基于红外温度测量的刀具状态识别研究

基于红外温度测量的刀具状态识别研究

论文摘要

在金属切削加工中,刀具会不可避免地会发生磨损或破损。刀具磨损或破损会使零件的加工精度下降,零件表面粗糙度及表层质量恶化,严重时将使刀具失去切削能力,甚至危及机床设备。因此,研究刀具状态在线监控不仅具有重要的理论意义而且还有实际应用价值。刀具状态监控系统的成功应用的基础是找出与刀具状态有较好对应关系的特征量,从这些特征量中提取的特征信息能够识别刀具状态。尽管近十年来,国内外对刀具状态监控做了大量的探索研究,但在实际切削加工过程中,由于现场工况的变化与工件材料的不均匀性,很难找到与刀具状态对应较好的特征量。刀具磨损与切削温度有着密切的关系,随着刀具磨损的增加,切削温度会相应升高。本文拟采用红外远程测温方法,对不同刀具状态下测得的表面切削温度进行分析,探索切削温度随刀具状态变换的规律,为实现基于切削温度的刀具状态监控作理论准备。本文研究针对端铣削加工。首先基于红外测温原理,建立了刀具监控系统,并对刀具监控系统的红外测温误差进行了研究。然后,通过建立铣刀的三维模型并确定铣刀温度场的边界条件,分析了铣刀前刀面在稳定铣削状态下的温度分布情况,试验研究表明刀具表面温度变化能够反映切削区温度的变化,因此可以通过测量刀具表明温度监控刀具磨损状态。本文还通过刀具寿命试验,探索了刀具磨损过程。通过试验研究了铣削参数、刀具磨损等因素对刀具的表面切削温度的影响规律。试验表明表面切削速度v、进给量fz、径向切宽aw的增大都会使刀具的表面切削温度增高。其中,切削速度v对表面切削温度的影响最大,进给量fz其次,径向切宽aw则为最小。最后,采用BP人工神经网络建立了刀具磨损状态与表面切削温度特征值及切削工况参数间的映射关系,使监控系统能识别变切削工况下的刀具状态,提高了刀具磨损在线监控的柔性。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 研究背景
  • 1.2 刀具状态监控和切削温度的研究目标
  • 1.2.1 刀具状态监控的研究目标
  • 1.2.2 切削温度的研究目标
  • 1.3 刀具状态监控技术的研究现状
  • 1.4 切削温度的研究现状
  • 1.4.1 切削温度的刀具状态测量
  • 1.4.2 切削温度的研究现状
  • 1.5 论文的主要研究工作内容
  • 第二章 基于红外温度检测的刀具监控系统
  • 2.1 红外测温的原理与特点
  • 2.1.1 红外测温的基本原理
  • 2.1.2 红外测温的特点
  • 2.1.3 红外测温传感器的工作原理
  • 2.2 刀具监控系统的硬件组成
  • 2.2.2 红外测温传感器的选择和安装
  • 2.2.3 数据采集卡的选用
  • 2.2.4 工控机的选用
  • 2.3 刀具监控系统的软件组成
  • 2.3.1 软件结构模块的组成
  • 2.3.2 软件的数据采集模块
  • 2.3.3 软件的数据处理模块
  • 2.3.4 软件的数据标定与超限报警模块
  • 2.4 刀具监控系统的特点
  • 2.5 刀具监控系统的影响因素和误差
  • 2.6 本章小结
  • 第三章 面向刀具磨损监控的温度场分析
  • 3.1 切削温度场的理论分析
  • 3.2 切削温度场有限元模型的建立
  • 3.2.1 温度场的边界条件
  • 3.2.2 对流换热系数α
  • 3.2.3 热流密度q
  • 3.3 切削温度场有限元模型的求解
  • 3.3.1 定义单元与材料属性
  • 3.3.2 建模,划分网络
  • 3.3.3 热源加载
  • 3.3.4 刀具温度场
  • 3.4 本章小结
  • 第四章 铣削温度与刀具磨损的相关性试验研究
  • 4.1 刀具磨损的特征,过程和标准
  • 4.1.1 刀具磨损特征
  • 4.1.2 刀具的磨损过程和标准
  • 4.2 试验条件以及方法
  • 4.2.1 试验条件
  • 4.2.2 试验方法
  • 4.3 切削参数与铣刀表面温度的关系
  • 4.3.1 切削速度v 与铣刀表面温度的关系
  • z与铣刀表面温度的关系'>4.3.2 进给量fz与铣刀表面温度的关系
  • w与铣刀表面温度的关系'>4.3.3 径向切宽aw与铣刀表面温度的关系
  • 4.4 刀具磨损与铣刀表面温度的关系
  • 4.5 刀具寿命与刀具磨损的试验研究
  • 4.5.1 刀具寿命
  • 4.5.2 刀具磨损与烧伤机理的研究
  • 4.6 本章小结
  • 第五章 刀具温度的监控策略研究
  • 5.1 模式识别的过程
  • 5.2 人工神经网络
  • 5.2.1 人工神经元模型
  • 5.2.2 BP 神经网络
  • 5.3 BP 神经网络实现刀具磨损状态的识别
  • 5.3.1 刀具磨损状态BP 神经网络的设计
  • 5.3.2 刀具磨损状态BP 神经网络的训练与仿真
  • 5.4 本章小结
  • 第六章 全文总结和展望
  • 6.1 主要结论
  • 6.2 研究展望
  • 参考文献
  • 致谢
  • 攻读硕士学位期间已发表或录用的论文
  • 相关论文文献

    • [1].基于间歇性车削加工过程中刀具状态实时检测的研究[J]. 组合机床与自动化加工技术 2020(02)
    • [2].基于深度置信网络的深孔加工刀具状态监测[J]. 组合机床与自动化加工技术 2020(10)
    • [3].基于长短时记忆网络的深孔镗削刀具状态监测[J]. 现代制造工程 2020(08)
    • [4].基于刀具状态的切削力模型研究[J]. 工具技术 2010(02)
    • [5].远程在线刀具状态实时监控及补偿技术研究[J]. 工具技术 2008(01)
    • [6].机床刀具状态智能监测技术的研究[J]. 青岛理工大学学报 2020(04)
    • [7].一种用于在线刀具状态监测的标定方法[J]. 电子制作 2015(07)
    • [8].基于网络技术的刀具状态远程监测技术研究[J]. 沈阳理工大学学报 2008(04)
    • [9].刀具状态智能监测研究进展[J]. 航空制造技术 2018(06)
    • [10].改进灰色模型在刀具状态监控中的研究与应用[J]. 机械设计与制造 2010(09)
    • [11].基于智能报警的刀具状态在线监测技术[J]. 振动.测试与诊断 2013(03)
    • [12].基于小波包分析和LS-SVM的钻削刀具状态识别研究[J]. 工具技术 2019(12)
    • [13].支持铣床刀具状态快速评判的信号处理技术[J]. 农业装备与车辆工程 2017(09)
    • [14].基于谐波特征和GA-SVM的刀具状态监测[J]. 制造技术与机床 2012(06)
    • [15].在线金属切削刀具磨损状态监测研究的回顾与展望Ⅱ:信号特征的提取[J]. 机床与液压 2010(17)
    • [16].基于极限学习机的车削刀具状态监测技术研究[J]. 软件 2020(06)
    • [17].指数平滑和控制图在刀具状态监控中的应用研究[J]. 制造技术与机床 2012(11)
    • [18].一种基于多特征和支持向量机的刀具磨损状态识别技术[J]. 制造业自动化 2016(05)
    • [19].带磨损补偿功能的刀具状态在线检测技术研究[J]. 工具技术 2010(03)
    • [20].基于铣削声音信号的刀具状态实验研究[J]. 轻工机械 2017(01)
    • [21].刀具状态在线监测与智能识别方法研究[J]. 测控技术 2015(10)
    • [22].基于振动信号的刀具状态监控技术研究[J]. 南昌航空大学学报(自然科学版) 2011(03)
    • [23].基于深度学习理论的刀具状态监测及剩余寿命预测方法[J]. 电子测量与仪器学报 2019(09)
    • [24].基于铣削噪声的刀具状态监测研究[J]. 工具技术 2008(07)
    • [25].基于机器视觉的刀具状态在机检测方法的研究[J]. 计量与测试技术 2017(12)
    • [26].基于切削力信号-几何信息-工艺信息的铣削加工刀具状态实时辨识[J]. 航空制造技术 2018(11)
    • [27].基于形态分量分析的高速铣削加工刀具磨损在线监测[J]. 中国科学技术大学学报 2017(08)
    • [28].基于功率信号的钻锪刀具监测及其系统开发[J]. 计算机集成制造系统 2019(09)
    • [29].特征融合与GA-SVM在刀具状态监测中的应用研究[J]. 制造技术与机床 2015(04)
    • [30].基于经验模式分解和BP神经网络的刀具状态监测方法[J]. 黑龙江科技大学学报 2014(04)

    标签:;  ;  ;  ;  ;  

    基于红外温度测量的刀具状态识别研究
    下载Doc文档

    猜你喜欢