切削加工过程中刀具磨损智能监测与切削力预测技术研究

论文摘要

刀具作为金属切削过程的直接执行者,在工件的切削加工过程中不可避免存在着刀具磨损和破损现象,刀具状态的变化直接导致产品质量下降和成本增加,进而影响产品的市场竞争力。针对这一问题,本文开展了以下工作：深入研究了对比试验方法与正交试验方法对切削加工过程中数据检测与预测的影响。通过对比试验方法获得了网络建模、模糊聚类等模式识别所需的完整数据,通过正交试验方法成功的从有限的实验中,得到一系列的、连续的、可以预测的车削加工信息。分析了信号特征随不同因素变化的规律,灵活的根据特征定义抽取有效特征,进行刀具磨损监测。在对切削力信号、振动信号进行时域分析、频域分析和小波分析的基础上,采用动态特征监测多加工条件下刀具磨损的方法,提高了特征的监测精度,有利于建立刀具的特征值表。分析了BP神经网络、模糊聚类、小波能量等模式识别应用于刀具磨损监测的特点,分别成功的进行了模式识别,提高了系统识别的可靠性,有助于在线监测。在监测理论的基础上,创造性地应用了六西格玛原理的对切削力进行预测,将其应用于车削加工和铣削加工。大量验证试验结果表明,该方法能准确的预测切削加工中的切削力和刀具磨损量,有利于研究成果的工业推广。本文的研究在试验设计、信号分析、监测策略、特征提取与选择、模式识别以及趋势预测等方面进行了积极的探索,一定程度上解决了刀具磨损监测技术实用化进程中出现的一系列问题,提高了监测系统的精度及可靠性,为监测系统实用化研究探索了新的思路,丰富了刀具磨损监测技术。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究的目的及意义
• 1.2 刀具损坏形式及标准
• 1.2.1 刀具磨损
• 1.2.2 刀具破损
• 1.3 刀具状态监测技术的研究目标
• 1.4 刀具磨损监测技术的国内外研究现状
• 1.4.1 刀具磨损监测方法
• 1.5 主要研究内容
• 1.5.1 实验设计
• 1.5.2 监测策略研究
• 1.5.3 信号分析与特征选择
• 1.5.4 模式识别与可靠性研究
• 1.5.5 趋势预测
• 第二章 刀具磨损监测的试验设计
• 2.1 试验装置
• 2.1.1 试验对象及加工参数确定
• 2.1.2 传感器的选择与安装
• 2.1.3 试验机床与检测仪器
• 2.1.4 刀具磨损监测系统
• 2.2 试验方法研究
• 2.2.1 试验目的
• 2.2.2 影响信号的因素
• 2.2.3 实验方法
• 2.3 试验步骤
• 2.4 影响监测信号特征的因素分析
• 2.4.1 传感器安装位置对信号特征的影响
• 2.4.2 切削参数对信号特征的影响
• 2.4.3 工件材料对信号特征的影响
• 2.5 小结
• 第三章 信号分析与特征选择
• 3.1 时域分析与时域特征
• 3.2 频域分析与频域特征
• 3.3 小波变换与小波特征
• 3.3.1 连续小波变换
• 3.3.2 离散小波变换
• 3.4 特征选择
• 3.4.1 信号的分析
• 3.4.2 特征选择的方法
• 3.5 小结
• 第四章 刀具磨损监测
• 4.1 BP前馈型神经网络识别
• 4.1.1 BP学习算法
• 4.1.2 BP算法的不足
• 4.1.3 人工神经网络的建立及识别
• 4.2 模糊聚类识别
• 4.2.1 模糊聚类定义
• 4.2.2 模糊聚类分析定理
• 4.2.3 模糊聚类的模式识别
• 4.3 小波能量的模式识别
• 4.4 小结
• 第五章 基于六西格玛原理的切削力预测技术
• 5.1 六西格玛原理
• 5.2 定义实验设计
• 5.3 数据的分析与测量
• 5.4 高斯等高线改进
• 5.5 实验结果的控制
• 5.6 小结
• 结论与展望
• 致谢
• 参考文献
• 附录
• 攻读硕士学位期间发表的论文及科研成果