基于声信号的深孔加工状态监测技术研究

摘要

深孔加工是一种重要的金属切削加工方法，刀具的切削性能及磨损状态直接影响深孔的加工质量及加工效率，但由于深孔加工过程属半封闭式加工，刀具切削条件恶劣，且无法直观地观察刀具的切削性能及磨损状态，导致深孔加工的自动化、智能化程度远低于其它开放式加工，如车削、铣削等。因此研究开发适于深孔加工状态监测技术具有重要理论意义和实用价值。
　　试验发现，在深孔加工过程中正常状态与异常状态(如刀具磨损严重或破损、切屑阻塞等)下，声信号有所不同。基于这一情况，本研究结合核电管板的深孔加工试验研究，通过采集大量不同加工状态下的声信号，分析了其时域、频域及时频域的变化规律，运用小波包分析法提取了不同加工状态下声信号的能量特征，采用BP神经网络分析法进行特征识别及加工状态判别。在此基础上编写了基于声信号的深孔加工状态在线监测程序，该程序可对异常加工状态做出判断并指导处理异常从而实现在线监测。
　　实际监控试验结果表明，在深孔加工过程中以声信号进行加工状态监测切实可行，能够真实地反映出深孔加工过程中的实际加工状态，对正常状态和切屑阻塞状态的识别率接近100％；对刀具磨损或破损状态的正确识别率可达到80%以上，为深孔加工状态监测开辟了一条简单、有效的途径，具有一定推广应用价值。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景

1.2 研究意义

1.3 刀具状态监测方法

1.4 刀具状态监测研究现状

1.5 本文的主要研究内容

2基于声信号的深孔加工状态监测试验平台

2.1 实验条件

2.2 数据采集与分析

2.3 本章小结

3 声信号采集及预处理

3.1 声信号采集

3.2 声信号预处理

3.3 声信号处理结果

3.4 本章小结

4 小波包处理数据与特征提取

4.1 常用变换算法

4.2 多分辨率分析原理与性质

4.3 分解与重构算法的实现

4.4 小波包的基本原理

4.5 小波包处理信号

4.6 本章小结

5 深孔加工状态识别

5.1 模式识别方法

5.2 人工神经网络

5.3 BP神经网络

5.4 基于切削声信号的深孔加工状态识别

5.5 神经网络的建立

5.6 刀具磨损状态识别

5.7 实际加工中的连续识别

5.8 深孔加工状态监测系统

5.9 本章小结

6 结论与展望

6.1 结论

6.2 展望

致谢

参考文献