【摘要】：在切削過(guò)程中,刀具會(huì)隨著使用時(shí)間的延長(zhǎng)和加工工件數(shù)的增加而逐漸出現(xiàn)磨損,這會(huì)影響工件的表面形貌和質(zhì)量,甚至影響整個(gè)加工系統(tǒng)的生產(chǎn)效率,因此對(duì)刀具狀態(tài)監(jiān)測(cè)的研究具有重要意義。本文從刀具狀態(tài)監(jiān)控間接測(cè)量法入手,通過(guò)對(duì)多通道信號(hào)的融合分析,并提取特征進(jìn)行模式識(shí)別,建立了一套有效的刀具磨損監(jiān)控系統(tǒng),可以有效判別刀具的多種磨損狀態(tài),并在實(shí)際案例中應(yīng)用了本文所提出的方法,開(kāi)發(fā)了軟件應(yīng)用于生產(chǎn)加工。具體如下:首先,本文以多通道信號(hào)為研究對(duì)象,提出了一種自適應(yīng)噪聲輔助多元經(jīng)驗(yàn)?zāi)B(tài)分解方法,可以對(duì)多通道信號(hào)進(jìn)行同步分解,實(shí)現(xiàn)數(shù)據(jù)層融合分析。在多通道信號(hào)的基礎(chǔ)上添加兩個(gè)噪聲輔助通道,以原始信號(hào)多通道加權(quán)正交指數(shù)最小為目標(biāo),通過(guò)自適應(yīng)權(quán)重粒子群算法搜索最優(yōu)K(投影向量個(gè)數(shù)),α_1,α_2(兩個(gè)輔助噪聲通道的噪聲強(qiáng)度)最優(yōu)參數(shù)組合,實(shí)現(xiàn)多通道自適應(yīng)同步分析。改進(jìn)的方法提高了分解精度,信號(hào)分量的局域性更好,有效抑制了模態(tài)混疊現(xiàn)象。通過(guò)仿真實(shí)驗(yàn)數(shù)據(jù)和真實(shí)案例數(shù)據(jù)驗(yàn)證了該方法的有效性,自適應(yīng)噪聲輔助多元經(jīng)驗(yàn)?zāi)B(tài)分解方法能更準(zhǔn)確地提取故障頻率。其次,因?yàn)閺纳a(chǎn)過(guò)程中采集的信號(hào)會(huì)包含大量的噪聲,所以使用改進(jìn)的噪聲輔助多元經(jīng)驗(yàn)?zāi)B(tài)分解(Noise Assisted Multivariate Empirical Mode Decomposition,NA-MEMD)方法將信號(hào)自適應(yīng)分解出的本征模態(tài)函數(shù)(Intrinsic Mode Function,IMF)組數(shù)量較多,無(wú)法直接分辨有用信號(hào)和噪聲信號(hào),不利于從信號(hào)分量中的提取故障特征。本文將分解出的多通道IMF組分別進(jìn)行單獨(dú)篩選,然后進(jìn)行多通道集成,選出有效IMF層,每個(gè)通道的篩選是基于原始信號(hào)和IMF分量信號(hào)的概率密度函數(shù)的相干性,綜合考慮(1)IMF與原信號(hào)通道信號(hào)的相關(guān)性,(2)IMF與其它信號(hào)通道的信號(hào)的相關(guān)性,(3)IMF與輔助噪聲通道的同層IMF的相關(guān)性,從而確定相關(guān)IMF的階數(shù)。對(duì)篩選出的IMF進(jìn)行間隔閾值去噪,去除分量信號(hào)IMF中的噪聲成分,提高信噪比。然后通過(guò)分層貝葉斯模型結(jié)構(gòu)建立多分類相關(guān)向量機(jī)(Multi-class Relevance Vector Machine,MRVM)模型,較好的解決了相關(guān)向量機(jī)(Relevance Vector Machine,RVM)多分類問(wèn)題,并利用其概率輸出,將其和最近鄰(k-Nearest Neighbor,KNN)算法相結(jié)合,建立了一種新的多分類器。提高了MRVM的識(shí)別率,減少了核函數(shù)參數(shù)的影響。通過(guò)仿真數(shù)據(jù)和一些常用的分類數(shù)據(jù)集證明了該識(shí)別模型和方法的有效性。最后,在航天設(shè)備制造149廠的三軸機(jī)床上安裝了振動(dòng),聲音和溫度傳感器,通過(guò)采集卡和上位機(jī)收集信號(hào),設(shè)計(jì)實(shí)驗(yàn),采集三種不同磨損程度的刀對(duì)應(yīng)的信號(hào),使用本文提出刀具狀態(tài)監(jiān)測(cè)方法進(jìn)行分析,具有較高的識(shí)別率,同時(shí)基于此算法開(kāi)發(fā)了一套軟件用于實(shí)際生產(chǎn)。
【圖文】：

程發(fā)生的正常磨損現(xiàn)象，是一種連是隨機(jī)的突發(fā)性破壞，主要包括脆，如圖 1-1 所示：形，主要因?yàn)榍暗睹鏁?huì)產(chǎn)生很多切洼和刀刃之間的棱邊隨磨損的不斷會(huì)發(fā)生崩刃，前刀面磨損 KT 表示加工的過(guò)程中，刀具的后刀面與加 1-2（b）所示，將后刀面按照距離近，N 最遠(yuǎn)，分別用 VC、VB、V緩，所以磨損量用這一區(qū)域的平均損量。后刀面對(duì)工件表面質(zhì)量具有的表面質(zhì)量[15]。的邊界處發(fā)生磨損，前刀面的月牙 KT 和 VB 表示[15]。

圖 1- 2 前刀面、后刀面磨損示意圖Fig.1- 2 Rake wear and flank wear具磨損的原因具磨損主要是由物理和化學(xué)作用共同決定的，通常包括以下方式[16]： 硬質(zhì)點(diǎn)磨損，因?yàn)榻饘俨牧蟽?nèi)部不是完全均勻的，可能會(huì)存在一些硬質(zhì)點(diǎn)更容易帶走刀具材料，造成機(jī)械磨損。高速鋼刀具或者低速切削時(shí)較這種磨損。 粘結(jié)磨損，是刀具和切削面之間在高溫高壓發(fā)生原子相互運(yùn)動(dòng)，如果刀粘結(jié)點(diǎn)因?yàn)橄嗷ツΣ吝\(yùn)動(dòng)被接觸面帶走，就會(huì)致使刀具發(fā)生磨損。當(dāng)?shù)秾俨牧蠒r(shí)，如果熱量不能有效的傳遞出去，接觸面局部區(qū)域的溫度就會(huì)，產(chǎn)生熔著現(xiàn)象，切削溫度對(duì)其有重要影響，溫度越高越容易磨損。 擴(kuò)散磨損，切削加工時(shí)產(chǎn)生的能量會(huì)引起原子的運(yùn)動(dòng)，，刀具材料與工件原子相互向?qū)Ψ綌U(kuò)散的現(xiàn)象。由于切削時(shí)刀具處于高溫、高壓狀態(tài)，刀表面存在濃度差，相互摩擦的過(guò)程中分子會(huì)相互擴(kuò)散，這會(huì)刀具材料和[16]
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP18;TG71

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 陳洪濤;傅攀;李曉輝;鐘成明;;基于J-EEMD的刀具磨損狀態(tài)特征提取技術(shù)[J];機(jī)械科學(xué)與技術(shù);2014年06期

2 陳群濤;石新華;邵華;;基于多傳感器信息融合方法的刀具破損識(shí)別[J];組合機(jī)床與自動(dòng)化加工技術(shù);2013年10期

3 沈毅;張?bào)憷?王振華;;基于EMD和有向因子圖的航天器故障診斷[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2013年01期

4 關(guān)山;王龍山;聶鵬;;基于EMD與LS-SVM的刀具磨損識(shí)別方法[J];北京航空航天大學(xué)學(xué)報(bào);2011年02期

5 艾長(zhǎng)勝;王寶光;董全成;何光偉;;基于聲信號(hào)HMM的刀具磨損程度分級(jí)識(shí)別[J];組合機(jī)床與自動(dòng)化加工技術(shù);2007年07期

相關(guān)博士學(xué)位論文 前2條

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

2 鄭建明;基于HMM的多特征融合鉆頭磨損監(jiān)測(cè)技術(shù)的研究[D];西安理工大學(xué);2004年

相關(guān)碩士學(xué)位論文 前4條

1 劉源;基于多元EMD的BCI信號(hào)處理研究[D];燕山大學(xué);2013年

2 錢磊;基于支持向量機(jī)的變參數(shù)銑削刀具磨損狀態(tài)監(jiān)測(cè)研究[D];天津大學(xué);2014年

3 孫艷杰;基于切削聲和切削力參數(shù)融合的刀具磨損監(jiān)測(cè)系統(tǒng)的研究[D];濟(jì)南大學(xué);2011年

4 宋庭科;PCBN刀具車削鎳基高溫合金切削性能研究[D];大連理工大學(xué);2010年

本文編號(hào)：2614513