本文關(guān)鍵詞：基于多傳感器融合的銑刀破損監(jiān)測方法研究

  更多相關(guān)文章： 銑刀破損監(jiān)測 支持向量機 封裝式算法 多傳感器融合

【摘要】：在銑削加工中,由于刀具脆性材料本身硬度高、脆性大的特性,刀具破損已經(jīng)成為刀具失效的主要原因。刀具失效影響工件表面加工質(zhì)量,引起機床故障停機,導致企業(yè)生產(chǎn)效率降低,生產(chǎn)成本增加。因此,銑削破損監(jiān)測成為生產(chǎn)中迫切需要解決的關(guān)鍵問題。隨著信號處理技術(shù)的發(fā)展和多傳感器融合的監(jiān)測技術(shù)的發(fā)展,刀具的破損識別率有了較大改善,但是同時也增加了提取特征的維度,增加了刀具狀態(tài)監(jiān)測系統(tǒng)的復雜度。如何降低多傳感器融合的特征維度,從多傳感器的特征中選擇出能夠體現(xiàn)刀具切削狀態(tài)的最優(yōu)特征子集成為多傳感器監(jiān)測迫切需要解決的問題。首先,對銑刀破損監(jiān)測信號的特征提取方法及特征選擇方法進行研究。采用功率譜分析法和小波包分解法對監(jiān)測信號進行頻域分析和時頻域分析,然后對監(jiān)測信號在時頻域和頻域的進行特征提取源信號的選擇,通過對監(jiān)測信號在頻域和時頻域的源信號進行基于統(tǒng)計學量的特征提取,獲取表征銑刀破損狀態(tài)的特征量。提出采用基于GA-SVM的封裝式算法對時頻域及頻域的特征進行特征選擇,以遺傳算法為搜索策略,以SVM為銑刀破損識別分類器,輸出反映銑刀破損狀態(tài)的最優(yōu)特征子集。其次,以HAAS機床為實驗對象,通過監(jiān)測主軸X方向和Y方向的振動信號以及切削聲信號搭建銑刀破損監(jiān)測實驗系統(tǒng)。設(shè)計以主軸轉(zhuǎn)速、切削深度和進給速率的三因素三水平正交試驗以及刀具破損制備實驗,采集新刀與破損刀具在不同因素水平下切削時的主軸振動信號與切削聲信號。并對采集到的主軸振動信號與切削聲信號進行統(tǒng)計學量特征提取及基于GA-SVM的封裝式算法特征選擇,輸出最優(yōu)特征子集及SVM最優(yōu)參數(shù)。最后,設(shè)計相同切削因素下其他水平的正交試驗對基于最優(yōu)特征子集及SVM最優(yōu)參數(shù)建立的銑刀破損識別模型進行實驗驗證。最后,結(jié)合Lab VIEW在圖形界面易于開發(fā)的優(yōu)點以及MATLAB強大數(shù)學運算功能特點,采用Lab VIEW與MATLAB混合編程對基于多傳感器融合的銑刀破損監(jiān)測平臺進行設(shè)計與開發(fā)。該監(jiān)測平臺可以實現(xiàn)主軸振動信號以及切削聲信號的波形實時顯示、數(shù)據(jù)傳輸、數(shù)據(jù)的實時存儲以及銑刀破損識別等功能。該平臺對工業(yè)現(xiàn)場基于多傳感器融合的銑刀破損監(jiān)測具有一定的應(yīng)用價值。
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TG54;TP212

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 王太勇，，郭千里，趙國立，曾子平;刀具磨損聲振特性的功率譜分析[J];天津大學學報;1995年04期

2 劉曉明,楊平;加工中心刀具破損實時監(jiān)控技術(shù)的研究[J];組合機床與自動化加工技術(shù);2005年04期

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 黎勝明;鈦合金TC4車削的刀具磨損在線監(jiān)測技術(shù)的研究[D];哈爾濱工業(yè)大學;2014年

本文編號：1187019