一种基于变频器电流检测机床刀具磨损新方法的研究

针对传统机床刀具磨损状态检测方法的局限性和不足等问题，采用间接量来检测刀具磨损状态而提出了一种基于机床变频器三相输入平均有效电流信号来检测刀具磨损状态新方法。首先，介绍了铣床变频器电流检测刀具磨损新方法的工作原理，验证并对比了三相平均有效电流信号计算法优于传统RMS计算法；其次，利用三相平均有效电流(ARMS)计算法和传统RMS计算法来获取计算后的有效电流信号，结合小波降噪和EEMD分解法对信号进行降噪、分解及重构处理，分析重构后其时频域下两种方法计算的有效电流值信号各频带能量和均方差并将其组成特征向量；最后，将特征向量输入CPSO ELM和PNN神经网络等分类器进行故障识别和对比。实验结果表明，CPSO ELM相比PNN神经网络分类器具有准确的识别效果，验证了所采用的变频器电流来检测铣床刀具磨损新方法的有效性和可行性。     

基于EMD-HMM的机床刀具磨损故障诊断

针对机床刀具磨损故障诊断,提出基于经验模态分解（EMD）进行信号处理和基于隐马尔科夫模型（HMM）进行模式识别的刀具故障诊断方法。在信号处理阶段,对机加工过程中的振动信号进行经验模态分解,得到若干固有模态函数（IMF）,计算IMF的能量值并选用前几阶高能量的IMF作为识别参数。在模式识别阶段,先将训练样本使用HMM的基本方法进行模型训练获得HMMs,再使用测试样本进行模型准确性验证。完成验证的模型就可以表示该机床刀具磨损和机加工刀具信号的对应关系,可以应用到刀具磨损的监测识别中。     

基于EMD-HMM的机床刀具磨损故障诊断

针对机床刀具磨损故障诊断,提出基于经验模态分解(EMD)进行信号处理和基于隐马尔科夫模型(HMM)进行模式识别的刀具故障诊断方法。在信号处理阶段,对机加工过程中的振动信号进行经验模态分解,得到若干固有模态函数(IMF),计算IMF的能量值并选用前几阶高能量的IMF作为识别参数。在模式识别阶段,先将训练样本使用HMM的基本方法进行模型训练获得HMMs,再使用测试样本进行模型准确性验证。完成验证的模型就可以表示该机床刀具磨损和机加工刀具信号的对应关系,可以应用到刀具磨损的监测识别中。     

基于改进滤波及峭度原则EEMD的转子故障特征识别方法

针对转子运转时的振动冲击和噪声较大从而容易掩盖振动信号中的故障特征的问题,提出了一种基于小波阈值去噪的EEMD故障特征识别方法。采用改进后小波阈值滤波方法对振动信号进行降噪预处理,对处理结果进行集合经验模态分解(EEMD),再依据峭度原则筛选分解得到的本征模态函数(IMF)。分析重构信号的频谱特征以识别故障。结果表明,该方法有效提高了信噪比且能提取到转子故障特征。     

基于刀具磨损的车削加工残余应力实验研究

通过车削实验测量刀具磨损不同阶段的加工残余应力和加工硬化层微观硬度,了解加工残余应力的分布和变化特点,并分析刀具磨损对车削加工残余应力变化的影响规律及原因。实验结果表明:车削加工残余应力在磨损前阶段变化缓慢,后阶段变化快速,变化趋势从拉-压应力混合状态过渡到纯压应力状态,变化速率和刀具磨损曲线不重合。     

PCD刀具车削钛基复合材料的刀具磨损研究

采用PCD刀具在不同切削速度下对增强相钛基复合材料进行切削，研究高速切削时的刀具磨损情况。结果表明:增强相体积分数对PCD刀具耐用度有显著影响，体积分数越高，刀具磨损越严重，刀具耐用度越低；增强相种类对刀具的耐用度也有明显影响，增强相TiB_w对刀具耐用度的影响要大于增强相TiC_p的。PCD刀具在切削不同钛基复合材料时的刀具磨损形态相似，主要为前刀面和后刀面的磨损，且伴有崩刃及微裂纹现象发生；其主要磨损机理是磨粒磨损以及黏结磨损，且增强相的体积分数越高，刀具黏结磨损越显著。      

刀具磨损传感检测

本文除了简单介绍功率传感检测技术和力传感检测技术之外,详细介绍了目前最先进的刀具磨损检测技术——声发射(AE)检测技术。采用AE技术可达到高价刀具损耗最小,装刀、补刀停机时间最短和利用更先进的切削刀具提高加工效率的日的。     

基于EEMD和IMF能量分布的刀具破损识别

针对铣削过程中声发射信号非平稳的特点,提出了一种基于噪声辅助经验模态分解(EEMD)和本征模函数(IMF)能量分布的刀具破损识别方法.首先对经过滤波后的原信号进行EEMD分解,抽取本征模函数组(IMF),后计算每一阶模函数能量及总体能量分布,最后提取特征向量,通过特征向量的变化识别刀具破损.利用该方法,在立式铣削加工中心上对稳定切削中刀具破损和变参数铣削加工进行了系统的分析,结果表明此方法能够剔除切削参数变化的影响,准确的识别刀具破损,具有很高的稳定性和准确性.     

曲轴车削刀具磨损因素交互效应与优化

为有效减缓刀具磨损并尽可能地提高加工效率,采用Box-Behnken响应面与多元非线性回归相结合的方法,分析切削参数效应的显著性及交互作用机理,并拟合含有交互效应的刀具磨损回归方程;基于NSAG-Ⅱ算法,以切削参数为设计变量,刀具磨损回归方程和加工效率方程作为多目标优化函数,优化切削参数以实现减小刀具磨损速度的目的。结果表明,进给量与主轴转速间存在显著的正向交互效应,建立的刀具磨损回归方程在95%的置信区间内的最大拟合差值不超过0.000 6,优化结果与数值模拟结果的误差不超过2%,可有效降低刀具磨损。     

基于小波神经网络的高速铣削刀具磨损识别

刀具磨损一直是制造技术中引人注目的重要问题,对于高速切削来说由于加工成本较高而且刀具价格比较昂贵,因此对高速切削中的刀具状态进行识别和监控具有非常重要的意义.文章通过建立小波神经网络来实现对高速加工中刀具状态的识别,结果与实际情况基本一致,从而表明通过此方法是可以较好的对高速加工刀具状态进行识别的.     

电机电流分析法在机床类设备诊断中的应用研究

机床类设备传动链复杂,结构紧凑且封闭,对传动系统状态监测一直没有有效的分析办法,即使在噪声增大等恶劣情况下,常规的振动诊断方法也难以奏效.本文尝试用电流信号分析法,简称MCSA(Motor Current Signal Analysis),对机床状态进行测试和分析.通过电机电流信号的传动链齿轮谱特征分析,对其做出了正确评估,表明定子电流能很好地反映机床传动系统部件的运行状况.同时进行了多种运行工况的测试与试验,研究结论对机床类设备的生产制造和现场运行状态的分析提供了有效依据.     

EEMD降噪与倒频谱分析在风电轴承故障诊断中的应用

针对风电轴承故障时的振动信号为低频信号,并且出现不平稳、非线性等特点,一般很难检验出来,所以提出了一种新的轴承故障诊断方法:首先提出了基于相关系数与峭度相结合的EEMD降噪方法,对轴承振动加速度信号进行去噪,然后对降噪后的信号再次进行EEMD分解并与倒频谱相结合,对振动信号进行处理。此方案不仅提高了振动信号的信噪比,而且抑制了在经验模态分解中的模式混叠现象,提高了故障诊断的准确性,充分显示了其应用在风电轴承故障诊断系统中的可行性。     

基于EEMD的ICA算法在轴承-丝杠复合故障诊断中的应用

提出了一种基于EEMD的ICA算法,旨在解决单通道轴承-丝杠复合故障的信号分离。首先通过EEMD分解,将复合信号分解在不同的通道中,得到一系列IMF分量;再计算各IMF的峭度值和相关系数值,选取数值较大的几个IMF分量,与原始信号重新组成一组观测信号,作为ICA的输入,得到一系列IC分量;最后选取含有冲击成分较大的IC分量,进行包络分析,对故障类型进行诊断识别。通过实验成功分离并识别出两种故障类型,证明了该方法的有效性。     

数控机床回参考点故障的分析与排除

结合具体数控机床介绍参考点回归原理及过程，并对机床回参考点过程中各种形式的故障进行分析、诊断及总结。     

基于网络的数控机床故障预警与诊断平台设计与实现

以大型数控曲轴磨床、重型轧辊磨床和用于核电装备制造的重型数控镗铣床等为研究对象,研究了这类装备关键部件信号采集、故障诊断与预警技术,研制了现场监测与故障诊断仪,建立了这类装备的故障诊断知识库,开发了数控机床故障预警与诊断模型和数控机床故障预警与诊断平台,实现了轧辊数控磨床、数控曲轴磨床和重型数控镗铣床等机床的状态显示、故障诊断和性能预报。     

基于声发射和神经网络的数控机床刀具故障诊断

分析了数控刀具的切削状态,介绍了声发射检测系统和神经网络技术,对刀具切削状态信息声发射检测的可行性和神经网络技术智能诊断方法进行了分析,并通过数控机床刀具故障诊断实例,验证了通过声发射提取刀具切削状态方法的有效性和通过神经网络智能诊断技术检测刀具切削状态方法的正确性。     

数控机床远程故障诊断数据库及其实现

建立数控机床故障诊断系统数据库，使远程技术中心通过网络了解到用户方数控机床的工作状态后，利用ODBC数据库的接口技术调用数据库的内容对数控机床故障进行诊断，提出可行的解决方案。     

数控机床远程故障诊断及维修服务系统研究

提出了基于网络的数控机床远程故障诊断及维修服务系统的基础框架,介绍了系统主要功能模块及关键支撑技术。     

机床故障诊断系统知识表示的研究

针对所研究的机床故障诊断专家系统，以故障树分析法为基础，采用面向对象的事件知识表示方法。并以面向对象编程技术给出了知识表示的示例。分析了这种知识表示方法的特点。实践证明，这种知识表示方法在故障诊断专家系统中是确实有效的，而且这种表示方法融合了多种传统知识表示方法的长处，是一种值得研究与应用的方法。     

基于EEMD和PSO-SVM的电机气隙偏心故障诊断

针对电机气隙偏心故障如何通过振动信号进行有效诊断、如何选取合适故障特征等系列问题,提出了基于集合经验模态分解(EEMD)的Hilbert时频谱能量特征表达和粒子群参数优化的支持向量机(PSO-SVM)的故障诊断方法.首先对振动信号进行EEMD分解,并通过相关系数法选择有效的IMF分量;其次,对有效的IMF分量提取Hil...