no need for the extra modification of the machine tool, so it is widely used in practical production. Motor Current Signal Analysis) is a state monitoring method based on current signal. In this paper, the cutting state of lathe and the wear state of the tool are determined by analyzing the driving current of the spindle on the tool wear test platform. In this paper, the main contents are as follows: (1) by decomposing the current signal with wavelet packet and comparing the energy of each frequency band, we can select the frequency band which contains the tool state, and extract the feature of the frequency band to get the tool sensitive feature. After screening the features, the sensitive features can be obtained as the discriminant index of tool wear. Finally, the current characteristics are reduced by linear discriminant analysis (LDA model), which is classified by classifier. A new set of indexes containing all the features is obtained again. The optimized features have the maximum inter-class distance and the minimum inter-class distance. By B-spline fitting, the state curve can be obtained, and the wear state model. (3) the tool wear is judged by SVM, and the characteristic threshold of the tool critical wear is determined by the characteristics before the tool. Issue an alarm when the tool is about to be worn and prompt to change the cutting tool. The experimental results show that the tool wear state can be recognized well by the proposed method, and the final recognition accuracy is more than 90%.
【學位授予單位】：西南交通大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TG51

【參考文獻】

相關期刊論文 前10條

1 何翔;高宏力;郭亮;吳遠昊;;基于AR模型和譜熵的自適應小波包絡檢測[J];中國機械工程;2017年03期

2 段振云;王寧;楊旭;趙文輝;;一種改進B樣條曲線擬合算法研究[J];機械設計與制造;2016年05期

3 焦衛(wèi)東;林樹森;;整體改進的基于支持向量機的故障診斷方法[J];儀器儀表學報;2015年08期

4 周勝凱;劉強;李傳軍;劉煥;;開放式數(shù)控系統(tǒng)平臺的設計與開發(fā)[J];機械設計與制造;2015年01期

5 李傳軍;劉強;周勝凱;李雅偉;;TwinCAT技術在開放式數(shù)控系統(tǒng)中的應用研究[J];機械設計與制造;2014年12期

6 喬培平;;基于電流信號刀具磨損狀態(tài)的模糊模式識別[J];工具技術;2013年11期

7 尹昭輝;周禮根;;FANUC系統(tǒng)在數(shù)控車床改造中的應用[J];機床與液壓;2013年10期

8 朱道景;;淺談數(shù)控機床返回參考點故障診斷[J];中國高新技術企業(yè);2012年Z3期

9 陳峙;王鐵;谷豐收;MANSAF Haram;ANDREW Ball;;基于電動機電流信號雙譜分析的齒輪傳動故障診斷[J];機械工程學報;2012年21期

10 李天恩;何楨;;基于主成分修整和線性判別分析的重疊故障識別[J];系統(tǒng)工程學報;2012年05期

相關博士學位論文 前1條

1 高宏力;切削加工過程中刀具磨損的智能監(jiān)測技術研究[D];西南交通大學;2005年

相關碩士學位論文 前5條

1 董慧;基于HHT的刀具磨損狀態(tài)監(jiān)測技術研究[D];沈陽航空航天大學;2013年

2 方騰飛;基于負荷電流分析的多機床運行狀態(tài)識別研究[D];寧波大學;2012年

3 史小磊;基于BECKHOFFTwinCAT的開放式數(shù)控系統(tǒng)軟件開發(fā)[D];哈爾濱工業(yè)大學;2011年

4 于光臨;基于負荷電流信號的機床工作狀態(tài)監(jiān)測研究[D];寧波大學;2011年

5 高琛;刀具磨損狀態(tài)監(jiān)測系統(tǒng)研究[D];山東大學;2008年

，

本文編號：1916192