基于振动和电流法的刀具故障信号监测系统研究

摘要

随着高档数控机床在制造业中的广泛使用，加工的效率和质量得以大大提升。在加工过程中，刀具是直接执行切削任务的关键部件，当刀具磨损时就会导致加工精度的下降。在刀具严重磨损时则会导致工件质量降低和加工成本的提高，如不及时更换刀具就会造成更大的损失。相关研究表明在加工过程中由于刀具失效引起的故障占据了大部分故障时间，而带有刀具监控系统的数控加工中心停机时间大大缩减，仅有不到原来的一半时间，使用效率大为提高。因此对刀具磨损状态在线监测对于提升工件质量，降低成本，提高效率意义重大。针对此类问题，本文主要进行了以下工作:
　　首先，对刀具的磨损机理和刀具磨损监测方法及几种常用的信号处理方法予以介绍。设计了在不同切削参数下的试验，并得到了在不同磨损阶段的信号信息，然后对电流信号和振动信号作相关方法分析后，提取出和刀具磨损相互联系的有效特征量。其次，对BP神经网络作以介绍，在此基础上建立了刀具的故障诊断方案，设计了BP神经网络，利用实验数据建立起特征值和磨损状态的对应关系，用试验所提取的故障信号特征量对网络进行训练，搭建出适合本文神经网络。根据刀具监测系统的功能要求，选择了以ARM9S3C2410处理器为核心来设计监测系统，并设计了相关信号采集电路和其它功能模块，基本可以保证系统的功能要求。最后对于软件平台的设计，确立并使用Qt对系统采集界面设计，搭建出了相应的软件平台。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景与意义

1．1．1 课题研究背景

1．1．2 课题研究意义

1．2 国内外研究现状及发展趋势

1．2．1 国内外研究现状

1．2．2 发展趋势

1．5 课题主要研究内容

1．6 本章小结

第二章 刀具故障特征类型及监测方法

2．1 影响刀具寿命的因素

2．2 刀具主要磨损的形式和部位

2．3 刀具磨损过程及等级划分

2．3．1 刀具磨损过程的划分

2．3．2 刀具磨损等级划分

2．4 常用刀具状态监测方法

2．5 本课题所采用的方法

2．5．1 以振动信号作为监测参数

2．5．2 以电流信号作为监测参数

2．5．3 多信息融合检测技术

2．6 基于ARM平台的硬件研究

2．6 本章小结

第三章 整体方案设计

3．1 传感器的选择

3．2 信号处理方法

3．3 选择特征参数

3．3．1 时域特征参数分析

3．3．2 频域特征参数分析

3．3．3 时频分析

3．3．4 小波包分析

3．3．5 本文所采用的特征参数

3．4 系统整体方案的设计

3．5 本章小结

第四章 基于神经网络的多传感器信息融合方法的研究

4．1 信息融合技术

4．2 基于神经网络多传感器信息融合方法

4．2．1 神经元

4．2．2 神经网络特点及原理

4．2．3 BP神经网络结构设计

4．2．4 BP神经网络初始权值选取的原则

4．2．5 BP神经网络训练流程和学习速率

4．2．6 BP神经网络训练结果分析

4．3 本章小结

第五章 实验设计与数据分析处理

5．1 铣削实验设计

5．2 刀具磨损实验数据

5．3 实验数据的分析

5．3．1 振动信号的特征分析

5．2．2 电流信号的特性分析

5．2．3 实验系统结果验证

5．3 本章小结

第六章 刀具磨损监测系统的硬件设计

6．1 硬件总体结构

6．2 系统处理器的选用

6．3 采集振动信号的电路设计

6．4 电流信号采集电路设计

6．5 其他模块

6．5．1 电源模块

6．5．2 复位模块

6．5．3 JTAG模块

6．5．4 串口模块

6．5．5 LCD模块设计

6．6 本章小结

第七章 系统软件的构建及设计

7．1 LCD应用程序和驱动程序

7．1．1 软件层间的关系

7．1．2 LCD驱动程序的架构

7．2 QT概述

7．3 基于Qt/Embedded的GUI设计

7．4 Qt/Embedded移植程序

7．4．1 交叉编译

7．4．2 移植程序

7．5 本章小结

第八章 结论与展望

8．1 结论

8．2 展望

参考文献

个人简历、在读期间发表的学术论文与研究成果

致谢