葉輪作為水電、核泵等眾多大型設(shè)備的關(guān)鍵部件,其加工質(zhì)量直接影響設(shè)備的運(yùn)行狀態(tài)和使用壽命,而加工過程中的銑刀磨損直接影響葉輪的加工精度,因此研究加工過程的銑刀磨損狀態(tài)監(jiān)測(cè)方法具有重大意義。本文提出利用主軸電機(jī)電流信號(hào)作為監(jiān)測(cè)信號(hào),通過深度學(xué)習(xí)的方法對(duì)銑刀磨損狀態(tài)進(jìn)行監(jiān)測(cè),針對(duì)時(shí)間序列信號(hào)自身特點(diǎn),提出加入壓縮感知技術(shù)和格蘭姆變換對(duì)深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行改進(jìn)。論文主要研究?jī)?nèi)容如下:（1）充分分析國(guó)內(nèi)外研究現(xiàn)狀和現(xiàn)有監(jiān)測(cè)方法的利弊,對(duì)刀具磨損機(jī)理進(jìn)行分析,確定刀具磨損監(jiān)測(cè)信號(hào)和監(jiān)測(cè)方法,通過理論分析確定電流信號(hào)可以反映刀具磨損狀態(tài),通過搭建信號(hào)采集平臺(tái)保證信號(hào)采集的可行性,設(shè)計(jì)三種不同性質(zhì)的試驗(yàn),分別采集了刀具不同磨損階段狀態(tài)數(shù)據(jù)、刀具全壽命數(shù)據(jù)和現(xiàn)場(chǎng)實(shí)驗(yàn)數(shù)據(jù),形成了三個(gè)數(shù)據(jù)集,為后續(xù)研究打下基礎(chǔ)。（2）利用壓縮感知和堆棧稀疏自編碼器對(duì)電流有效值信號(hào)中的銑刀磨損狀態(tài)信息進(jìn)行提取。首先,利用壓縮感知對(duì)電流信號(hào)的頻域數(shù)據(jù)進(jìn)行壓縮,其中為提高網(wǎng)絡(luò)的魯棒性,對(duì)觀測(cè)信號(hào)添加高斯白噪音;然后,將壓縮后的數(shù)據(jù)輸入堆棧稀疏自編碼網(wǎng)絡(luò),網(wǎng)絡(luò)最后一層連接Softmax分類器,通過半監(jiān)督學(xué)習(xí)對(duì)診斷模型進(jìn)行訓(xùn)練,提取輸入... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：87 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景與意義
    1.2 國(guó)內(nèi)外相關(guān)工作研究進(jìn)展
        1.2.1 監(jiān)測(cè)信號(hào)采集方案發(fā)展概況
        1.2.2 特征提取方法研究概況
        1.2.3 現(xiàn)有監(jiān)測(cè)方法的利弊分析
    1.3 論文的研究?jī)?nèi)容及安排
2 基于主軸電流的銑刀磨損監(jiān)測(cè)方案研究
    2.1 刀具磨損機(jī)理研究
        2.1.1 刀具磨損形式
        2.1.2 刀具磨損過程和磨鈍標(biāo)準(zhǔn)
    2.2 電流信號(hào)分析和采集方案研究
        2.2.1 電流信號(hào)與切削力的關(guān)系
        2.2.2 電流信號(hào)采集平臺(tái)搭建
        2.2.3 傳統(tǒng)特征提取方法
    2.3 試驗(yàn)數(shù)據(jù)采集與分析
        2.3.1 刀具不同磨損階段數(shù)據(jù)采集與分析
        2.3.2 刀具磨損全壽命數(shù)據(jù)采集與分析
        2.3.3 現(xiàn)場(chǎng)試驗(yàn)數(shù)據(jù)采集與分析
    2.4 本章小結(jié)
3 基于壓縮感知和堆棧稀疏自編碼器的銑刀磨損狀態(tài)監(jiān)測(cè)
    3.1 數(shù)據(jù)預(yù)處理
        3.1.1 壓縮感知
        3.1.2 加噪處理
    3.2 稀疏自編碼器
        3.2.1 神經(jīng)元模型
        3.2.2 稀疏自編碼器
        3.2.3 反向傳播算法
    3.3 堆棧稀疏自編碼器網(wǎng)絡(luò)結(jié)構(gòu)
        3.3.1 堆棧稀疏自編碼器
        3.3.2 Softmax分類器
        3.3.3 有監(jiān)督微調(diào)
    3.4 基于CS和 SSAE的刀具磨損程度識(shí)別
        3.4.1 網(wǎng)絡(luò)整體結(jié)構(gòu)
        3.4.2 試驗(yàn)數(shù)據(jù)驗(yàn)證分析
    3.5 本章小結(jié)
4 基于格蘭姆角場(chǎng)和卷積神經(jīng)網(wǎng)絡(luò)的銑刀磨損監(jiān)測(cè)方法
    4.1 GAF算法
        4.1.1 格蘭姆矩陣
        4.1.2 格蘭姆角場(chǎng)
    4.2 基于GAF和 CNN的銑刀磨損狀態(tài)識(shí)別
        4.2.1 卷積網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.2 基于GAF和 CNN的網(wǎng)絡(luò)模型
        4.2.3 試驗(yàn)數(shù)據(jù)驗(yàn)證分析
    4.3 基于GAF和 ResNet的銑刀磨損狀態(tài)識(shí)別
        4.3.1 殘差學(xué)習(xí)模塊
        4.3.2 基于GAF和 ResNet的網(wǎng)絡(luò)模型
        4.3.3 試驗(yàn)數(shù)據(jù)驗(yàn)證分析
    4.4 本章小結(jié)
5 銑刀磨損可靠性評(píng)估和監(jiān)測(cè)系統(tǒng)開發(fā)
    5.1 徑向基神經(jīng)網(wǎng)絡(luò)
    5.2 基于徑向基核函數(shù)的銑刀可靠性評(píng)估
        5.2.1 銑刀可靠性預(yù)測(cè)模型
        5.2.2 試驗(yàn)數(shù)據(jù)驗(yàn)證分析
    5.3 基于LabVIEW的銑刀磨損監(jiān)測(cè)系統(tǒng)開發(fā)
        5.3.1 銑刀磨損在線監(jiān)測(cè)系統(tǒng)開發(fā)
        5.3.2 電機(jī)電流信號(hào)的離線分析系統(tǒng)開發(fā)
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]閉環(huán)霍爾電流傳感器的硬件電路設(shè)計(jì)[J]. 武旭,王林森,居鵬.  傳感器與微系統(tǒng). 2018(11)
[2]基于短時(shí)傅里葉變換和卷積神經(jīng)網(wǎng)絡(luò)的軸承故障診斷方法[J]. 李恒,張氫,秦仙蓉,孫遠(yuǎn)韜.  振動(dòng)與沖擊. 2018(19)
[3]基于支持向量機(jī)與粒子濾波的刀具磨損狀態(tài)識(shí)別[J]. 程燦,李建勇,徐文勝,聶蒙.  振動(dòng)與沖擊. 2018(17)
[4]基于銑削力仿真樣本和降維分類算法的刀具狀態(tài)監(jiān)測(cè)方法[J]. 徐濤,李亮,郭月龍,郝碧君,何寧.  工具技術(shù). 2018(08)
[5]6061鋁合金銑削過程刀具磨損研究[J]. 劉俊,嚴(yán)復(fù)鋼,蔡春彬,岳彩旭.  航空制造技術(shù). 2018(06)
[6]基于多傳感器數(shù)據(jù)融合的刀具磨損狀態(tài)監(jiān)測(cè)研究[J]. 陳剛,焦黎,顏培,王西彬,史雪春,彭振新.  新技術(shù)新工藝. 2017(11)
[7]基于PSO優(yōu)化LS-SVM的刀具磨損狀態(tài)識(shí)別[J]. 劉成穎,吳昊,王立平,張智.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(09)
[8]基于遺傳算法優(yōu)化HMM的刀具磨損狀態(tài)監(jiān)測(cè)研究[J]. 何棟磊,黃民.  機(jī)床與液壓. 2017(15)
[9]基于深度學(xué)習(xí)的高速銑削刀具磨損狀態(tài)預(yù)測(cè)方法[J]. 林楊,高思煜,劉同舜,朱錕鵬.  機(jī)械與電子. 2017(07)
[10]A880高壓動(dòng)葉片型面加工R5球頭銑刀磨損機(jī)理與壽命研究[J]. 趙梓涵,郭國(guó)強(qiáng),王呈棟,陳明.  機(jī)械設(shè)計(jì)與制造. 2017(06)

碩士論文
[1]基于主軸電流的變工況銑刀磨損狀態(tài)監(jiān)測(cè)研究[D]. 張孟哲.大連理工大學(xué) 2018
[2]基于深度學(xué)習(xí)的刀具磨損狀態(tài)監(jiān)測(cè)技術(shù)的研究[D]. 林楊.中國(guó)科學(xué)技術(shù)大學(xué) 2017
[3]基于深度學(xué)習(xí)模型的感應(yīng)電機(jī)故障診斷方法研究[D]. 孫文珺.東南大學(xué) 2017
[4]中介軸承壽命預(yù)測(cè)方法與壽命試驗(yàn)研究[D]. 崔立明.大連理工大學(xué) 2016
[5]基于CFD的大流量高全壓葉輪機(jī)械開發(fā)設(shè)計(jì)與研究[D]. 崔利斌.大連理工大學(xué) 2011
[6]基于計(jì)算機(jī)視覺的刀具狀態(tài)在線監(jiān)控研究[D]. 劉冬芳.河北工業(yè)大學(xué) 2007



本文編號(hào)：3207697