王海宁:基于随机共振方法的刀具状态监测研究论文

王海宁:基于随机共振方法的刀具状态监测研究论文

本文主要研究内容

作者王海宁(2019)在《基于随机共振方法的刀具状态监测研究》一文中研究指出:加工制造业技术的先进与否会直接影响着一个国家的经济发展质量,数控机床刀具的好坏直接关系着产品质量的好坏及生产效率。针对机床刀具故障的诊断一直是工程界研究的热点,当下的主要研究方向是如何实现刀具的在线状态监测并准确判断故障原因,这对提升产品质量以及提高生产效率都有着重要的意义。在刀具故障诊断领域,传统的分析方法是获取刀具加工时的振动信号,在时域及频域中分析振动信号特征,取得了很好的效果,也得到了广泛的应用,但是传统分析方法不能准确检测到刀具在故障初期时的微弱信号。由于随机共振方法对提取微弱信号的特征有着很好的效果,因此,如何提取刀具故障初期微弱信号,及时发现刀具故障信息是本文研究的重要内容。本文首先详细阐述了刀具状态监测方法的发展历程和随机共振方法在振动信号分析中的应用;第二章运用传统分析方法分析刀具磨损前、中、后期的振动信号,对振动信号进行滤波降噪之后,提取频谱特征及功率谱特征信息;第三章通过仿真实验验证了随机共振方法在提取微弱信号特征中的作用,由SNR随噪声强度变化关系,可知当噪声强度达到势垒高度的一半时,SNR可以达到峰值,经典SR系统在经过尺度变换后,成功检测出了主轴基频和立铣刀转频;第四章利用移频变尺度与自适应SR相结合的方法,根据最高谱峰位置和过零间距方差的变化找到合适的自适应SR系统参数,再将获取的刀具振动信号输入到自适应移频变尺度SR系统,比较准确的检测出了主轴基频和立铣刀转频特征信息。通过本文的研究表明,经典双稳态SR系统经过尺度变换或移频变尺度进行刀具磨损状态在线监测是可行的,为实现在线监测刀具早期故障提供了一个比较好的方法。

Abstract

jia gong zhi zao ye ji shu de xian jin yu fou hui zhi jie ying xiang zhao yi ge guo jia de jing ji fa zhan zhi liang ,shu kong ji chuang dao ju de hao huai zhi jie guan ji zhao chan pin zhi liang de hao huai ji sheng chan xiao lv 。zhen dui ji chuang dao ju gu zhang de zhen duan yi zhi shi gong cheng jie yan jiu de re dian ,dang xia de zhu yao yan jiu fang xiang shi ru he shi xian dao ju de zai xian zhuang tai jian ce bing zhun que pan duan gu zhang yuan yin ,zhe dui di sheng chan pin zhi liang yi ji di gao sheng chan xiao lv dou you zhao chong yao de yi yi 。zai dao ju gu zhang zhen duan ling yu ,chuan tong de fen xi fang fa shi huo qu dao ju jia gong shi de zhen dong xin hao ,zai shi yu ji pin yu zhong fen xi zhen dong xin hao te zheng ,qu de le hen hao de xiao guo ,ye de dao le an fan de ying yong ,dan shi chuan tong fen xi fang fa bu neng zhun que jian ce dao dao ju zai gu zhang chu ji shi de wei ruo xin hao 。you yu sui ji gong zhen fang fa dui di qu wei ruo xin hao de te zheng you zhao hen hao de xiao guo ,yin ci ,ru he di qu dao ju gu zhang chu ji wei ruo xin hao ,ji shi fa xian dao ju gu zhang xin xi shi ben wen yan jiu de chong yao nei rong 。ben wen shou xian xiang xi chan shu le dao ju zhuang tai jian ce fang fa de fa zhan li cheng he sui ji gong zhen fang fa zai zhen dong xin hao fen xi zhong de ying yong ;di er zhang yun yong chuan tong fen xi fang fa fen xi dao ju mo sun qian 、zhong 、hou ji de zhen dong xin hao ,dui zhen dong xin hao jin hang lv bo jiang zao zhi hou ,di qu pin pu te zheng ji gong lv pu te zheng xin xi ;di san zhang tong guo fang zhen shi yan yan zheng le sui ji gong zhen fang fa zai di qu wei ruo xin hao te zheng zhong de zuo yong ,you SNRsui zao sheng jiang du bian hua guan ji ,ke zhi dang zao sheng jiang du da dao shi lei gao du de yi ban shi ,SNRke yi da dao feng zhi ,jing dian SRji tong zai jing guo che du bian huan hou ,cheng gong jian ce chu le zhu zhou ji pin he li xi dao zhuai pin ;di si zhang li yong yi pin bian che du yu zi kuo ying SRxiang jie ge de fang fa ,gen ju zui gao pu feng wei zhi he guo ling jian ju fang cha de bian hua zhao dao ge kuo de zi kuo ying SRji tong can shu ,zai jiang huo qu de dao ju zhen dong xin hao shu ru dao zi kuo ying yi pin bian che du SRji tong ,bi jiao zhun que de jian ce chu le zhu zhou ji pin he li xi dao zhuai pin te zheng xin xi 。tong guo ben wen de yan jiu biao ming ,jing dian shuang wen tai SRji tong jing guo che du bian huan huo yi pin bian che du jin hang dao ju mo sun zhuang tai zai xian jian ce shi ke hang de ,wei shi xian zai xian jian ce dao ju zao ji gu zhang di gong le yi ge bi jiao hao de fang fa 。

论文参考文献

  • [1].基于随机共振和经验模态分解微弱信号检测研究[D]. 曹莉.重庆邮电大学2018
  • [2].基于优化随机共振系统和灰色关联理论的AUV推进器弱故障诊断方法研究[D]. 朱晨光.哈尔滨工程大学2018
  • [3].脉冲信号刺激下复杂神经网络的随机共振研究[D]. 方鸿雁.青岛大学2018
  • [4].机械早期故障检测的混沌抑制与阵列随机共振方法[D]. 范彬.国防科学技术大学2010
  • [5].超阈值随机共振中的刺激条件信息研究[D]. 侯鹏鹏.青岛大学2017
  • [6].ZigBee网络的煤矿杂散电流监测系统研究与设计[D]. 唐小华.西安科技大学2014
  • [7].小世界生物神经网络的随机响应和同步性能研究[D]. 周小荣.广西师范大学2007
  • [8].基于随机共振的滚动轴承微弱特征检测技术应用研究[D]. 张仲海.天津大学2012
  • [9].微弱信号检测的随机共振方法与应用研究[D]. 邵菊花.电子科技大学2008
  • [10].随机共振参数优化及其应用研究[D]. 朱维娜.中国计量学院2014
  • 读者推荐
  • [1].基于深度学习的刀具磨损状态监测技术研究[D]. 张新建.天津工业大学2019
  • [2].机器学习算法在刀具磨损状态评估上的应用研究[D]. 李楠.安徽大学2019
  • [3].基于波束形成技术的运动声源识别方法研究[D]. 李运炅.安徽大学2019
  • [4].基于随机共振微弱信号检测的滚动轴承故障诊断方法研究[D]. 郑平.安徽大学2019
  • [5].基于视觉导航AGV的定位技术与路径规划研究[D]. 王雨.安徽大学2019
  • [6].钛合金车削加工刀具磨损建模技术研究及预测分析[D]. 唐柏清.西安理工大学2019
  • [7].基于周期势随机共振的印刷机轴承故障诊断研究[D]. 郭昌.西安理工大学2019
  • [8].基于复合多稳随机共振的微弱信号检测与应用研究[D]. 乔小雪.西安理工大学2019
  • [9].双稳随机共振在微弱OFDM信号检测中的应用研究[D]. 姚杰.西安理工大学2019
  • [10].基于深度学习的复杂结构件数控加工刀具状态实时监测[D]. 华家玘.南京航空航天大学2018
  • 论文详细介绍

    论文作者分别是来自安徽大学的王海宁,发表于刊物安徽大学2019-07-03论文,是一篇关于刀具故障论文,频域分析论文,随机共振论文,尺度变换论文,移频变尺度论文,安徽大学2019-07-03论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自安徽大学2019-07-03论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  ;  

    王海宁:基于随机共振方法的刀具状态监测研究论文
    下载Doc文档

    猜你喜欢