基于嵌入式系统的数控机床加工工况信息采集及处理技术的研究

摘要

为了保证数控机床加工设备的安全运行，合理使用自动化设备，避免故障，保证加工工件质量，减少额外的辅助工作时间，提高生产效率和设备利用率，对数控机床加工过程进行状态监测就变得越来越重要。
　　 针对国内传统老式数控机床不具备刀具状态信息与数控机床加工过程中的状态信息采集及处理的能力，本文开展了以下研究工作：
　　 1.首先建立基于嵌入式系统的数控机床信息采集与处理的平台，实现对数控机床刀具信息与数控机床加工过程中的状态信息的采集与相关处理。
　　 2.通过对刀具状态监测方法的研究，确定采用间接监测信号的方法，并对刀具加工过程中的各种检测信号进行比较，最后选择用振动信号作为监测刀具状态的检测信号，为成功研究刀具状态监测奠定基础。
　　 3.通过对数控机床加工过程中状态信息采集的各种常见的方法的研究和比较，采用串口与用户宏程序结合的方式可以方便、有效地对数控机床加工过程的状态信号进行采集。
　　 4.对振动信号进行分析并提取特征参数，采用小波理论分析刀具振动信号，可以将振动信号无冗余、正交地分解到独立的、精细的频带上，得到刀具磨损的特征频带，通过分析频带内能量的变化，监测刀具的磨损状态。
　　 5.结合BP神经网络对刀具状态监测进行了理论研究，证明了基于BP神经网络的刀具磨损状态识别系统的可行性。

目录

文摘

英文文摘

声明

第一章 绪论

1.1基于嵌入式系统的数控机床状态监测概述

1.2数控机床状态监测的目的和意义

1.3国内外研究概况

1.4本文研究内容

1.5本文的创新点

1.6本文的结构安排

本章小结

第二章 基于嵌入式的信息采集系统的设计

2.1总体方案

2.2硬件结构设计

2.2.1硬件需求分析

2.2.2硬件平台的选择

2.3软件结构设计

2.3.1软件需求分析

2.3.2软件平台的选择

本章小结

第三章 数控机床加工工况信息采集

3.1刀具信号采集

3.1.1刀具磨损标准

3.1.2刀具状态监测方法的研究

3.1.3本文所采用的刀具状态监测方法

3.1.4刀具信号采集实验系统的建立

3.2数控机床加工过程中状况信息采集

3.2.1数控机床状态信息采集的特点

3.2.2数控机床状态信息采集方法的研究

3.2.3 FANUC数控系统的状态信息采集

本章小结

第四章 信号分析与特征提取

4.1信号的时域分析

4.2信号的频域分析

4.3小波分析

4.3.1小波的定义

4.3.2小波变换

4.3.3多分辨率及小波包分析

4.4振动信号分析

4.4.1振动信号时域及频域特征

4.4.2振动信号的小波分析

本章小结

第五章 刀具磨损状态识别

5.1神经网络

5.2神经网络模型

5.2.1神经元结构模型

5.2.2神经网络的特性

5.3神经网络的学习

5.3.1神经网络的学习方式

5.3.2神经网络的学习规则

5.4 BP神经网络

5.4.1 BP网络结构

5.4.2 BP学习算法

5.5基于BP神经网络的刀具磨损状态识别

5.5.1网络层数的确定

5.5.2输入层和输出层节点数的确定

5.5.3隐层节点数的确定

5.5.4样本选择与网络算法

5.5.5特征向量的归一化处理

5.6刀具磨损状态识别神经网络的训练与仿真

5.6.1刀具磨损状态识别神经网络的建立

5.6.2刀具磨损状态识别神经网络的训练与仿真分析

本章小结

结论

参考文献

攻读硕士学位期间发表的学术论文

致谢