基于主轴电流的变工况铣刀磨损状态监测研究

摘要

叶轮作为石油化工、核电、航空航天等众多领域的关键零部件之一，其加工质量的好坏直接关系着相关设备的性能优劣。铣刀磨损是一种在机械、热、化学、磨粒等共同作用于刀刃而产生的不可避免的刀具退化现象，其严重影响着叶轮加工质量的好坏和生产成本。在变工况下准确快速的识别铣刀磨损状态对提高叶轮加工质量、节约生产成本和保障相关设备性能具有非常重要意义。 本文主要研究了基于主轴电流的变工况铣刀磨损状态监测方法，主要内容有： （1）针对力信号监测铣刀磨损状态的缺点，分别从理论角度和实验角度出发论证主轴电流代替铣削力进行监测的可行性。理论角度上，根据主轴动力学模型和铣削加工特点，建立主轴电流有效值和切向铣削力的关系式以论证该方案的可行性；实验角度上，通过余弦相似度度量磨损实验中铣削力信号和电流信号的平均值随刀具磨损的趋势向量相似程度，结果显示两者呈现显著线性相关关系，证明了主轴电流代替铣削力监测磨损状态的可行性。 （2）针对将切削力系数作为监测指标的缺点，结合主轴传动模型和切削力模型建立切削电流模型，提出使用切削电流系数和切削电流偏差程度进行铣刀磨损状态识别。实验结果表明切削力系数与切削电流系数之间具有显著线性相关关系，可以使用切削电流系数代替切削力系数进行磨损状态识别。同时，针对直接使用切削系数监测磨损状态的不足，使用切削电流偏差程度代替，实验结果表明，该方法能够有效的监测铣刀磨损状态。 （3）针对基于模型参数的铣刀磨损监测方法的局限性，提出使用阶次谱和卷积神经网络(Convolutional Neural Network,CNN)进行磨损状态监测，更加全面考虑了在叶轮加工中影响刀具磨损状态监测的因素。实验结果表明，该方法能够以高达99.12%的准确率识别铣刀磨损状态，并且与加工参数独立。同时，与其他分类算法进行对比，证明了该方法在识别准确率上的优越性。 （4）基于LabVIEW和Python编写铣刀磨损状态实时监测系统。使用电流传感器和NI9234采集卡等硬件采集存储电流信号，并将基于模型参数和卷积神经网络的铣刀状态监测方法融合入系统中，最后根据实验数据验证了系统的有效性和实用性。

目录

第一个书签之前

ZEqnNum279554

ZEqnNum224770

ZEqnNum550848

ZEqnNum117788

ZEqnNum948507

ZEqnNum498506

ZEqnNum336134

ZEqnNum740839

参考文献范例