面向切削用量的刀具寿命预测及刀具寿命管理系统的研发

摘要

在高速切削加工中，刀具寿命是一个重要的参数，它直接影响到刀具需求计划制定、刀具成本核算以及切削参数制定，从而影响到生产效率和加工成本。而刀具寿命取决于刀具的磨损，刀具寿命就是在使用中刀具磨损达到磨损标准所用的时间。由于刀具磨损影响因素很多，如果采用传统的经验公式进行刀具磨损的计算，不仅计算过程复杂，难以得到合理的结果，而且在新材料，新工艺中可能无从着手。因此有必要采用新的方法对刀具的磨损进行预测。
　　 针对传统计算刀具寿命方法的不足，出现BP神经网络进行刀具的相关预测，与传统的计算方法相比较，神经网络算法通过操作简捷的建模和高效的网络进行学习，能快速学习这些物理量及其影响因素之间的变化关系。但是由于该算法的目标在于寻求对学习样本的精确学习，因此在小样本的情况下会出现过学习的情况，从而导致算法的泛化能力减弱。
　　 本文提出最小二乘支持向量机构建刀具磨损预测模型，该方法基于结构风险最小化原则，因此能够克服神经网络算法中的过学习问题。该模型着眼于生产中的加工实验磨损数据，对现场中采集到的有噪声数据进行学习，并且使用该模型对同样情况的刀具磨损数据进行预测。并将数据输入到MATLAB进行仿真，多次仿真预测结果均方根误差都在0.02-0.03之间，表明该算法建立的模型有准确的刀具磨损预测能力。
　　 最后，针对运行中的刀具寿命管理系统，对其数据的安全性进行分析和综合考虑，提出以SHA为核心的加密算法完成对核心数据的加密，针对数据备份情况，提出基于SQL2000的备份策略，从而提高系统和数据的安全性。

目录

文摘

英文文摘

声明

1绪论

1.1数控刀具管理技术研究

1.1.1刀具管理在国内外发展的现状

1.1.2刀具寿命检测的研究现状

1.1.3数据安全与备份问题

1.2本课题研究的技术基础

1.2.1系统开发技术

1.2.2系统应用平台

1.3本课题研究的主要内容

1.3.1课题背景

1.3.2课题研究意义

1.3.3课题研究的主要内容

2刀具寿命分析

2.1刀具寿命的作用

2.2刀具磨损分析

2.2.1刀具磨损过程

2.2.2刀具磨钝标准

2.2.3刀具相对寿命

2.3刀具寿命影响因素分析

2.4刀具寿命的预测方法

2.5本章小结

3支持向量机及刀具寿命预测模型

3.1支持向量机原理

3.1.1统计学与机器学习

3.1.2学习目标准则

3.1.3回归支持向量机

3.2刀具寿命预测模型构建算法

3.3参数优化选择

3.4本章小结

4寿命预测建模分析及功能实施

4.1 MATLAB建模分析

4.1.1学习样本

4.1.2模型参数选择与优化

4.2寿命预测结果分析

4.2.1模型的学习能力与预测能力

4.2.1两种模型的预测对比分析

4.3系统功能实现

4.4本章小结

5刀具寿命管理系统的研发

5.1刀具寿命管理系统整体设计

5.1.1系统网络结构

5.1.2角色及用例模型

5.1.3系统的总体流程

5.1.4数据库模型

5.2系统数据安全

5.2.1密码学基本原理

5.2.2 Hash函数

5.2.3加密实现步骤

5.3系统数据备份

5.3.1备份的分类

5.3.2备份策略分析

5.3.3数据备份实施

5.4小结

6结论与展望

致谢

参考文献

附录