1 绪论
1.1 课题研究背景及其意义
1.2 刀具监测技术的研究现状
1.2.1 监测方法的种类
1.2.2 信号特征提取技术
1.2.3 模式识别技术
1.3 本文的主要研究内容
2 BTA钻头磨损状态监测实验系统设计
2.1 BTA深孔钻削系统工作原理
2.2 BTA钻头磨损形式及磨损规律
2.2.1 BTA钻头磨损形式
2.2.2 BTA钻头磨损规律
2.2.3 BTA钻头磨损过程实验验证
2.3 BTA钻头磨损监测系统实验设计
2.3.1 实验方案的设计
2.3.2 监测信号的选择
2.3.3 实验平台的搭建
3 主轴电机扭矩信号时域分析与频域分析
3.1 时域特征
3.1.1 时域有量纲统计特征
3.1.2 时域无量纲统计特征
3.2 扭矩信号时域分析
3.2.1 时域信号波形分析
3.2.2 扭矩信号时域有量纲特征
3.2.3 扭矩信号时域无量纲特征
3.3 频域分析
3.3.1 功率谱估计
3.3.2 频域特征
3.4 扭矩信号频域分析
3.4.1 扭矩信号功率谱特性
3.4.2 扭矩信号频域特征
3.5本章小结
4 基于小波变换的BTA钻头磨损特征提取
4.1从傅里叶变换到小波变换
4.1.1 短时傅里叶变换
4.1.2 小波变换
4.2离散时序信号多分辨分析
4.2.1 多分辨分析
4.2.2 Mallat算法
4.3扭矩信号小波分析
4.3.1 扭矩信号小波分解
4.3.2 扭矩信号小波分解特征
4.4扭矩信号功率谱小波分析
4.4.1 功率谱小波分解
4.4.2 功率谱小波分解特征
4.5本章小结
5 基于LSTM的BTA钻头磨损状态监测
5.1 LSTM的原理及结构
5.2 LSTM的BPTT算法
5.3 LSTM的变体
5.4 BTA钻头磨损监测LSTM模型的建立
5.4.1 BTA钻头磨损特征的分布特点
5.4.2 BTA钻头磨损监测LSTM模型结构
5.4.3 BTA钻头磨损监测LSTM模型调优
5.4.4 基于LSTM模型BTA钻头磨损监测方案
5.5 BTA钻头磨损监测LSTM模型的训练与测试
5.5.1 基于时域特征的LSTM钻头磨损状态分类识别
5.5.2 基于时域和频域特征的LSTM钻头磨损状态分类识别
5.5.3 基于小波分解特征的LSTM钻头磨损状态分类识别
5.5.4 基于多类特征融合的LSTM钻头磨损状态分类识别
5.6 本章小结
6 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
西安理工大学;