一、切削颤振预报方法探讨(论文文献综述)
娄培生[1](2021)在《薄壁筒车削颤振监测方法及其表面形貌特征分析》文中研究指明薄壁筒类零件具有重量轻、结构紧凑等优点,广泛应用于航空航天、船舶、能源等领域。这类零件具有刚性低等特点,加工过程中工件与刀具之间极易产生强烈的自激振动(颤振),使得工件表面产生振纹,严重制约加工质量和生成效率。开展薄壁筒类零件切削颤振监测方法及其表面形貌特征研究,对于保证其加工过程的稳定性、控制表面质量具有重要的应用价值。针对薄壁筒零件的车削颤振问题,本文主要的研究内容包括:首先,分别建立薄壁筒在静止状态和旋转状态下的动力学方程,得到工件在不同状态下的振型变化规律以及固有频率的变化规律。对比梁的振型,薄壁筒振型可用周向波数和轴向半波数表示。相比于静止状态而言,旋转态薄壁筒固有频率会发生分叉现象,这是由于旋转态下的工件存在柯氏效应,导致了固有频率的变化。对薄壁筒振动特性的分析为实际切削过程中工件的车削振动信号分析与特征提取提供了理论依据。其次,为实现早期颤振孕育特征的快速预警,考虑到声音传感器具有安装便捷且对工艺系统干扰较小等优点,提出了一种基于声压信号能量峭度指标的车削颤振监测方法。从时频域角度分析切削系统从稳定到颤振过程中声压信号的变化特点;随后基于小波包分解提取了目标频带的微弱颤振特征,通过目标频带的能量峭度指标来实现快速警报;最后制定监测方案并开展车削试验验证该方法的准确性和快速性。再次,研究切削参数、工件动态特性等因素对薄壁筒表面纹理形成的作用机理。通过有限元仿真获得一次完整走刀过程中,由于材料的不断去除以及刚度变化,工件随着切削位置对应模态振型的变化规律。结合切削加工原理,理论推导出的颤振频率、工件尺寸以及切削参数和工件表面条纹斜率的内在关系表达式,通过对仿真信号的展开印证了理论推导的正确性。最后,开展薄壁筒工件车削振动试验,验证薄壁筒切削颤振监测方法以及工件表面纹理特征的理论研究。当颤振发生时,工件表面的振纹与切削位置、工件模态振型及其固有频率的变化规律有着切联系。基于声压信号能量峭度的颤振监测方法能够准确地判别出颤振从稳定到萌生再到成熟的演变过程。通过提取车削试验中的车削加工参数、工件尺寸以及颤振频率等信息,仿真再现了表面振纹图案,验证了理论分析的正确性。
侯慧杰[2](2020)在《基于傅里叶分解方法和径向基神经网络的铣削颤振检测研究》文中进行了进一步梳理铣削加工是常用的加工方式,当切削参数选择不当时容易发生颤振,严重影响工件的表面质量和加工效率。若能对铣削状态进行检测,以便及时采取措施抑制颤振,则可以避免造成更大的损失。针对这一问题,本文从试验设计、信号分析、特征识别和软件开发几个方面,进行了以下研究:基于铣削动力学模型,通过求解动力学方程,绘制了稳定性叶瓣图,并据此设计了不同加工参数的铣削试验。采集振动加速度信号,建立了不同铣削状态的数据样本集,对稳定铣削和颤振状态下的振动信号特性进行了分析。考虑铣削振动信号的非平稳性,引入了一种新的时频分析理论,即傅里叶分解方法(FDM),对仿真信号的分解结果表明,FDM相比于EMD能够有效抑制模态混叠和过分解现象。分别在时域、频域和时频域对铣削振动信号进行了特征提取,鉴于使用单一特征量设定阈值的检测方法精度较差,提出了基于径向基神经网络的铣削颤振检测方法。使用皮尔逊相关系数法结合算法模型的检测结果对特征量进行了筛选,将三维特征向量输入径向基神经网络进行训练和测试,测试结果表明,该方法能够对铣削状态进行检测,并具有较高的分类精度。设计并开发了铣削颤振检测软件,实现了数据采集、波形显示、铣削状态监测和反馈调节加工参数等功能。
李伟家[3](2019)在《基于铣削颤振抑制机理的减振铣刀动态特性研究》文中认为铣削加工是机械制造技术的重要组成部分之一,已广泛应用于航空航天、医疗、汽车及军事等领域。随着现代加工技术的不断发展,对金属去除率、加工效率、加工精度和加工表面质量提出了更高的要求,尤其在对深腔薄壁复杂零件进行铣削加工时,其加工过程中的颤振问题已成为了制约其发展的重要因素。本文基于铣削颤振抑制机理中的阻尼和动力减振技术,设计了大长径比、大悬伸阻尼动力减振铣刀,通过理论模型研究、仿真分析和实验验证等方法,从机床-刀具-工件系统的颤振稳定性、切削力、振动信号和表面形貌等角度来验证减振铣刀的抗振效果。本文的主要研究内容如下:(1)基于阻尼和动力减振理论建立了阻尼动力减振铣刀的二自由度动力学模型,并推导了理论模型中的最优频率比和最佳阻尼比。根据理论模型对阻尼动力减振铣刀的内部结构进行了设计,通过模态仿真得到了普通实心铣刀、空心刀杆铣刀和阻尼动力减振铣刀的前6阶模态振型及相对应的固有频率。分别对普通实心铣刀、空心刀杆铣刀和阻尼动力减振铣刀进行了多柔体动力学仿真,分析结果表明:阻尼动力减振铣刀的共振幅值相比于普通实心铣刀和空心刀杆铣刀分别下降了约58.4%和51.2%。进一步探究了阻尼动力减振铣刀内部结构对减振效果的影响程度及其变化规律。(2)通过对多种不同阻尼液运动粘度的减振铣刀、空心刀杆铣刀和普通实心铣刀进行试验模态测试,得到了机床-刀具系统共振下的模态参数和频率响应曲线,与模态仿真获得的数据相比,固有频率的最大误差为2.6%。同时研究结果表明:在相同铣削工况下,阻尼液运动粘度为10万厘斯的减振铣刀具有最小的共振幅值和最佳的减振性能。(3)对普通实心铣刀和阻尼动力减振铣刀进行了颤振稳定性仿真和分析,研究结果表明:阻尼动力减振铣刀的稳定性曲线相较于普通铣刀的稳定性曲线,其轴向极限切削深度提高了约66.7%,且整个稳定切削的区域也大幅增加了,高速铣削工况的极限切削深度也有明显的增大。(4)通过对不同材料零件进行铣削对比实验,从切削力、振动和表面形貌三个角度进行分析,研究结果表明:阻尼动力减振铣刀在铣削过程中的各向切削分力及切削合力均小于普通铣刀。阻尼动力减振铣刀在加工AISI P20模具钢时的时域加速度峰值相较于普通铣刀下降了约42.3%。从频域进一步分析可知,在颤振频率处,阻尼动力减振铣刀的振动幅值相比于普通铣刀降低了约35.3%。阻尼动力减振铣刀加工零件表面的振纹相比于普通铣刀均有一定的改善,说明阻尼动力减振铣刀具有良好的颤振抑制效果,进一步表明本文构建的阻尼动力减振铣刀理论模型准确,设计的减振铣刀结构合理,具有良好的工程应用价值。
邱辉[4](2017)在《再生型车削颤振稳定性分析及预报方法研究》文中进行了进一步梳理颤振问题几乎在所有的切削加工中都会产生,它会造成所加工工件尺寸精度降低、刀具损毁等一系列的问题。本文针对车削颤振问题,应用非线性动力学知识,对再生型车削颤振进行建模并对切削颤振系统进行稳定性分析。另外采用实验测试的方法对车削振动信号进行研究,构建车削颤振预报函数并总结颤振特征量的变化规律,进行车削颤振预报研究。研究工作主要包括如下几方面:第1章,简述了国内外学者关于切削颤振问题的机理和建模、颤振特征量提取以及切削颤振预报等方面的研究现状和发展趋势,在此基础上确定了本文的研究内容。第2章,构建了再生型车削颤振的动力学模型,获得了切削颤振系统的稳定性叶瓣图并对其稳定性进行了分析。通过分析发现提高切削系统的等效阻尼比、固有频率、等效刚度能增大稳定性叶瓣图稳定区域,而提高切削刚度系数、方向系数和切削重叠系数则会使稳定性叶瓣图的稳定区域变小。第3章,搭建了再生型车削颤振实验平台,选取加速度作为研究颤振预报的目标信号,制定了切深渐变的车削颤振实验方案,获取了由稳定车削到车削颤振的信号,最后从时域和频域内对颤振信号进行了初步分析。第4章,采用时域信号提出了两种车削颤振预报方法。前者利用Lempel-Ziv复杂度算法对车削加工中稳定车削阶段、过渡阶段及颤振阶段的复杂度进行计算,划分了不同车削加工阶段的复杂度区间以此进行车削颤振预报。后者将Elman神经网络应用于车削颤振预报,发现神经网络的预测值与实际值的均方误差能够区分稳定车削阶段和颤振阶段,由此构建了一个车削颤振预报函数,预报准确率达92%。第5章,在时频域内,将经验模态分解法(EMD)用于车削颤振特征提取,再通过希尔伯特-黄变换(HHT)对颤振特征量进行分析,发现颤振产生时特征量时频谱中出现频带由宽变窄的现象,最后能量集中在很窄的频带内,据此进行车削颤振预报。第6章,对本文研究内容进行总结和展望。
钱士才[5](2016)在《车削颤振的在线智能检测及抑制研究》文中指出航空制造业是制造业最为重要的组成部分之一,而航空薄壁零件的加工一直都是制约航空工业发展的关键因素。薄壁零件加工过程中极易发生颤振问题,从而影响生产效率以及加工质量。颤振对工件、刀具和机床设备的危害已毋庸置疑,发展切削颤振的检测和控制技术已对航空件的加工十分关键。本文研究并设计了颤振在线智能检测与抑制的闭环切削系统,通过检测切削力信号,实时监测切削状态并在线抑制颤振的发生,达到薄壁零件高品质加工的目的。首先,通过理论和实验分析了再生型切削颤振的产生条件和特点,得出颤振的发生总是伴随着机床在其薄弱环节固有频率处的剧烈振动的结论。依据颤振的特点,提出了基于小波包节点能量的特征提取方法,并通过实验分析了分解层数对其识别效果的影响,发现较高层的小波包节点能量的颤振识别精度较高。结合LSSVM分类器的特点,提出了LSSVM-RFE特征降维方法,进一步消去高层小波包节点能量特征中的冗余信息并降低检测时间,颤振识别精度由97.41%提升至98.90%,检测时间由25.5ms降低至9.5ms。接着,研究了一类支持向量机的最小二乘形式——LS-OC-SVM,将其应用颤振检测中,并提出了基于LS-OC-SVM的在线进化的检测模型。模型中使用分块矩阵求逆实现了LS-OC-SVM的在线增量式求解,使用相干准则构建数据集的字典将LS-OC-SVM的解稀疏化,特征信息被存储于字典中,通过更新字典实现检测模型的在线进化。实验结果表明,在线进化的检测模型有更高的颤振预报准确率。最后,通过切削稳定性分析,研究了变速切削抑制颤振的机理。利用840D系统高级编程中同步动作,在机床系统中实现了变速切削,变速与恒速车削实验结果对比表明变速车削可有效抑制颤振。通过机床系统的改装,设计了颤振在线检测与抑制的闭环智能切削系统,在加工过程中实时检测切削力信号以监测机床状态,当颤振孕育时,系统开启变速车削策略实时抑制颤振的发生。薄壁件车削实验结果表明本文的智能切削系统可有效地实现高品质无颤振加工。
徐志明[6](2014)在《再生型车削颤振的在线综合预报研究》文中研究说明切削颤振是机械加工过程中刀具与工件之间产生的一种强烈的相对振动,它会降低切削质量和切削效率,降低刀具和机床的使用寿命,已成为机械加工过程中影响零件加工质量的主要问题之一,在先进制造业快速发展的背景下研究机械加工中的切削颤振现象有较好的实际意义。论文的主要工作如下:(1)结合机床切削颤振机理模型,总结了切削颤振的在线监测、预报和控制方面的研究成果。以再生型切削颤振为基础,研究了带有时滞反馈的再生型切削颤振系统的动力学模型,建立了系统动力学方程,分析切削参数对切削振动系统稳定性的影响,得到了颤振系统的临界稳定性图,并从理论分析了切削颤振的幅值特性和频域特性,为后面的仿真研究提供了基础。(2)基于再生型切削颤振的幅值特性和频域特性,利用信号分析的相关理论分析了车削颤振的特性。在时域内,仿真模拟切削颤振信号稳定、过渡和颤振三状态,利用信号方差理论对仿真颤振信号进行仿真处理;然后阐述了信号处理中的自相关分析,并且模拟切削颤振发生过程中信号主频率变化与自相关函数之间的对应关系。最后阐述了随机信号的参数化功率谱估计理论,模拟车削颤振发生过程中的信号频率变化,对比自相关算法和Burg算法对功率谱估计变化的分辨率。(3)运用加速度传感器监测刀架振动信号,建立一个运用FFT分析仪的切削颤振信号数据在线采集和分析系统,在线监测C646车床的车削过程,采集了机床各种切削状态的信号;运用切削颤振信号分析理论分析所采集信号的时域和频域特性,建立了能够反映切削颤振时域和频域特性的特征量,并分析各个特征量对于切削颤振预报的可行性、准确性和及时性,为后面建立综合切削颤振预报函数建立相关基础。(4)利用能够反映切削颤振时域特性的方差比B σ和反映频域特性的自相关函数建立了一个综合切削颤振预报函数Y,先根据大量的试验数据分别选定了时域和频域预判阀值,然后确定了综合切削颤振预报函数的颤振警报阀值,并且根据建立的综合预报函数搭建了一个切削颤振监测预报系统,最后以实测的切削颤振信号验证了监测系统对切削颤振的预判能力,实验结果证明监测系统可以准确判别切削颤振的发生,减少偶然因素引起的过判和漏判。
李欣[7](2013)在《基于HMM-SVM的磁流变自抑振智能镗杆颤振在线预报理论和方法研究》文中研究指明由于镗杆的长径比通常比较大、镗削系统结构刚度较低,镗削加工过程极易发生颤振,这给精密孔的加工带来了极大的困难,往往导致精密孔加工精度低、表面质量差、加工效率低等问题。为了对镗削颤振进行快速有效的抑制,确保精密孔的加工质量,本文结合浙江省自然科学基金项目(Y104462)和国家自然科学基金项目(50405036),利用理论推导、数值仿真分析和实验研究等手段,对磁流变自抑振智能镗杆镗削颤振的在线识别预报理论和方法展开了深入研究。第1章,阐述了课题的研究背景与意义,详细介绍了金属切削颤振及其在线识别预报技术的研究现状和发展趋势,提出了本文的主要研究内容。第2章,对金属切削颤振产生机理进行了深入的研究,建立了再生型颤振的系统动力学模型,并对机床金属切削系统的稳定性进行了分析,推导出了金属切削系统稳定性极限图;在此基础上,对变速切削法抑振机理进行了研究,揭示其颤振抑制的本质;研究了系统结构刚度和阻尼对系统稳定性的影响,分析了变刚度切削进行颤振抑制的可行性,最后设计了一种基于磁流变液材料的自抑振智能镗杆,并对其抑振原理进行了阐述。第3章,提出了将EMD分解和HHT变换方法引入镗削颤振征兆特征提取过程中,并对其基本理论和实现过程进行深入的研究。首先,利用EMD对镗削振动信号进行分解,并通过将分解所得的IMF分量的能量变化情况与颤振的“能量频移”现象进行对比,验证了EMD分解在镗削颤振征兆特征提取是可行的。其次,再对IMF分量进行Hilbert变换,得到振动信号的时频图,最终快速有效的实现镗削颤振征兆特征的提取。第4章,在研究多特征信息融合技术的基础上,提出将FastICA引入到镗削颤振识别预报中,并建立了基于IMF虚拟通道的FastICA镗削颤振征兆信号分离系统,将前一章中所提取的颤振征兆特征进一步融合,从而分离出更能反映颤振征兆的特征信号,经数值仿真分析表明,该方法能有效提高镗削颤振的征兆特征精准度,为后续的镗削状态识别系统打下基础。第5章,在对HMM、SVM两个模式识别模型的基本算法、优缺点和适用范围进行深入分析的基础上,结合镗削颤振形成过程中过渡阶段较短且容易与相邻的正常镗削、颤振阶段混淆的特点,提出了一种基于HMM-SVM混合模型的镗削颤振识别系统。在该系统中,HMM作为第一层进行初步筛选,得到镗削过程最为接近的两种可能状态,然后再利用SVM分类器进一步分类识别,得到最终的识别结果,这样既发挥了HMM模型较强的时间序列建模能力,又充分利用了SVM较强的二类分类能力。第6章,为了对本文提出的颤振预报理论和方法的正确性进行验证,建立了智能镗杆切削颤振识别预报系统的软硬件实验平台,并开展实验研究。首先,利用EMD对镗削振动信号进行分解,再利用FastICA分离出颤振爆发征兆信号,然后利用HHT进行Hilbert变换,得到镗削颤振征兆特征向量;再次,利用本文提出的HMM-SVM混合模型,进行镗削状态识别预报和颤振抑制实验,并通过实验方法对本文提出的镗削颤振在线预报控制方法的有效性进行验证。第7章,对本文的主要研究工作进行总结与展望。
唐英,张大勇[8](2011)在《切削颤振研究的关键技术与进展综述》文中研究指明切削颤振是金属切削加工过程中的一种非常复杂的机械振动现象,影响零件加工质量并限制生产率提高。颤振产生的原因和发生、发展规律与切削过程本身以及切削机床动态特性都有着内在的本质联系,长久以来被众多研究者关注。本文就切削颤振在颤振机理、建模、稳定性分析、颤振识别预报以及颤振控制领域的国内外研究成果进行了详细介绍,讨论和分析了各领域研究的热点问题、关键技术以及未来研究方向。
蒋永翔[9](2010)在《复杂制造系统加工稳定性在线监测及寻优控制关键技术研究》文中研究表明随着先进制造技术领域对制造质量要求的提高,加工过程故障辨识及控制技术凸显其重要性,对铣削无颤振加工稳定性的在线监测是其重要研究内容之一。本课题以TDNC-H8数控机床为验证平台,进行了稳定性快速预报和在线寻优控制理论的研究,探讨了确保稳定铣削的在线监测智能控制一体化解决方案。基于离散动力系统非线性控制理论,据C-C算法获得的最佳嵌入维和时间延迟进行了在线监测振动信号的相空间重构,通过对可反映颤振规律和可预言性的粗粒化熵率特征提取及实验验证,实现了铣削不稳定加工状态的快速准确预报。考虑多自由度和时变铣削力系数的影响,对厚壁铣削件进行了加工稳定性预测研究。以时变铣削力系数下的铣削力建模为基础,建立了适合于厚壁铣削件的稳定性动力学模型,进行了多自由度耦合及考虑时变铣削力系数的三维稳定性图绘制。通过各加工参数n、ap、ae和fz的稳定性影响分析及实验验证,获得了适合于厚壁件铣削过程的稳定性预测理论。在铣削力系数时变稳定性预测理论研究基础上,探讨铣削至薄壁件后刀具—工件系统刚度时变对稳定性的影响,建立了刀具—工件系统耦合传递函数模型,研究了适合于在线监测的运行模态主轴转速扫频传递函数实时获取方法,构建了准确性、实时性均优的加工稳定性预测理论。研究了以不稳定加工状态快速预报理论进行识别,同时考虑生产规划和加工阶段最大材料去除率的稳定性在线寻优控制方法。探讨了生产规划阶段影响稳定性区域面积的相关结构参数变化规律及加工阶段最大材料去除率获取方法,研究了在线寻优控制中扩大稳定性区域和稳定区快速搜索方法的具体实施。构建了基于网络,具有可重构和开放性的功能模块化嵌入式在线监测智能测控系统。重点针对笔者开发的软件部分进行了嵌入式在线监测单元的开发及功能阐述。建立了加工稳定性在线监测寻优控制及其他多种在线监测算法的应用平台,为本课题所研究算法的工程应用奠定了基础。
邵强[10](2010)在《切削加工过程中颤振的监测与识别方法研究》文中研究说明切削加工是使用切削工具,把坯料或工件上多余的材料层切去,使工件获得规定的几何形状、尺寸和表面质量的加工方法。在切削加工过程中所产生的颤振是影响工件质量的主要原因之一,颤振具有非线性、时变性和不确定性等特点,难以进行精确的测量和识别,多年来吸引了国际上众多学者持续对其进行研究,取得了一些重要的研究成果,但仍然存在一些问题有待于解决。本文综合了隐马尔可夫、支持向量机及核主元分析等理论和方法,对机床启动过程、刀具磨损状态等诱发颤振的因素进行诊断分析,并且对切削加工中的颤振监测和识别方法进行研究。论文完成的主要工作如下:(1)通过对切削加工时机床启动过程的故障特征分析,基于隐马尔可夫理论,建立了混合密度连续隐马尔可夫模型,对机床启动过程的故障进行识别。采用连续混合密度隐马尔可夫模型识别车床启动过程的运行状态,解决了隐马尔可夫模型的溢出问题,根据高斯密度函数特点,提取启动过程的工件松动、不平衡、不对中和正常启动等特征信息,依据信息特征进行故障诊断识别。该模型克服了传统的诊断方法容易丢失特征信息的弊端,方法简单、识别率高,适合应用于旋转机械的启动过程故障诊断。与隐马尔可夫模型进行比较分析,实验结果表明,该模型具有较好的识别效果。(2)通过刀具磨损量对颤振影响程度的分析,基于离散隐马尔可夫理论,建立了刀具磨损诊断模型。采用对切削加工中的动态切削力信号和刀柄振动信号进行快速傅立叶变换并提取特征量,将提取的特征谱矢量作归一化处理,然后利用自组织特征映射对归一化矢量进行预分类离散编码,编码量值作为观测序列引入到离散隐马尔可夫模型中进行机器学习,识别出刀具磨损程度,识别结果作为控制切削进给量大小的依据。该模型克服了传统识别方法的计算量大、算法复杂的缺点,识别速度高,具有良好的实时性,并通过与隐马尔可夫模型和分形理论比较分析,实验结果表明,该模型具有较好的识别效果,为正确识别切削颤振奠定基础。(3)针对切削力信号和工件振动信号的非线性、不确定性和时变性的特点,提取切削过程的大样本数据,建立了基于核主元分析与支持向量机结合的故障诊断模型(KPCA-SVM)。该模型通过KPCA方法提取非线性颤振数据中的线性主元信息,根据主元信息贡献率的大小,确定能够代表颤振特性的线性主元,然后,通过SVM的分类能力,对线性主元进行一对多方式分类,分类结果作为判定是否具有颤振趋势的依据,为控制任务提供数据基础。该方法弥补了传统识别方法难于充分描述颤振发展过程的缺陷,实验结果表明:对于能够描述切削过程的大样本数据,KPCA-SVM是一种新的有效的颤振趋势识别方法。与主元分析与支持向量机模型(PCA-SVM)的识别效果比较,具有一定的优越性。(4)针对切削加工过程中的颤振发生时的小样本数据,建立了基于支持向量机与隐马尔可夫模型(SVM-HMM)结合的诊断模型,辨识颤振发生的程度。该模型首先求取小样本数据在支持向量机下的最优比率,然后把最优比率转化成Sigmoid概率,作为观测序列输入到HMM模型,通过隐马尔可夫模型的良好的类内分类能力,对切削过程中能够表现颤振的振动信号和切削力信号做出有效训练和识别。实验结果表明,对于小样本数据,该方法对切削颤振具有较强的识别能力,识别效果优于支持向量机方法、隐马尔可夫方法,该方法克服了非颤振信息颤振化错误判断的弊端,是一种颤振诊断的新方法。
二、切削颤振预报方法探讨(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、切削颤振预报方法探讨(论文提纲范文)
(1)薄壁筒车削颤振监测方法及其表面形貌特征分析(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 选题背景与研究意义 |
1.2 国内外研究现状 |
1.2.1 切削颤振理论的发展 |
1.2.2 颤振监测的方法的研究现状 |
1.2.3 薄壁筒的振动特性研究现状 |
1.3 本文主要研究的内容 |
第2章 薄壁筒振动特性分析 |
2.1 薄壁筒动力学基础理论 |
2.1.1 力学模型 |
2.1.2 壳体理论及其基本方程 |
2.2 静止薄壁筒动力学方程的建立 |
2.3 静止薄壁筒模态特性分析 |
2.3.1 薄壁筒振型 |
2.3.2 薄壁筒固有频率分析 |
2.4 旋转薄壁筒动力学方程的建立 |
2.5 旋转薄壁筒模态特性分析 |
2.5.1 旋转态薄壁筒振型 |
2.5.2 旋转态薄壁筒固有频率分析 |
2.6 本章小结 |
第3章 基于声压信号的车削颤振监测方法 |
3.1 颤振监测流程与方法 |
3.1.1 传感器的选用 |
3.1.2 特征信号的提取 |
3.1.3 预报判决方法 |
3.2 基于声压信号能量峭度指标的车削颤振监测方法 |
3.2.1 颤振声压信号的特征分析 |
3.2.2 小波包能量峭度 |
3.2.3 颤振监测方案 |
3.3 基于柔性工件的车削试验验证 |
3.3.1 试验台的搭建 |
3.3.2 数据初步处理 |
3.3.3 特征提取 |
3.3.4 监测结果 |
3.4 本章小结 |
第4章 工件表面纹理特征与形成机理分析 |
4.1 表面振纹的形成机理 |
4.2 薄壁筒时变模态仿真分析 |
4.3 基于信号展开的表面形貌再现 |
4.3.1 关于条纹斜率的形成原因分析 |
4.3.2 基于仿真信号展开的表面形貌 |
4.4 本章小结 |
第5章 薄壁筒工件车削振动试验验证 |
5.1 薄壁筒试验分析 |
5.1.1 试验台设计与搭建 |
5.1.2 模态测试分析 |
5.1.3 车削振动分析 |
5.2 基于薄壁筒工件的颤振监测方法的验证 |
5.2.1 基于多种信号的分析对比 |
5.2.2 颤振监测方法分析与验证 |
5.2.3 基于Matlab的颤振监测软件开发设计 |
5.3 薄壁筒颤振表面纹理分析及试验验证 |
5.3.1 薄壁筒壳体模态的振纹图案 |
5.3.2 薄壁筒工件表面的振纹特征提取 |
5.3.3 特殊振纹图案的优化与再现 |
5.3.4 基于Matlab的表面形貌再现软件开发设计 |
5.4 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
攻读学位期间取得的科研成果 |
致谢 |
(2)基于傅里叶分解方法和径向基神经网络的铣削颤振检测研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题来源 |
1.2 课题背景和研究意义 |
1.3 国内外研究现状 |
1.4 本文的研究内容及总体结构 |
2 铣削颤振试验设计及特性分析 |
2.1 铣削稳定性分析 |
2.2 铣削试验系统 |
2.3 铣削加工试验设计 |
2.4 基于振动信号的铣削颤振特性分析 |
2.5 本章小结 |
3 基于傅里叶分解方法的铣削颤振特征提取 |
3.1 傅里叶分解方法的原理和算法实现 |
3.2 FDM与 EMD方法的比较研究 |
3.3 铣削颤振特征量的提取及分析 |
3.5 本章小结 |
4 基于RBF神经网络的铣削颤振识别 |
4.1 RBF人工神经网络概述 |
4.2 基于K-mean算法和监督学习的参数确定方法 |
4.3 颤振特征的评价和选择 |
4.4 基于RBF神经网络的铣削颤振识别 |
4.5 本章小结 |
5 铣削颤振在线监测软件的开发与实现 |
5.1 软件的总体框架 |
5.2 软件的主要功能 |
5.3 本章小结 |
6 总结与展望 |
6.1 全文总结 |
6.2 工作展望 |
致谢 |
参考文献 |
(3)基于铣削颤振抑制机理的减振铣刀动态特性研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题的研究背景 |
1.2 切削颤振的研究现状 |
1.2.1 切削颤振机理研究现状 |
1.2.2 切削颤振稳定性研究现状 |
1.2.3 切削颤振监测与预报研究现状 |
1.2.4 切削颤振抑制工程应用研究现状 |
1.3 本文研究的目的和意义 |
1.4 本文主要研究内容 |
第二章 阻尼动力减振铣刀理论模型建立及分析 |
2.1 引言 |
2.2 阻尼动力减振铣刀的减振原理 |
2.2.1 阻尼减振的基本原理 |
2.2.2 动力减振的基本原理 |
2.3 阻尼动力减振铣刀的理论模型建立 |
2.3.1 减振铣刀动力学模型建立 |
2.3.2 减振铣刀最优频率比分析 |
2.3.3 减振铣刀最优阻尼比分析 |
2.4 本章小结 |
第三章 阻尼动力减振铣刀结构设计及分析 |
3.1 引言 |
3.2 减振铣刀杆体材料和结构设计 |
3.2.1 减振铣刀刀杆材料的选择 |
3.2.2 减振铣刀刀杆结构的设计 |
3.3 减振铣刀刀头的选择 |
3.4 减振质量块的设计 |
3.5 减振橡胶圈的设计 |
3.5.1 橡胶圈材料的选择 |
3.5.2 橡胶圈尺寸规格的选择 |
3.6 阻尼液的选择 |
3.6.1 阻尼液等效粘度系数的计算 |
3.6.2 阻尼液材料的选择 |
3.7 减振铣刀整体设计 |
3.8 本章小结 |
第四章 阻尼动力减振铣刀动态特性仿真研究 |
4.1 引言 |
4.2 减振铣刀仿真模型建立 |
4.3 减振铣刀模态仿真分析 |
4.3.1 模态分析介绍 |
4.3.2 阻尼动力减振铣刀模态仿真分析 |
4.4 减振铣刀振动特性分析 |
4.4.1 多刚体动力学模型建立 |
4.4.2 多柔体动力学模型建立 |
4.4.3 仿真系统初始参数确定 |
4.4.4 减振铣刀频域仿真分析 |
4.5 减振铣刀内部结构对减振性能的影响 |
4.5.1 阻尼液对减振效果的影响 |
4.5.2 减振质量块对减振效果的影响 |
4.5.3 减振橡胶圈对减振效果的影响 |
4.5.4 空腔大小对减振效果的影响 |
4.6 本章小结 |
第五章 阻尼动力减振铣刀颤振稳定性实验研究 |
5.1 引言 |
5.2 减振铣刀试验模态分析 |
5.2.1 试验模态分析简介 |
5.2.2 试验设备 |
5.2.3 试验方案与分析 |
5.3 阻尼动力减振铣刀颤振稳定性仿真分析 |
5.3.1 颤振稳定性预测模型 |
5.3.2 颤振稳定性叶瓣图概述 |
5.3.3 仿真方案与分析 |
5.4 铣削对比实验 |
5.4.1 实验设备 |
5.4.2 实验方案 |
5.4.3 切削力实验结果分析 |
5.4.4 铣削过程振动信号分析 |
5.4.5 工件表面形貌分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 主要结论 |
6.2 主要创新点 |
6.3 展望 |
参考文献 |
致谢 |
攻读硕士学位期间取得的成果 |
(4)再生型车削颤振稳定性分析及预报方法研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 课题研究来源、背景及意义 |
1.1.1 课题来源 |
1.1.2 课题背景及意义 |
1.2 国内外研究现状 |
1.2.1 颤振机理与模型的研究 |
1.2.2 传感信号及传感器的选择 |
1.2.3 切削颤振的特征量提取 |
1.2.4 切削颤振监测与预报 |
1.3 论文研究的主要内容 |
2 再生型车削颤振动力学建模及稳定性分析 |
2.1 再生型车削颤振物理模型 |
2.1.1 主轴转速与切削深度的关系 |
2.1.2 稳定性叶瓣图 |
2.2 再生型车削颤振稳定性分析 |
2.3 本章小结 |
3 再生型车削颤振监测系统设计 |
3.1 颤振监测系统设计 |
3.2 传感器信号的选取 |
3.3 系统器件选型 |
3.4 颤振监测实验方案 |
3.4.1 实验条件 |
3.4.2 车削颤振信号的捕捉 |
3.5 颤振信号的初步分析 |
3.6 本章小结 |
4 基于时域信号的车削颤振预报 |
4.1 基于Lempel-Ziv复杂度的车削颤振预报 |
4.1.1 Lempel-Ziv复杂度原理及算法 |
4.1.2 车削颤振特征提取及预报 |
4.2 基于Elman神经网络的车削颤振预报 |
4.2.1 Elman神经网络 |
4.2.2 Elman神经网络颤振预报模型的建立 |
4.2.3 车削颤振判别函数的构建 |
4.2.4 车削颤振在线识别与验证 |
4.3 两种方法对比 |
4.4 本章小结 |
5 时频域内EMD分解及HHT变换的车削颤振预报 |
5.1 经验模态分解方法(EMD) |
5.2 希尔伯特-黄变换(HHT)时频分析方法 |
5.3 经验模态分解(EMD)方法仿真验证 |
5.4 车削颤振的EMD分解 |
5.5 基于EMD-HHT变换的车削颤振的征兆分析 |
5.6 本章小结 |
6 结论与展望 |
6.1 全文总结 |
6.2 创新点 |
6.3 展望 |
参考文献 |
在学研究成果 |
致谢 |
(5)车削颤振的在线智能检测及抑制研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题来源 |
1.2 课题的研究背景和意义 |
1.3 国内外研究现状 |
1.3.1 颤振检测方面 |
1.3.2 支持向量机及其应用方面 |
1.3.3 颤振抑制方面 |
1.4 本文主要研究内容和章节安排 |
1.4.1 主要研究内容 |
1.4.2 章节安排 |
第二章 支持向量机方法 |
2.1 引言 |
2.2 统计学习理论 |
2.3 支持向量机 |
2.3.1 最优分类超平面 |
2.3.2 支持向量机 |
2.4 核函数和参数优化 |
2.4.1 核函数的概念 |
2.4.2 核函数参数优化 |
2.5 最小二乘支持向量机 |
2.6 本章小结 |
第三章 基于特征降维的颤振检测 |
3.1 引言 |
3.2 颤振分析和特征提取 |
3.2.1 颤振的理论分析 |
3.2.2 颤振特征实验与分析 |
3.2.3 基于小波包节点能量的颤振特征提取 |
3.2.4 小波包分解层数对颤振识别的影响 |
3.3 特征选择方法 |
3.3.1 特征选择方法综述 |
3.3.2 最小二乘支持向量机-回归特征消除 |
3.4 基于特征降维的颤振检测 |
3.4.1 颤振检测算法流程 |
3.4.2 实验结果与分析 |
3.5 本章小结 |
第四章 基于支持向量机的颤振在线智能检测 |
4.1 引言 |
4.2 基于离线模型的颤振检测 |
4.2.1 一类支持向量机算法 |
4.2.2 最小二乘一类支持向量机 |
4.2.3 基于离线训练模型的颤振检测 |
4.3 在线进化LS-OC-SVM模型的实现 |
4.3.1 LS-OC-SVM的增量求解 |
4.3.2 LS-OC-SVM的稀疏化与特征库构建 |
4.4 基于LS-OC-SVM的颤振在线智能检测 |
4.4.1 颤振在线智能检测系统流程 |
4.4.2 实验结果与分析 |
4.5 本章小结 |
第五章 变速车削分析与智能车削系统的构建 |
5.1 引言 |
5.2 变速切削理论 |
5.2.1 切削过程稳定性分析 |
5.2.2 变速切削机理 |
5.3 西门子840D系统中变速切削的实现 |
5.3.1 同步动作程序组成 |
5.3.2 同步动作中的实时变量 |
5.3.3 变速车削程序实现 |
5.4变速切削抑制颤振实验 |
5.4.1 实验装置与方案 |
5.4.2 实验结果分析 |
5.5 颤振检测与抑制的智能车削系统 |
5.5.1 系统硬件平台 |
5.5.2 智能车削系统的实现 |
5.5.3 薄壁件车削实验与结果分析 |
5.6 本章小结 |
第六章 总结和展望 |
6.1 主要工作与创新点 |
6.2 后续研究内容 |
参考文献 |
致谢 |
攻读学位期间的学术成果 |
(6)再生型车削颤振的在线综合预报研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 论文研究的背景与意义 |
1.2 切削颤振的特征 |
1.3 切削颤振机理的研究 |
1.4 切削颤振的在线监测与预报研究现状 |
1.4.1 切削颤振的在线监测方法研究 |
1.4.2 切削颤振预报函数的研究 |
1.5 切削颤振控制方法的研究 |
1.6 本论文的研究内容 |
2 带时滞反馈的再生型切削颤振系统分析 |
2.1 再生型切削颤振模型 |
2.2 带时滞反馈的再生型切削颤振模型 |
2.3 带时滞反馈的再生型颤振模型稳定性分析 |
2.4 带时滞反馈的再生型颤振模型负阻尼和能量分析 |
2.4.1 颤振模型负阻尼的形成及对系统的影响 |
2.4.2 颤振模型的能量分析 |
2.5 本章小结 |
3 再生型切削颤振信号分析相关理论基础 |
3.1 再生型切削颤振信号的时域分析 |
3.1.1 再生型切削颤振信号的方差分析 |
3.1.2 再生型切削颤振信号的相关性分析 |
3.2 再生型切削颤振的功率谱估计 |
3.2.1 功率谱估计原理 |
3.2.2 常见的参数模型 |
3.2.3 AR 模型的建立 |
3.2.4 AR 模型的阶数选取 |
3.3 AR 模型参数算法与切削颤振仿真 |
3.3.1 AR 模型参数的自相关算法 |
3.3.2 AR 模型参数的 Burg 算法 |
3.3.3 AR 模型的切削颤振仿真研究 |
3.4 本章小结 |
4 再生型切削颤振信号特征量的提取与分析 |
4.1 切削颤振监测信号的的选取 |
4.2 切削颤振监测系统的搭建 |
4.2.1 切削颤振监测系统的组成 |
4.2.2 切削颤振监测的切削条件 |
4.2.3 切削颤振监测系统的实测数据 |
4.3 颤振信号方差分析 |
4.4 颤振信号的相关性分析 |
4.5 颤振信号功率谱估计 |
4.6 本章小结 |
5 车削颤振综合预报函数的建立与在线监测 |
5.1 综合预报函数的建立 |
5.2 预报阀值的选取 |
5.3 车削颤振在线监测系统的设计 |
5.4 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
在校研究成果 |
致谢 |
(7)基于HMM-SVM的磁流变自抑振智能镗杆颤振在线预报理论和方法研究(论文提纲范文)
摘要 |
Abstract |
致谢 |
主要符号表 |
1 绪论 |
本章摘要 |
1.1 论文的研究背景与意义 |
1.2 金属切削颤振及其控制技术国内外研究现状 |
1.2.1 金属切削颤振研究现状 |
1.2.2 金属切削颤振控制技术研究现状 |
1.2.2.1 切削参数调整法的颤振控制研究现状 |
1.2.2.2 振动控制法的颤振控制策略研究现状 |
1.3 金属切削颤振在线预报理论和方法国内外研究现状 |
1.3.1 金属切削颤振预报方法研究现状 |
1.3.2 金属切削颤振预报的信号处理方法研究现状 |
1.3.3 金属切削颤振预报的模式识别方法研究现状 |
1.4 论文主要研究内容与总体框架 |
1.5 本章小结 |
2 金属切削颤振产生机理及磁流变自抑振智能镗杆工作机理研究 |
本章摘要 |
2.1 引言 |
2.2 金属切削颤振产生及其抑制机理研究 |
2.2.1 金属切削系统稳定性分析 |
2.2.2 金属切削颤振的抑振机理研究 |
2.2.2.1 变主轴转速切削法的颤振抑制机理 |
2.2.2.2 变刚度和变阻尼切削法的颤振抑制机理 |
2.3 磁流变自抑振智能镗杆的设计及其抑振原理 |
2.3.1 磁流变效应 |
2.3.2 磁流变自抑振智能镗杆结构设计 |
2.3.3 磁流变自抑振智能镗杆抑振单元的磁路系统设计 |
2.3.4 磁流变自抑振智能镗杆抑振原理 |
2.4 本章小结 |
3 基于EMD-HHT的镗削颤振征兆特征提取方法研究 |
本章摘要 |
3.1 引言 |
3.2 镗削颤振信号HHT变换的基本思想及算法 |
3.2.1 镗削颤振信号EMD的基本原理与方法 |
3.2.2 镗削颤振信号HHT时频分析方法 |
3.3 镗削颤振特征信号的获取 |
3.4 镗削振动信号的EMD分解及Hilbert变换 |
3.4.1 基于EMD分解的颤振征兆提取可行性研究 |
3.4.2 基于EMD-HHT变换的颤振征兆提取时效性研究 |
3.5 本章小结 |
4 基于FastICA的镗削颤振信号特征融合方法研究 |
本章摘要 |
4.1 引言 |
4.2 颤振信号特征融合的原理及方法研究 |
4.2.1 颤振信号特征融合的层次结构 |
4.2.2 颤振信号特征融合的算法 |
4.3 颤振信号ICA分离的基本原理 |
4.3.1 ICA的数学模型 |
4.3.2 ICA的基本假设 |
4.3.3 ICA的数据预处理 |
4.4 基于FastICA的颤振征兆信号的特征矢量形成 |
4.4.1 FastICA算法 |
4.4.2 基于IMF虚拟通道ICA颤振征兆信号分离系统 |
4.4.3 镗削颤振信号的EMD-ICA分离处理 |
4.5 本章小结 |
5 基于HMM-SVM混合模型的镗削振振识别预报方法研究 |
本章摘要 |
5.1 引言 |
5.2 基于HMM的镗削颤振识别预报方法研究 |
5.2.1 HMM的定义及基本算法 |
5.2.2.1 HM的结构及组成要素 |
5.2.2.2 HMM训练和识别的基本算法 |
5.2.2 镗削状态HMM的结构及参数初始化 |
5.2.3 镗削状态的HMM模型训练 |
5.2.4 镗削状态的HMM模型识别决策 |
5.3 基于SVM的镗削颤振识别预报方法研究 |
5.3.1 统计学习理论 |
5.3.2 SVM结构风险最小化原则 |
5.3.3 镗削状态的SVM训练 |
5.4 基于HMM-SVM混合模型的镗削颤振识别与预报系统的构建 |
5.5 本章小结 |
6 磁流变自抑振智能镗杆切削颤振在线预报与控制实验研究 |
本章摘要 |
6.1 引言 |
6.2 磁流变自抑振智能镗杆切削颤振在线预报及抑制实验平台 |
6.2.1 智能镗杆实验平台硬件系统搭建 |
6.2.2 智能镗杆实验平台软件系统设计 |
6.3 磁流变自抑振智能镗杆切削颤振识别预报实验研究 |
6.3.1 智能镗杆切削加工实验 |
6.3.2 智能镗杆切削加工振动信号的特征提取实验 |
6.3.3 智能镗杆切削加工振动信号的HMM-SVM模型训练及颤振识别实验 |
6.3.4 智能镗杆切削颤振识别预报系统实时性实验 |
6.4 磁流变自抑振智能镗杆切削颤振预报控制实验研究 |
6.5 本章小结 |
7 总结和展望 |
7.1 本文总结 |
7.2 研究展望 |
参考文献 |
攻读博士学位期间获得的科研成果及参加的科研项目 |
1 已发表的学术论文 |
2 获得授权的国家专利 |
3 获得授权的国家软件版权登记 |
4 参加的科研项目 |
(8)切削颤振研究的关键技术与进展综述(论文提纲范文)
1 引言 |
2 切削颤振研究的热点问题及关键技术 |
2.1 颤振机理的相关研究 |
2.2 颤振模型相关研究 |
2.3 颤振稳定性分析相关研究 |
2.4 颤振的识别与预报相关研究 |
2.5 颤振控制相关研究 |
3 结语 |
(9)复杂制造系统加工稳定性在线监测及寻优控制关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 目的和意义 |
1.2 课题背景 |
1.3 国内外研究现状 |
1.3.1 稳定性预报技术研究现状及存在的问题 |
1.3.2 稳定性预测理论研究现状及存在的问题 |
1.3.3 稳定性控制技术研究现状及存在的问题 |
1.4 本课题主要研究内容 |
第二章 稳定性在线监测快速预报理论及应用 |
2.1 在线监测振动信号的相空间重构 |
2.1.1 振动信号时间序列的相空间重构 |
2.1.2 振动信号嵌入维和延迟时间的选择 |
2.1.3 基于C-C 算法的振动信号相空间重构 |
2.2 基于粗粒化熵率的稳定性预报理论建模 |
2.3 基于粗粒化熵率的稳定性预报实验验证 |
2.3.1 铣削实验方案设计 |
2.3.2 粗粒化熵率稳定性预报理论实验验证 |
2.3.3 粗粒化熵率稳定性预报准确性评估 |
2.4 本章小结 |
第三章 铣削力系数时变稳定性建模及稳定性预测理论 |
3.1 铣削颤振产生机理及稳定性 |
3.1.1 铣削颤振的产生机理分析 |
3.1.2 铣削系统的稳定性及判别方法 |
3.2 动态铣削力理论建模及方法研究 |
3.2.1 瞬时铣削力建模方法研究 |
3.2.2 平均铣削力建模方法研究 |
3.2.3 时变铣削力系数建模方法研究 |
3.3 铣削力系数时变多自由度稳定性建模 |
3.3.1 铣削稳定性多自由度动力学建模 |
3.3.2 铣削稳定性多自由度动力学模型求解 |
3.3.3 稳定性极限的传递函数矩阵表示法 |
3.4 铣削力系数时变稳定性预测理论研究 |
3.4.1 考虑多自由度的稳定性预测理论 |
3.4.2 考虑时变铣削力系数的稳定性预测理论 |
3.5 铣削力模型及稳定性预测实验验证 |
3.5.1 动态铣削力及稳定性预测实验方案设计 |
3.5.2 动态铣削力模型实验验证 |
3.5.3 铣削力及振动信号趋势分析及稳定性预测验证 |
3.5.4 时变铣削力系数实验识别 |
3.6 本章小结 |
第四章 刚度时变稳定性建模及稳定性预测理论 |
4.1 刀具—工件耦合系统的稳定性 |
4.2 时变刀具—工件耦合系统传递函数建模 |
4.2.1 刀具—工件系统传递函数耦合建模 |
4.2.2 时变耦合传递函数的在线监测获取方法研究 |
4.3 刀具—工件耦合传递函数实验分析 |
4.3.1 传递函数实验方案设计 |
4.3.2 传递函数实验数据分析 |
4.4 在线监测刚度时变稳定性预测理论及实验验证 |
4.5 本章小结 |
第五章 稳定性在线寻优控制理论研究 |
5.1 稳定切削在线寻优控制理论 |
5.1.1 稳定切削寻优控制的应用思路 |
5.1.2 稳定切削寻优控制的在线监测应用思路 |
5.2 寻优控制稳定性影响因素分析 |
5.2.1 系统刚度变化对传递函数及稳定区域的影响 |
5.2.2 固有频率变化对传递函数及稳定区域的影响 |
5.2.3 阻尼比变化对传递函数及稳定区域的影响 |
5.2.4 动态铣削力系数矩阵对稳定性的影响 |
5.3 稳定性寻优控制方法的工程应用 |
5.3.1 考虑刀具结构调整的寻优控制方法 |
5.3.2 考虑工件装夹定位方式的寻优控制方法 |
5.3.3 考虑工艺参数调整的在线寻优控制方法 |
5.4 本章小结 |
第六章 在线监测单元的构建及应用 |
6.1 嵌入式在线监测系统整体方案设计 |
6.2 嵌入式在线监测系统软件设计 |
6.2.1 IDPM-48 嵌入式在线监测单元设计 |
6.2.2 HDSA-2 嵌入式在线监测单元设计 |
6.2.3 数据采集模块设计 |
6.2.4 嵌入式在线监测系统软件功能搭建 |
6.2.5 TDNC-Connect 通讯协议设计 |
6.2.6 远程网络专家系统的搭建 |
6.3 本章小结 |
第七章 总结与展望 |
参考文献 |
发表论文和科研情况说明 |
附录 符号及意义 |
致谢 |
(10)切削加工过程中颤振的监测与识别方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 引言 |
1.2 机械故障诊断研究现状 |
1.2.1 机械故障机理研究 |
1.2.2 机械故障诊断装置及控制方法 |
1.2.3 特征向量提取与模式识别 |
1.3 切削颤振研究现状 |
1.3.1 切削颤振机理研究 |
1.3.2 颤振控制方法 |
1.3.3 颤振控制装置 |
1.3.4 颤振特征向量提取及模式识别技术 |
1.4 颤振监测与识别方法的可行性 |
1.4.1 SVM-HMM在切削颤振识别中应用的可行性 |
1.4.2 KPCA-SVM在切削颤振识别中应用的可行性 |
1.5 本课题的研究意义与内容 |
1.5.1 本课题的研究意义 |
1.5.2 本课题研究的内容 |
1.6 本章小结 |
2 基于CDHMM的切削机床启动过程故障诊断 |
2.1 引言 |
2.2 HMM基本理论 |
2.2.1 HMM定义 |
2.2.2 几个主要算法 |
2.2.3 HMM常见模型 |
2.3 合密度连续HMM模型(CDHMM) |
2.3.1 CDHMM基本思想 |
2.3.2 CDHMM算法 |
2.3.3 CDHMM溢出问题 |
2.3.4 多观测序列CDHMM重估公式 |
2.3.5CDHMM方法在语音识别领域的应用 |
2.4 诊断实验 |
2.4.1 机床启动过程常见故障及其表现 |
2.4.2 CDHMM模型库建立 |
2.4.3 CDHMM故障诊断方法 |
2.4.4 实验与数据采集 |
2.4.5 振动信号时频特性分析 |
2.4.6 训练过程和诊断结果 |
2.4.7 CDHMM与HMM识别方法比较 |
2.5 本章小结 |
3 基于DHMM切削过程刀具磨损故障诊断 |
3.1 引言 |
3.2 刀具磨损 |
3.2.1 刀具磨损过程 |
3.2.2 刀具磨钝标准 |
3.2.3 刀具磨损测量基准和测量方法 |
3.3 DHMM模型 |
3.3.1 标定前DHMM的重估公式 |
3.3.2 标定后的DHMM重估公式 |
3.3.3 改进的DHMM重估公式 |
3.4 刀具磨损实验 |
3.4.1 刀具磨损实验条件 |
3.4.2 训练样本选取 |
3.4.3 训练过程 |
3.4.4 训练结果 |
3.4.5 DHMM迭代的最大似然估计 |
3.4.6 三种刀具磨损识别方法的比较 |
3.5 本章小结 |
4 基于KPCA-SVM切削颤振趋势大样本数据识别方法研究 |
4.1 引言 |
4.2 SVM简介 |
4.3 提取颤振信号的核主元分量 |
4.3.1 核主元分析 |
4.3.2 KPCA与PCA的贡献率比较 |
4.4 建立KPCA-SVM颤振诊断模型 |
4.4.1 LS-SVM原理 |
4.4.2 KPCA-SVM模型建立 |
4.4.3 KPCA-SVM模型的转子模拟训练 |
4.4.4 KPCA-SVM转子模拟训练结果 |
4.4.5 KPCA-SVM与PCA-SVM识别方法的比较 |
4.5 颤振故障诊断实验 |
4.5.1 颤振数据提取 |
4.5.2 确定核主元分量 |
4.5.3 颤振故障诊断结果 |
4.5.4 颤振故障诊断结果的应用 |
4.6 本章小结 |
5 基于SVM-HMM切削颤振小样本数据识别方法研究 |
5.1 引言 |
5.2 SVM-HMM模型 |
5.2.1 SVM-HMM模型的基本原理 |
5.2.2 SVM-HMM模型识别过程 |
5.2.3 SVM-HMM模型的应用实例 |
5.3 切削颤振的SVM-HMM模式识别 |
5.3.1 特征数据提取 |
5.3.2 特征数据频谱分析 |
5.3.3 SVM-HMM模式识别 |
5.3.4 结果与结论 |
5.3.5 SVM-HMM与SVM、HMM识别方法比较 |
5.4 刀具滑台数控系统设计 |
5.4.1 数控滑台的控制结构 |
5.4.2 数控滑台的控制方法 |
5.4.3 执行机构的驱动器及接口 |
5.5 本章小结 |
6 结论与展望 |
参考文献 |
攻读博士学位期间发表学术论文情况 |
致谢 |
四、切削颤振预报方法探讨(论文参考文献)
- [1]薄壁筒车削颤振监测方法及其表面形貌特征分析[D]. 娄培生. 太原理工大学, 2021(01)
- [2]基于傅里叶分解方法和径向基神经网络的铣削颤振检测研究[D]. 侯慧杰. 华中科技大学, 2020(01)
- [3]基于铣削颤振抑制机理的减振铣刀动态特性研究[D]. 李伟家. 江苏大学, 2019(02)
- [4]再生型车削颤振稳定性分析及预报方法研究[D]. 邱辉. 宁波大学, 2017(02)
- [5]车削颤振的在线智能检测及抑制研究[D]. 钱士才. 上海交通大学, 2016(03)
- [6]再生型车削颤振的在线综合预报研究[D]. 徐志明. 宁波大学, 2014(03)
- [7]基于HMM-SVM的磁流变自抑振智能镗杆颤振在线预报理论和方法研究[D]. 李欣. 浙江大学, 2013(06)
- [8]切削颤振研究的关键技术与进展综述[J]. 唐英,张大勇. 工具技术, 2011(08)
- [9]复杂制造系统加工稳定性在线监测及寻优控制关键技术研究[D]. 蒋永翔. 天津大学, 2010(07)
- [10]切削加工过程中颤振的监测与识别方法研究[D]. 邵强. 大连理工大学, 2010(05)