基于小波包技术的刀具振动分析及表面粗糙度预测

摘要

表面粗糙度对零件的使用性能有很大的影响，如果能在切削过程中在线预测表面粗糙度值，则可以及时调整切削参数，有效地控制产品的废品率，提高产品质量和生产效率。本文主要考虑刀具振动对表面粗糙度的影响，基于切削理论建立表面粗糙度的预测模型。
　　 本文对工件表面粗糙度的影响因素进行了分析，刀具振动是影响表面粗糙度的主要动态因素，其中，刀具在切削深度方向上的振动远远大于刀具在其他方向上的振动对粗糙度的影响。研究了工件表面形貌的形成机理，采用仿真的方法将实际表面粗糙度轮廓表示为理想轮廓和刀具与工件之间高频振动的叠加。研究中假设主轴旋转频率较刀具振动频率低很多，对粗糙度的影响较小，因此，以刀具振动信号处理作为主要研究内容。
　　 本文利用直接测量法对刀具的振动信号进行分析。首先，利用加速度传感器采集刀具的振动信号，通过软件编程对信号进行前处理，在频域内两次积分后在时域内转换为位移信号。其次，对刀具的位移信号进行小波包分解和重构，取其中所占能量较大的频率段作为主要研究对象。最后，利用傅里叶变换对各频段的信号进行频谱分析，取出各频段中幅值最大处对应的频率，则刀具的振动方程可表示为这几个频率对应的余弦方程的和。
　　 通过求解切削过程中刀具上各点的轨迹方程，建立工件表面三维形貌的仿真模型。将求解的刀具振动方程带入该模型，利用MATLAB软件实现仿真，通过该三维模型可以方便地求出工件表面各处的粗糙度值。
　　 把工件各段的预测粗糙度值与实测粗糙度值进行比较，结果表明预测的精度很高，说明使用该方法可以正确的预测工件表面粗糙度值，也说明了使用小波包分析和频谱分析求解刀具振动方程的正确性。

目录

声明

摘要

第1章 绪论

1．1 引言

1．2 表面粗糙度预测研究现状

1．2．1 基于切削理论的工件表面粗糙度预测建模

1．2．2 基于回归分析法的工件表面粗糙度预测建模

1．2．3 基于人工神经网络技术的工件表面粗糙度预测建模

1．3 本文采用的研究思路及研究意义

1．4 论文的主要研究内容

1．4．1 本文的主要研究工作

1．4．2 论文结构

第2章 表面粗糙度影响因素分析

2．1 表面形貌形成机理

2．1．1 车削表面形貌的形成

2．1．2 表面形貌的影响因素及仿真

2．2 工件表面粗糙度影响因素分析

2．2．1 切削用量的影响

2．2．2 刀具的影响

2．2．3 机床以及振动的影响

2．3 振动信号处理方式

2．3．1 时域分析

2．3．2 频域分析

2．3．3 时频分析

2．3．4 小波分析

2．4 小波包分析理论

2．5 小结

第3章 刀具振动信号采集实验设计

3．1 传感器的选择

3．1．1 振动测试传感器的类型

3．1．2 压电式加速度传感器的工作原理

3．2 采样频率的选取

3．3 刀具振动信号采集实验设计

3．3．1 实验设备

3．3．2 实验条件

3．3．3 实验方案

3．4 表面粗糙度测量

3．4．1 表面粗糙度评定参数

3．4．2 表面粗糙度测量方法和结果

3．5 小结

第4章 基于小波包技术的刀具振动信号处理

4．1 刀具振动信号预处理方法

4．2 刀具振动位移信号求解

4．3 刀具振动信号小波包分解与重构

4．4 刀具振动信号各频段能量比值

4．5 刀具振动信号频谱分析

4．6 小结

第5章 工件表面形貌仿真及粗糙度预测

5．1 工件表面粗糙度仿真假设条件

5．2 理论粗糙度表面形成过程

5．3 工件表面三维形貌仿真

5．3．1 刀具轨迹方程

5．3．2 工件表面形貌仿真

5．4 试验数据分析

5．5 小结

结论

参考文献

致谢