刀具磨損狀態(tài)監(jiān)測(cè)系統(tǒng)研究

《刀具磨損狀態(tài)監(jiān)測(cè)系統(tǒng)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、山東大學(xué)碩士學(xué)位論文刀具磨損狀態(tài)監(jiān)測(cè)系統(tǒng)研究姓名：高琛申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：機(jī)械工程指導(dǎo)教師：賈秀杰;王群力20081026摘要摘要金屬切削過程中的刀具磨損是不可避免的現(xiàn)象，它直接影響工件的加工精度和表面粗糙度，并且還會(huì)影響到加工質(zhì)量、效率及加工系統(tǒng)整體功能的正常發(fā)揮，因此研究刀具磨損狀態(tài)具有重大意義。本文通過大量切削實(shí)驗(yàn)獲得真實(shí)有效的切削力信號(hào)，利用多分辨率小波分析提取信號(hào)中能反映刀具磨損狀態(tài)的特征向量，將這些特征向量輸入BP神經(jīng)網(wǎng)絡(luò)，利用人工神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)對(duì)刀具磨損狀態(tài)的識(shí)別。切削力一直是表征切削過程的最重要特征，切削過程的變化都和切削力密切相關(guān)。切削力信號(hào)直接真實(shí)，不受

2、加工區(qū)內(nèi)切屑和冷卻液的影響；與其他監(jiān)測(cè)信號(hào)相比，切削力信號(hào)幅度較大，干擾信號(hào)對(duì)它的影響較小，抗干擾能力較強(qiáng)。所以本論文選擇切削力信號(hào)監(jiān)測(cè)刀具狀態(tài)。通過對(duì)切削力信號(hào)分別進(jìn)行時(shí)域、頻域分析及多分辨率小波分析，本文綜合比較了各種特征參數(shù)變化趨勢(shì)與刀具磨損的對(duì)應(yīng)關(guān)系。結(jié)果表明：對(duì)切削力信號(hào)而言，難以用時(shí)域或純頻域的數(shù)據(jù)處理方法獲得表征刀具磨損程度的特征向量，切削力信號(hào)在經(jīng)過小波分解后，其細(xì)節(jié)信號(hào)的能量和均方差能夠反映刀具的磨損狀態(tài)，可作為刀具磨損信號(hào)的特征向量。含有單隱層的三層BP神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)任意M維空間到N維空間的映射，因此本文采用三層BP網(wǎng)絡(luò)確立各特征向量與刀具磨損狀態(tài)的對(duì)應(yīng)關(guān)系

3、。經(jīng)多分辨率小波分析之后得到的特征向量輸入網(wǎng)絡(luò)結(jié)構(gòu)為8．13．1的神經(jīng)網(wǎng)絡(luò)，利用訓(xùn)練樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，調(diào)整權(quán)閾值，利用神經(jīng)網(wǎng)絡(luò)的非線性映射能力建立起所需的神經(jīng)網(wǎng)絡(luò)模型。實(shí)驗(yàn)結(jié)果表明，本文建立的基于多分辨率小波分析和神經(jīng)網(wǎng)絡(luò)的刀具磨損狀態(tài)監(jiān)測(cè)系統(tǒng)能夠有效識(shí)別刀具的磨損狀態(tài)。關(guān)鍵詞刀具磨損狀態(tài)，切削力，信號(hào)處理，小波分析，神經(jīng)網(wǎng)絡(luò)mAbstractnetoolwearhasasignificantimpactonthemachiningprecisionandsurfacequalityofworkpiece．Italsodirectlyaffectedtheproductqu

4、ality,efficiencyandthefunctionofcuttingsystem．Therefore，theresearchonthecuttingtoolwearstateisveryimportant．Thecuttingforcesareobtainedbycuttingexperiments，thefeatureextractionswhichreflecttoolwearareabstractedbywaveletanalysisfromcuttingforces．Basedonneuralnetwork．theresearchonthetoolwearsta

5、teiscarriedout．111ecuttingforcesarethemostimportantfeatureinthecutting，therehavenearlyrelationbetweentoolwearandcuttingforces，SOcuttingforcesarechosetomonitorthetoolwearstate．Theanalysesoftimedomain，frequencydomainandwaveletforcuttingforcearecurriedout．Therelationshipsbetweenthetrendoffeature

6、extractionandtoolweararealsodiscussed．Theresultindicatesthatitisdiffcultfortheanalysesmeansoftimedomain,frequencydomaintoobtainthefeatureextraction．Theincreaseofthetoolweal',theincreasingtrendofenergyandroot-mean-squaredeviationofwaveletanalysisamongthefeatureextractionisobvious．Thustheenergy

7、androot·-mean·-squaredeviationwhicharesensitivetotoolwearareselectedasthebestfeatureextraction．碭eBPneuralnetworkwithsingledomantCancarryouttherelationbetweenthefeatureextractionofcuttingforcesandthetoolwear．玨efeatureextractionwhichcamefromwav