在加工過(guò)程中,刀具的狀態(tài)直接影響著工件的加工質(zhì)量,因此建立實(shí)時(shí)性強(qiáng)、可靠性高的鉆頭狀態(tài)監(jiān)測(cè)系統(tǒng),對(duì)延長(zhǎng)鉆頭的使用壽命,提高生產(chǎn)效率具有重要意義。本文首先建立了振動(dòng)鉆削鉆頭狀態(tài)監(jiān)測(cè)試驗(yàn)系統(tǒng),利用聲發(fā)射傳感器和壓電式力傳感器對(duì)振動(dòng)鉆削過(guò)程中鉆頭不同磨損狀態(tài)下的聲發(fā)射信號(hào)和鉆削力信號(hào)進(jìn)行同步采集。受加工條件的影響,在實(shí)際的振動(dòng)鉆削加工過(guò)程中,傳感器采集的信號(hào)中往往會(huì)夾雜著大量噪聲,因此采用小波閾值去噪法對(duì)聲發(fā)射信號(hào)和鉆削力信號(hào)進(jìn)行了去噪預(yù)處理,提高了信號(hào)的信噪比。接著對(duì)去噪后的聲發(fā)射信號(hào)和鉆削力信號(hào)進(jìn)行分析處理,分別在時(shí)域內(nèi)對(duì)信號(hào)進(jìn)行了均值、方差和均方值的計(jì)算,在頻域內(nèi)對(duì)信號(hào)進(jìn)行了功率譜分析,在時(shí)頻域內(nèi)對(duì)信號(hào)進(jìn)行了小波分解,并提取了各頻段的小波能量系數(shù)。根據(jù)鉆頭不同磨損狀態(tài)下監(jiān)測(cè)信號(hào)特征值的分析結(jié)果,選擇聲發(fā)射信號(hào)的均方根值、D1、D2、D3頻段的小波能量系數(shù),鉆削力信號(hào)的均值、方差、D4、A5頻段的小波能量系數(shù)共8個(gè)與鉆頭磨損狀態(tài)相關(guān)度較高的特征值組成向量,作為BP神經(jīng)網(wǎng)絡(luò)的輸入。最后建立了基于BP神經(jīng)網(wǎng)絡(luò)的振動(dòng)鉆削鉆頭狀態(tài)識(shí)別模型,通過(guò)樣本數(shù)據(jù)對(duì)模型的訓(xùn)練,建立了監(jiān)測(cè)信號(hào)特征值與鉆頭磨損... 

【文章來(lái)源】：長(zhǎng)春理工大學(xué)吉林省

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于切削力信號(hào)的銑刀監(jiān)測(cè)系統(tǒng)

3圖 1.2 基于切削力信號(hào)的銑刀監(jiān)測(cè)系統(tǒng) 圖 1.3 切削力信號(hào)采集結(jié)果振動(dòng)是由切削力中的動(dòng)態(tài)分量引起的，它與刀具的磨損狀態(tài)以及工藝系統(tǒng)的動(dòng)性密切相關(guān)。隨著刀具磨損程度的增加，刀具與工件之間的摩擦狀態(tài)發(fā)生變化，起振動(dòng)頻率、振幅的增加，因此可以利用振動(dòng)信號(hào)來(lái)監(jiān)測(cè)刀具狀態(tài)[14]。2015 年惠斌等人以振動(dòng)信號(hào)為基礎(chǔ)建立了銑刀狀態(tài)監(jiān)測(cè)系統(tǒng)，并成功實(shí)現(xiàn)了對(duì)銑刀狀態(tài)

圖 1.4 基于振動(dòng)信號(hào)的銑刀監(jiān)測(cè)系統(tǒng) 圖 1.5 振動(dòng)信號(hào)采集結(jié)果聲發(fā)射是固體材料在外部條件作用下，內(nèi)部結(jié)構(gòu)發(fā)生變化導(dǎo)致能量快速釋放而的瞬態(tài)彈性應(yīng)力波，包含著大量與刀具狀態(tài)相關(guān)的信息，隨著刀具磨損程度的增具材料內(nèi)部晶格會(huì)發(fā)生變形、刀具與工件摩擦等都會(huì)釋放應(yīng)力波，從而引起聲發(fā)號(hào)的變化。2008 年，Jemielniak 等人建立了基于聲發(fā)射信號(hào)的車削磨損狀態(tài)監(jiān)測(cè)，提取聲發(fā)射信號(hào)的均方根值等特征值來(lái)對(duì)車刀狀態(tài)進(jìn)行判斷[17]。2014 年，Be人以聲發(fā)射為監(jiān)測(cè)信號(hào)，成功實(shí)現(xiàn)了對(duì)砂輪磨損狀態(tài)的監(jiān)測(cè)，其砂輪狀態(tài)監(jiān)測(cè)系圖 1.6 所示[18]。2015 年，朱堅(jiān)民等人建立了車削過(guò)程中的聲發(fā)射信號(hào)特征值與車

【參考文獻(xiàn)】：
期刊論文
[1]超聲軸向振動(dòng)鉆削斷屑機(jī)理分析與試驗(yàn)研究[J]. 史堯臣,李占國(guó),于雪蓮,蔡云光.  制造技術(shù)與機(jī)床. 2017(10)
[2]深小孔超聲軸向振動(dòng)鉆削裝置設(shè)計(jì)與研究[J]. 張學(xué)忱,林丹,史堯臣.  制造技術(shù)與機(jī)床. 2016(10)
[3]人工神經(jīng)網(wǎng)絡(luò)概述[J]. 劉毅娟,雷鳴,何旸,曹艷龍.  電子測(cè)試. 2015(11)
[4]基于切削聲發(fā)射信號(hào)測(cè)量的刀具磨損狀態(tài)判別[J]. 朱堅(jiān)民,戰(zhàn)漢,張統(tǒng)超,王健.  計(jì)量學(xué)報(bào). 2015 (03)
[5]基于希爾伯特黃變換的刀具磨損特征提取[J]. 孫惠斌,牛偉龍,王俊陽(yáng).  振動(dòng)與沖擊. 2015(04)
[6]基于小波包和BP神經(jīng)網(wǎng)絡(luò)的刀具磨損狀態(tài)識(shí)別[J]. 庫(kù)祥臣,周蕓夢(mèng),高鵬磊,段明德.  現(xiàn)代制造工程. 2014(12)
[7]刀具磨損在線監(jiān)測(cè)研究現(xiàn)狀與發(fā)展[J]. 柳洋,陳永潔,楊文愷,王定,呂祿方.  機(jī)床與液壓. 2014(19)
[8]新閾值函數(shù)下的小波閾值去噪[J]. 王瑞,張友純.  計(jì)算機(jī)工程與應(yīng)用. 2013(15)
[9]數(shù)控機(jī)床刀具磨損狀態(tài)特征參數(shù)提取[J]. 高鵬磊,庫(kù)祥臣.  組合機(jī)床與自動(dòng)化加工技術(shù). 2013(06)
[10]在線金屬切削刀具磨損狀態(tài)監(jiān)測(cè)研究的回顧與展望Ⅲ:模式識(shí)別方法[J]. 關(guān)山,聶鵬.  機(jī)床與液壓. 2012(03)

博士論文
[1]車銑刀具磨損狀態(tài)監(jiān)測(cè)及預(yù)測(cè)關(guān)鍵技術(shù)研究[D]. 李威霖.西南交通大學(xué) 2013
[2]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]. 高宏力.西南交通大學(xué) 2005

碩士論文
[1]基于小波變換的語(yǔ)音信號(hào)去噪算法研究[D]. 洪民江.南京郵電大學(xué) 2018
[2]車削刀具磨損狀態(tài)監(jiān)測(cè)系統(tǒng)的研究[D]. 王沛鑫.昆明理工大學(xué) 2018
[3]深孔加工刀具磨損研究與狀態(tài)識(shí)別[D]. 高偉佳.中北大學(xué) 2017
[4]基于鉆削過(guò)程源信號(hào)增強(qiáng)的加工狀態(tài)識(shí)別[D]. 姜尚.湘潭大學(xué) 2015
[5]基于聲發(fā)射技術(shù)的刀具磨損監(jiān)測(cè)研究[D]. 周蕓夢(mèng).河南科技大學(xué) 2014
[6]基于聲發(fā)射技術(shù)磨削表面粗糙度在線檢測(cè)研究[D]. 石建.長(zhǎng)春理工大學(xué) 2014
[7]深孔鉆削刀具狀態(tài)監(jiān)測(cè)系統(tǒng)研究[D]. 潘繼輝.長(zhǎng)春理工大學(xué) 2014
[8]基于振動(dòng)信號(hào)的PCB微鉆刀具磨損狀態(tài)監(jiān)測(cè)研究[D]. 任振華.上海交通大學(xué) 2012
[9]切削加工過(guò)程中刀具磨損智能監(jiān)測(cè)與切削力預(yù)測(cè)技術(shù)研究[D]. 黃遂.西南交通大學(xué) 2010
[10]基于鉆削力信號(hào)的鉆頭磨損狀態(tài)監(jiān)測(cè)技術(shù)的研究[D]. 郗長(zhǎng)青.西安理工大學(xué) 2005



本文編號(hào)：3120119