基于多尺度排列熵的铣削颤振在线监测方法

排列熵是系统复杂性和规则性的一种测度,具有概念简单、稳健和计算速度快等优点。考虑到单尺度排列熵在反映铣削力信号特征方面的不足,通过试验分析提出基于单尺度排列熵和尺度4排列熵作指标的铣削颤振在线检测方法。通过试验验证,所提出的方法能有效地检测铣削颤振。同时基于多尺度排列熵的方法对于铣削力信号采集过程中的噪声、工艺参数变化等不敏感,因此这种方法适用于实际工业生产中的在线铣削颤振监测。     

基于小波包能谱熵的铣削颤振监测方法

针对切削加工过程中容易出现颤振,导致零件表面加工质量降低,本文以铣削加工为研究对象,提出了基于小波包能谱熵的铣削颤振监测方法。信号的采集是一个连续的过程,为避免刀具不参与切削对这种方法的影响,本文提出基于铣削力幅值平方和的方法以识别刀具是否参与切削。试验结果表明,无论对于刀具是否参与切削的识别或者是否出现铣削颤振的监测都能有效的监测。     

基于开放式控制器的铣削颤振在线抑制

为实现在线抑制铣削颤振,对颤振领域常用的传感器监控技术,尤其是三向切削力和振动加速度传感器的各向分量在颤振监控过程中的时域和频域敏感信号特征进行试验研究。针对监控的颤振敏感信号频域特性,研究快速傅里叶变换技术对信号有效信息的在线提取技术。对自激颤振的机理进行分析,建立颤振频率与主轴转速间的关系模型,为实现变主轴转速抑制自激颤振提供理论基础。对集成在线参数采集、反馈控制的全软件型模块化铣削控制器进行设计,将在线抑制颤振的相关变主轴转速算法嵌入开放式控制器中,并设计控制参数数据流在控制器模块间的实现流程。对连续变切削深度铝合金工件进行在线颤振抑制加工试验,试验验证开放式智能铣削控制器在线抑制颤振相关技术的正确性。     

平面磨削颤振在线控制方法研究

在分析目前机床颤振控制方法的基础上,提出了平面磨削颤振控制策略。     

曲线磨床磨削中颤振状态的在线监测与评估

在对曲线磨床颤振机理研究的基础上分析提取了反映颤振状态的特征信号,并提出了颤振强度的在线评估方法.试验研究表明,这种方法对颤振状态监测方便,具有实用性.     

立式铣削切削颤振的监测方法研究

立铣加工过程中的颤振会严重影响工件表面质量和材料去除率,加剧刀具磨损和恶化工作环境。由于颤振产生速度较快,常规的信号采样、特征提取及分类方法难于满足实际应用。本文通过稀疏表示的数学理论实现对高频信号的低采样率获取,并在保持高频信号本质特征同时实现特征提取,简化状态监测的模块,并通过冗余词典的高识别度原子辨识加工状态。研究结果表明,该方法可以有效识别立铣加工过程的稳定、过渡和颤振状态。     

切削颤振在线监控的研究现状及进展

介绍了国内外切削颤振在线监测与控制的发展现状,分析了现有的颤振监控方法的技术特点和发展趋势,提出了通过基于智能材料主动控制切削系统动态特性来进行颤振在线抑制的新方法。     

磨削颤振的单片机在线监控

以８０９８ 单片机为核心,设计了一套外圆切入磨削颤振在线监控系统, 取得了满意的 监控效果。本文着重介绍系统的硬软件组成,是一种可供借鉴的较好模式     

基于小波分析的谐波在线监测系统

针对传统谐波在线监测系统存的结果不准确,无法描述谐波动态变化特点,设计了基于小波分析的谐波在线监测系统。首先设计了谐波在线监测系统的硬件模块,然后谐波在线监测系统的软件模块,依据小波变换分析谐波信号特征,得到的谐波变化率,从而谐波在线监测系统的监测结果,最后采用具体实验进行了谐波在线监测系统性能的仿真实验,由实验结果可知,该系统的谐波监测精度高,可以有效检测各种谐波分量,保证电力系统稳定运行。     

基于支持向量机的颤振在线智能检测

为了检测车削过程中的颤振,提出一种颤振在线智能检测方法。使用最小二乘一类支持向量机,训练出描述特征矢量集的超球面,通过计算被测样本与超球面的距离来判断其是否颤振。基于相干准则和分块矩阵求逆,构造了在线稀疏结构的最小二乘一类支持向量机,将特征信息存储于特征库(字典)中,通过更新特征库实现检测模型的在线进化。在颤振检测的应用中,首先使用小波包分解,得到第三层节点能量的比例作为特征矢量,以离线数据构造特征矢量作为输入,训练得到初始检测模型以及特征库,在线检测中不断更新特征库,实现检测模型的在线进化。试验结果表明,在车削颤振识别中,在线进化的检测模型的识别效果更好,颤振预报准确率高达至99.04%,优于离线模型的预报准确率96.74%。     

基于铣削快速落刀法的切削颤振研究

为改善传统测量方法的局限性,更好地研究铣削过程中的振动规律,设计了一种铣削快速落刀实验方法。通过快速落刀实验,对获取的表面样本进行分析计算,得到铣削的颤振频率,并将其与利用动态扭矩计算得到的颤振频率进行对比,结果表明,快速落刀法完全可应用于高速铣削的颤振研究中。此外,应用铣削快速落刀法初步研究了切削参数对振动的影响。     

采用小波包能量熵的铣削振动状态分析方法研究

颤振是影响机床加工质量的重要原因之一。为实现切削颤振的实时在线识别与评价,采用加速度传感器,获取主轴振动信号,以小波包能量熵值为指标,对铣削加工的稳定状态及振动形式进行识别。通过多传感器对加工过程进行监测,确定加工的稳定性;对主轴振动信号进行频谱分析,了解不同加工状态下的信号频谱特点,分析其振动形式。对信号进行小波包分解,发现在不同的振动状态下,信号的能量分布有显著规律。试验表明,切削从稳定状态到不稳定状态,本质上是强迫振动和颤振的能量强度和分布发生了变化。能量熵描述能量分布的变化,是识别切削状态和振动状态变化的有效方法。     

基于小波包分析的铣刀状态监测方法研究

应用小波分析方法,通过对声发射信号的处理及分析判别铣刀状态.以三齿牛鼻铣刀为实验对象,分别以铣刀3种状态为例,采用不同的切削参数进行铣削实验,将采集到的AE信号进行小波分解后再进行时频域对比,结果表明:该方法可以比较准确的判断铣刀状态,并且有较好的理论基础、直观性与易操作性.     

基于摩擦耗能原理的抑振镗杆

讨论了摩擦耗能镗杆的原理,建立了有非线性库仑干摩擦环节的力学模型,并以摩擦参数为变化量,通过数值分析的方法考察了模型的吸振效果。研制了一种基于摩擦减振的新型镗杆,结合颤振发生的机理与切削稳定性理论,分析了不同摩擦条件下镗杆的抑振效果。将不同摩擦条件下的镗杆切削实验结果与理论模型仿真结果进行对比,发现在既定的摩擦阻尼器中,有滑动摩擦与粘接两个状态,而且存在一个最优正压力使得滑动摩擦消耗能量达到最大值又不处于粘接的状态,此时系统抑振效果达到最佳。切削实验发现基于摩擦减振原理的镗杆有良好的颤振抑制效果。      

基于连续小波和多类球支持向量机的颤振预报

研究了一种应用连续小波特征和多类球支持向量机进行铣削系统颤振预报的方法,该方法基于连续小波变换提取铣削振动信号的特征,利用多类球支持向量机对正常铣削状态、颤振孕育状态和颤振爆发状态的振动信号进行三分类识别,通过识别颤振孕育状态预测颤振爆发。试验结果表明,在铣削颤振识别与预测中,铣削振动信号的连续小波特征与多类球支持向量机相结合具有良好的识别颤振孕育状态和颤振爆发状态的能力,颤振孕育状态的识别正确率达95.0%,颤振爆发状态的识别正确率达97.5%。     

基于VC的风机运行状态在线监测系统

基于Visual C++开发,对系统中涉及到的监测数据存储和多线程等关键技术进行了改进和代码的优化,有效地提高了系统的可靠性和实时性。