钻孔动力头钻削刀具磨损监测方法研究

摘要

钻削加工是制造业金属机械加工中较为普遍的一道工艺。钻孔动力头作为钻削加工的通用设备，在工业自动化生产流水线上得到了广泛的应用。而麻花钻是钻削加工常用的刀具，其磨损失效不仅会给工件的尺寸加工造成较大偏差，而且磨损严重可能导致的停机会降低自动化生产的效率，甚至损坏机器设备。能够及时监测到钻头的磨损状态，并在发生磨损失效造成故障前及时预警，自动化流水线钻削加工对此有着迫切需求。因此研究和设计钻孔动力头钻削刀具磨损监测系统具有重要意义。
　　论文首先对钻削加工刀具麻花钻的几何结构和磨损形式做了简要介绍，将刀具磨损过程分为正常磨损、过度磨损和崩刃三类。然后利用有限元分析软件deform对钻削加工过程中的钻削力和能量进行模拟，分析了钻削加工过程中各参量的变化情况。
　　论文接着以钻削力信号和电机电流信号作为监测对象，搭建实验平台进行数据采样分析。用时-频域分析方式和小波包分析的方法，对监测的信号进行特征提取。
　　最后论文使用人工神经网络BP模型和RBF模型以及支持向量机模型对刀具的磨损状态进行模式识别，经过若干样本数据的训练后建立模型，再通过大量数据进行检验模型识别的准确率。对比两种神经网络模型检验样本数据的结果，表明RBF模型的收敛性和训练效率要优于BP模型，提取的特征值能够较好的反映刀具磨损特点。而支持向量机模型缩小了模式识别经验风险与期望风险的差距。

目录

声明

致谢

摘要

英文摘要

1 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．2．1 监测信号选择

1．2．2 信号分析方法

1．2．3 特征识别

1．3 发展趋势及存在问题

1．4 研究内容

2 麻花钻的结构与磨损简述

2．1 麻花钻的结构

2．1．1 麻花钻的组成

2．1．2 麻花钻的基准坐标系

2．1．3 麻花钻的刀具角度

2．2 麻花钻钻削力分析

2．2．1 麻花钻的钻削力组成

2．2．2 麻花钻钻削力的经验公式

2．3 麻花钻的磨损

2．3．1 麻花钻的磨损形式

2．3．2 影响麻花钻磨损的因素

2．3．3 麻花钻的磨损机理

2．3．4 麻花钻的磨损过程

2．4 本章小结

3 基于Deform 3D软件的麻花钻钻削过程的有限元分析

3．1 Deform3D软件简述

3．1．1 Deform3D软件的应用

3．1．2 Deform3D软件的组成

3．1．3 Deform3D软件的求解器与迭代方法

3．2 基于Deform 3D的刀具钻削过程的仿真分析

3．2．1 钻削仿真的前处理过程

3．2．2 钻削仿真原始数据的获取

3．2．3 钻削仿真数据的处理

3．3 钻削力与钻削用量的关系验证

3．3．1 钻削力与钻削用量的经验公式对数线性化

3．3．2 轴向力与扭矩公式的仿真验证

3．4 本章小结

4 钻削监测信号的采集分析与特征提取

4．1 钻削监测信号的实验平台搭建

4．1．1 钻孔动力头的机械结构与电气控制

4．1．2 钻头磨损程度的直接观测

4．1．3 钻削力信号采集

4．1．4 电机电流信号采集

4．2 钻削监测信号的分析方法概述

4．2．1 傅里叶变换与频域分析

4．2．2 小波变换与时-频域分析

4．3 钻削监测信号的小波变换

4．3．1 一维连续小波交换

4．3．2 一维离散小波变换

4．3．3 多分辨分析与Mallat算法

4．3．4 麻花钻磨损监测信号的多分辨分析

4．4 钻削监测信号的小波包分析

4．4．1 小波包空间分解

4．4．2 小波包算法

4．4．3 轴向力与扭矩的小波包分解

4．5 本章小结

5 钻削刀具磨损的模式识别

5．1 BP神经网络模型

5．1．1 BP模型描述

5．1．2 BP模型训练及识别

5．1．3 BP模型状态识别结果分析

5．2 径向基函数神经网络RBF模型

5．2．1 RBF模型描述

5．2．2 RBF模型训练及识别

5．2．3 RBF模型状态识别结果分析

5．3 支持向量机模式识别

5．3．1 支持向量机模型描述

5．3．2 支持向量机训练及结果分析

5．4 本章小结

6 结论与展望

6．1 工作总结与研究结论

6．2 发展与展望

参考文献