基于模式识别的金刚石圆锯片刀头形貌对其锯切性能影响的研究

摘要

金刚石圆锯片拥有优良的切削性能,在石材的加工中得到广泛应用。锯切过程中,刀头的磨损是不可避免的。刀头磨钝后,就应及时修锐锯片以保证可靠的锯切效率和质量。但是修锐也会增加其磨耗,缩短寿命,导致成本上升。最优的锯切状态是在保证加工效率和质量的前提下,尽量降低锯片在修锐中的磨耗。而有效评估锯片的锯切能力是解决这一问题的关键。
　　本课题主要研究了金刚石锯片刀头形貌特征量的提取、分析过程,锯片锯切能力的评价问题,形貌特征量与锯切能力的关系。建立了刀头形貌与锯切能力的对应关系,实现了对锯片锯切能力的有效评估。
　　本论文完成的主要工作内容如下:
　　(1)本文针对刀头形貌的3个频率段信息(低频段、中频段、高频段),分别提出了反应形貌信息的特征量,且详述各特征量所代表的意义及计算方法。
　　(2)为了提高金刚石锯片磨粒识别的效率和质量,将BP神经网络算法应用于金刚石锯片磨粒的识别。以三维形貌的高度、梯度、二阶差分作为神经网络的输入,磨粒、结合剂作为神经网络的二类输出,建立网络模型。实现了对三维金刚石磨粒的自动识别。实例表明,该方法可以有效地识别磨粒。
　　(3)在MATLAB的运行环境中,设计了形貌处理的操作界面,使得数据的处理更加方便快捷。为了获取较大范围的形貌数据,研究了形貌的拼接算法。采用模板匹配法拼接形貌数据,获得了较好的拼接效果。
　　(4)选用锯切力作为评价锯片锯切状态的指标。首先通过锯切力与形貌特征量的相关分析,筛选出所需的特征量。然后将形貌数据按照一定原则分为4个模式类别,分别是较钝阶段、一般阶段、较锋利阶段、锋利阶段。这4个模式类别同时也代表了锯片的4种不同的锯切能力。
　　(5)将模式识别应用于锯切状态的识别中,首先验证了样本数据的可分性。然后介绍了各类判别函数及判别准则的优缺点,选择了合适的判别函数的形式及判别准则。最后验证了判别函数的有效性。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 石材锯切加工的优势和存在的问题

1.2 国内外工具形貌研究动态

1.3 课题的来源

1.4 本课题研究思路及创新点

第2章 金刚石圆锯片的特征参数

2.1 低频部分特征量

2.2 中频部分特征量

2.3 高频部分的特征量

2.4 本章小结

第3章 实验条件与方法

3.1 锯切的实验设备及所用材料

3.2 测试系统

3.3 实验条件

3.4 本章小结

第4章 实验数据处理

4.1 MATLAB简介

4.2 锯切力数据处理过程

4.3 锯片的修锐

4.4 形貌数据处理

4.5 刀头形貌磨粒识别

4.6 MATLAB界面设计

4.7 实验数据

4.8 本章小结

第5章 数据分析

5.1 相关分析

5.2 锯切阶段划分

5.3 特征空间的建立

5.4 模式识别

5.5 模式识别的效果验证

5.6 本章小结

第6章 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

个人简历、在学期间发表的学术论文与研究成果