共查询到20条相似文献,搜索用时 87 毫秒
1.
为实现高速加工时刀具渐变磨损状态的在线准确识别,提出了一种集合多种智能的间接检测刀具磨损状态方法的模糊数据融合方法。尽管这些方法具有算法实现较为简单、处理速度较快的优点,但单一的信号检测及单一的智能建模方法难以获得全面的加工状态信息和准确的识别结果。为此,利用F推理技术对上述方法的冗余和互补信息进行数据融合,应用Makino—Fanuc 74-A20型加工中心的测试数据验证了该方案的可行性,并将刀具后刀面磨损的预测值与基于机器视觉检测的实测值进行比较。实验结果分析表明,多参数模糊融合识别方法能快速获得切削刀具磨损状态更加准确的预测值。 相似文献
2.
3.
4.
5.
基于切削声音的刀具磨损状态识别研究 总被引:1,自引:0,他引:1
人工神经网络可以实现多特征信息的融合,将基于BP神经网络,建立各频率段能量百分比与刀具磨损的映射关系,进行刀具磨损状态识别的研究。最后在Labview环境下调用Matlab神经网络程序,初步实现了刀具磨损的识别。 相似文献
6.
7.
8.
为精确地识别刀具磨损状态,提出了一种深度学习与多信号融合相结合的识别方法.以自编码网络为基础,构建了堆叠稀疏自编码网络.采集铣刀不同磨损状态下的力信号、振动信号及声发射信号,并对上述信号进行小波包分解以便获取能够表征铣刀磨损的时频域特征.利用无监督学习和有监督学习对堆叠稀疏自编码网络进行训练,建立了深度学习的铣刀磨损状态识别模型.研究结果表明,多信号融合的深度学习模型对铣刀磨损状态识别准确率达到94.44%. 相似文献
9.
为精确地识别刀具磨损状态,提出了一种深度学习与多信号融合相结合的识别方法.以自编码网络为基础,构建了堆叠稀疏自编码网络.采集铣刀不同磨损状态下的力信号、振动信号及声发射信号,并对上述信号进行小波包分解以便获取能够表征铣刀磨损的时频域特征.利用无监督学习和有监督学习对堆叠稀疏自编码网络进行训练,建立了深度学习的铣刀磨损状态识别模型.研究结果表明,多信号融合的深度学习模型对铣刀磨损状态识别准确率达到94.44%. 相似文献
10.
刀具磨损作为机械加工过程中的常见现象,直接导致了切削力增加、工件表面粗糙度恶化以及尺寸超差等不良后果,极大地影响加工效率.采集加工过程中切削力、振动及声发射信号,利用线性回归法对信号进行特征提取及降维;采用不同刀具的磨损数据训练模糊小波极限学习机(FWELM),降低加工过程的不确定性对识别模型的影响,并解决加工系统的信息模糊造成的建模困难问题,提升刀具磨损识别模型的泛化能力.利用标准刀具磨损数据集测试结果证明,基于FWELM构建的刀具磨损状态识别模型识别的每个刀具磨损阶段的准确率及总体识别准确率皆高于极限学习机构建的识别模型. 相似文献
11.
12.
通过对 POLMAX 材质试件在不同切削条件下的加工试验,重点分析了涂层刀具的磨损形式,总结出了切削用量影响刀具磨损的规律。研究结果表明:YG 类涂层硬质合金刀具加工淬硬 POLMAX 不锈钢时,低速阶段主要表现为粘结磨损,高速阶段主要表现为氧化磨损与扩散磨损;切削用量中切削速度对刀具磨损影响最大,当切削速度较低时(小于50 m/ min)刀具磨损量几乎保持在同样的水平,而当切削速度达到120 m/ min 以上时,刀具磨损量急剧上升。 相似文献
13.
14.
刀具的几何轮廓与工件加工精度有着密不可分的关系,若刀具因磨耗产生形状误差,会影响产品精度或造成产品品质不良,故需对其进行精确监控,以确保产品品质与精度。本文提出以机器视觉为基础的非接触式刀具磨耗侦测系统,针对常用的车床刀具加以探讨,运用数位影像处理方法,以视觉辅助系统测量刀具磨耗,解决了传统人工检测的安全性不足,避免了因刀具磨耗产生的形状误差而影响产品的精度与品质。 相似文献
15.
16.
振动信号监测在刀具磨损故障诊断中的应用 总被引:1,自引:0,他引:1
以典型高档数控机床DL-20M H型车削加工中心为试验对象,采用加速度传感器对振动信号进行监测。信号分析过程中,应用时域分析、频域分析实现了刀具磨损量与振动信号的关联,解决了生产过程中由于刀具突然损坏导致的产品质量下降问题,从而降低生产成本。 相似文献
17.
18.
压缩机状态实时监测系统的研制 总被引:1,自引:0,他引:1
以压缩机为监测对象提出了由数据采集模块、状态监测模块和故障诊断模块组成的分布式信息处理系统的构思 ,阐明了基于结构层次化和功能模块化的状态监测系统的软、硬件设计方案。整个系统具有高速度、高精度、多通道、大容量和高性能价格比等特点 ,可广泛应用于各类大型旋转机械的状态监测。 相似文献
19.
介绍了国内外刀具切削状态监控技术的发展历程,分析刀具切削状态监控技术发展中存在的主要问题和取得的成果,认为切削力等间接参量不能直接、量化地表征刀具状态;切削温度能较直接地反映刀具状态,其信号也易于处理,抗干扰能力强;基于机器视觉的加工表面纹理能较好地映射刀具切削刃,但技术复杂;多参量的刀具切削状态综合表征应是未来的研究方向。 相似文献