基于DSP的深孔加工过程监测系统的研究

论文摘要

深孔加工是机械加工中的一个重要分支,随着深孔加工自动化技术的日益发展,研究深孔加工过程中刀具磨损和排屑状态的实时监测具有十分重要的实际意义。本文以BTA深孔钻床为研究对象,针对深孔加工过程的特点,提取了功率和油压作为监测信号,建立了基于DSP的深孔钻削过程刀具磨损与排屑状态的在线实时监测系统。根据监测系统的实时性需要,采用TMS320F2812 DSP芯片作为监测系统硬件平台的中央处理单元,完成了实时监测系统硬件设计,该系统能够实现工况信号采集、分析以及工况识别等功能,通过串行接口可以将采集的信号传输到计算机上做进一步分析和处理。监测系统的硬件采用模块化设计,监测系统的硬件模块包括:时钟电路、电源电路、复位电路、存储器设计、数据采集电路、串行通信和仿真接口。在CCS集成开发环境下,完成了监测系统的基本配置。针对BTA系统的复杂性以及油压信号和功率信号的非平稳性,采用自适应噪声抵消消噪思想来实现油压信号和功率信号中的背景噪声的消噪。讨论了自适应噪声的原理,给出了消噪算法,并以机床空载时的油压和功率信号作为自适应滤波器的参考信号对加工时的油压信号和功率信号进行了消噪实验,结果表明使用该方法具有很好的非平稳随机噪声消噪效果,为监测信号特征的提取奠定了基础。根据油压信号时域特征与排屑状态之间的密切联系,提取了油压信号的峰值、方差、峰值因子、脉冲因子和油压变化率五种特征参数作为油压信号的特征向量来判断深孔钻削过程中排屑状态;对刀具磨损的监测采用功率信号各频段的细节信号能量、二阶累积量、三阶累积量、四阶累积量和双谱在敏感频段的能量七种特征参数作为功率信号的特征向量来判断刀具的磨损状态。针对特征向量与工况之间关系的复杂性与不确定性,采用模糊识别的思想建立了深孔钻削过程排屑与刀具状态的模糊C均值识别方法,实验结果表明该方法能够准确地识别深孔钻削过程中的的排屑状态和刀具磨损状态。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题来源及其研究意义
• 1.2 国内外实时监测方面的研究现状
• 1.3 实时监测技术存在的问题与发展趋势
• 1.4 本文主要研究内容
• 2 BTA深孔钻削过程状态监测系统的方案建立
• 2.1 BTA深孔钻床的原理与构成
• 2.1.1 BTA深孔钻床的原理
• 2.1.2 BTA深孔钻床的构成
• 2.2 深孔钻削中的常见故障及工况信号分析
• 2.2.1 深孔钻削中的常见故障
• 2.2.2 工况信号分析
• 2.3 深孔钻削过程状态监测系统的建立
• 2.3.1 功率监测法
• 2.3.2 油压监测法
• 2.3.3 基于DSP的深孔钻削状态监测系统
• 2.4 本章小结
• 3 DSP监测系统的硬件组成
• 3.1 TMS320F2812简介
• 3.2 DSP监测系统的硬件电路
• 3.2.1 时钟电路模块设计
• 3.2.2 电源电路模块设计
• 3.2.3 复位电路模块
• 3.2.4 存储器模块设计
• 3.2.5 数据采集电路模块设计
• 3.2.6 串行通信模块设计
• 3.2.7 仿真接口模块
• 3.3 本章小结
• 4 深孔加工过程监测的系统程序
• 4.1 CCS简介
• 4.1.1 CCS代码生成工具
• 4.1.2 CCS集成开发环境
• 4.1.3 COFF公共目标文件格式
• 4.2 监测的系统程序开发
• 4.2.1 系统初始化模块
• 4.2.2 中断向量
• 4.2.3 系统启动的引导模式
• 4.3 数据采集模块软件
• 4.3.1 初始化ADC寄存器
• 4.3.2 事件管理器模块
• 4.4 串行通信
• 4.5 本章小结
• 5 深孔加工过程中的状态监测信号自适应消噪
• 5.1 自适应噪声抵消技术
• 5.1.1 自适应滤波
• 5.1.2 自适应噪声抵消
• 5.1.3 自适应滤波器算法
• 5.2 仿真信号的自适应消噪
• 5.3 监测信号的自适应消噪
• 5.3.1 油压信号自适应消噪
• 5.3.2 功率信号自适应消噪
• 5.4 本章小结
• 6 BTA深孔钻削排屑与刀具状态的模糊识别
• 6.1 模糊C均值（FCM）聚类算法
• 6.1.1 模糊划分
• 6.1.2 数据标准化
• 6.1.3 FCM算法
• 6.2 油压信号的FCM聚类
• 6.2.1 油压信号的特征参数
• 6.2.2 油压信号的FCM模糊识别
• 6.3 功率信号的FCM聚类
• 6.3.1 功率信号的特征参数
• 6.3.2 功率信号的FCM模糊识别
• 6.4 本章小结
• 7 结论与展望
• 7.1 结论
• 7.2 发展与展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表论文及参与项目