【摘 要】
:
车削刀具磨损会造成切削刃几何参数及其与工件接触条件的改变,使得切削力和振动增大,影响工件的表面质量和尺寸精度。此外,切削力增大还会造成切削稳定性下降,诱发颤振,因此,在刀具状态监测时需要同时考虑加工颤振。为此,本文主要分析了刀具磨损和加工颤振的异常状态及其传感信号表征,提出了相应的加工异常状态辨识模型。本文具体工作如下:针对车削中的加工状态监测,理论分析车削刀具磨损导致的切削力增大对电机电流与切削
论文部分内容阅读
车削刀具磨损会造成切削刃几何参数及其与工件接触条件的改变,使得切削力和振动增大,影响工件的表面质量和尺寸精度。此外,切削力增大还会造成切削稳定性下降,诱发颤振,因此,在刀具状态监测时需要同时考虑加工颤振。为此,本文主要分析了刀具磨损和加工颤振的异常状态及其传感信号表征,提出了相应的加工异常状态辨识模型。本文具体工作如下:针对车削中的加工状态监测,理论分析车削刀具磨损导致的切削力增大对电机电流与切削振动力学的影响规律,以此为基础提出了基于多传感器的车削加工状态监测技术方案。从工件表面质量、刀具形貌、传感器信号表征、机理分析四个层面研究了刀具磨损和加工颤振的异常状态,并从实验和理论分析了磨损和颤振存在一定的耦合关系。使用基于统计规则的冲击信号滤除和小波去噪对传感器信号进行预处理,并提取了相关的时频域特征,通过支持向量机的特征递归消除算法(Recursive Feature Elimination based on Support Vector Machine,SVM-RFE)进行特征筛选,确定了对于刀具磨损和加工颤振均敏感的最优特征集,提高了异常状态监测的泛化性。建立了基于正样本无标签学习(Positive Unlabeled Learning,PU学习)算法的加工异常状态监测模型,实现了从只有部分正样本标签的样本集中学习,解决了加工状态监测中广泛存在的样本标签不完善和不准确的问题。与有监督学习算法相比,本文模型更适用于加工状态监测的实际应用场景,提高了异常状态监测方法的使用范围。最后,为验证模型状态辨识的有效性,采集车削过程的传感器信号,构建训练集时只对30%正常切削样本进行标定,以此为基础针对刀具磨损和颤振两种加工异常进行状态辨识,均获得了较高的准确率。通过实验验证了PU学习在加工状态监测领域的应用有效性,解决了现有加工状态监测无法兼顾加工过程多种异常状态的问题。
其他文献
作为提高产品质量和劳动生产率的重要装备,数控机床在制造业中发挥着重要的作用。近年来,在智能制造快速发展的背景下,数控机床领域面临着新的发展机遇与挑战。因此,高效地厘清数控机床领域的研发现状与竞争格局,把握技术竞争态势,具有重要的现实意义。专利数据作为知识流动的载体与见证,融合了企业或机构的技术发展信息与战略布局信息。知识图谱是大数据、知识工程以及自然语言处理等技术飞速发展下的产物,能够将客观世界中
工业机器人相对于多轴数控机床,具有成本低、柔性好、智能化、操作空间大等优势,是飞行器舱段零件加工的重要手段。由于机器人结构刚度低,特别是在铣削力作用下工艺系统发生变形,影响舱段壁厚的加工精度。针对加工精度的提高,现有方法中存在采用铣削力和刚度模型对变形误差预测不准确和采用直接镜像法对误差补偿效果不足的问题,而机器人在加工中呈现出铣削力易受刀具进给速度和刀具转动频率影响、关节运动空间大、配置组合多等
纤维缠绕是复合材料制品成型的一种重要方式,其缠绕方式分为多轴联动缠绕和机器人缠绕两种。目前,我国的高精度五轴联动缠绕机及核心部件严重依赖进口,极大的限制了我国高质量复合材料缠绕产业的发展。在机器人缠绕方面,我国更是处于起步阶段,理论研究和实际应用都缺乏经验。针对上述问题,本文基于国产华中9型数控系统设计了一款机器人与机床混合的双通道缠绕机控制系统,实现了五轴联动湿法缠绕和机器人干法缠绕两种缠绕模式
目前,数字化工厂的总体要求,是设备的即插即生产。实现此目标面临的主要障碍,是工业现场不同厂家的设备大多使用不同的通信协议,从而面临着不互通和不能实现互操作的问题。根据以往的实践,每种通信协议的设备都需要有专门的技术人员来维护,维护通常需要多个手动执行的步骤,这样提高了开发运维的成本。此外,即插即生产需要实现设备接入系统时的自识别和自组态。因此,本文为边缘计算平台开发了一套设备即插即用组件,实现了对
随着云计算、物联网、大数据等新一代信息技术与制造业的融合日益加深,全球的制造业进入了工业4.0时代,智能制造是制造业发展的新方向。数字孪生为智能制造的发展与应用提供了技术基础,虚拟调试技术作为数字孪生的一个应用,为智能制造生产线设计与调试提供了诸多便利。本文设计了一种基于3D多组态的产线虚拟调试系统,能够实现在产线未搭建完成时进行产线流程以及程序、逻辑调试,降低产线调试的时间风险和安全风险。本文主
在一主多从的数控系统中,主站是数控系统的中央控制器,随着数据量的加大以及处理任务的加重,主站的计算负荷也不断增加,这间接影响了工件加工的质量。基于云架构的数控系统中,主站与云端交互中的延时和稳定性无法得到保障,因此不能满足实时分析加工任务对响应的要求。边缘计算能弥补云架构的响应延迟缺点并提升数控系统的性能,因此对数控系统边缘计算模块的研究有着重要的意义。在现有数控系统的基础上,提出了一种在数控系统
EtherCAT总线被广泛应用于工业自动化领域,Windows系统具有丰富的应用生态,两者的结合意义重大。除德国倍福公司的TwinCAT是基于Windows的EtherCAT主站外,Windows与EtherCAT从站的结合较少且性能不佳。本文在课题组现有EtherCAT从站控制器IP的基础上,进行了驱动程序和应用层的系统软件设计,并研究了这种系统架构的实时性,主要研究内容如下:(1)设计了从站控
近年来,我国畜牧业以及餐饮业发展迅速,人民生活质量得到大幅提高,而其产生的有机垃圾未得到及时有效的处理,从而造成了空气、土地以及水源的污染。同时,有机垃圾的堆积,不仅造成了细菌的滋生,还增加了疾病传播的可能性。在国家大力提倡可持续发展以及废物利用的背景下,如何将有机垃圾进行有效处理从而使其直接成为作用于农田的有机肥料是实现资源可持续发展和废物再利用亟待解决的问题。有机垃圾翻抛机作为有机垃圾发酵翻抛
轴承是制造业中的核心零部件之一,其健康状况决定着主机设备的安全性,对轴承进行短期故障预测可以有效预防生产设备故障的发生。针对轴承短期故障预测未能实现端到端的问题,提出一种基于时序卷积网络(Temporal Convolutional Network,TCN)的短期故障预测方法。该网络能通过当前时刻监测到的数据直接输出轴承最终会发生的故障类型以及下一时刻将要处于的劣化阶段。此外,提出软阈值注意力机制
智能制造的蓬勃发展对作为机器人控制中枢的运动控制系统提出了更高的要求,但目前绝大多数软件控制系统对硬件具有高度依赖性,导致软件控制系统产生了开放性低、扩展性弱和可复用性差等问题。针对此问题,本文结合HZPAC平台和PLCopen标准实现了开放式SCARA机器人工件抓取运动控制库。首先,研究了运动控制库的内部支撑算法。以国产Z-Arm2442C协作型SCARA机器人为对象,结合D-H模型建立了机器人