导读:本文包含了刀具状态论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:刀具,磨损,在线,状态,神经网络,小波,希尔伯特。
刀具状态论文文献综述
朱奕玮,阎秋生,汤彪,路家斌[1]（2019）在《刀具表面状态对电工钢板剪切断面完整性的影响》一文中研究指出目的研究电工钢板材精密剪切加工过程中,刀具表面粗糙度与润滑条件对剪切断面完整性的影响。方法使用不同表面粗糙度的刀具,分别在干切和润滑下对0.5mm厚的无取向电工钢进行剪切加工实验,使用MahrXT20粗糙度轮廓仪检测刀具表面粗糙度,使用Kistler叁向测力仪测量剪切过程中的叁向力,使用Keyence超景深显微镜检测断面形貌和截面轮廓,使用维氏显微硬度计测试剪切边缘硬度分布,使用有限元方法计算刀具表面粗糙度和润滑油膜对刀具-工件表面接触面积和摩擦力的影响。结果干切条件下,刀具表面粗糙度Rα值越大,剪切力越大,剪切边缘加工硬化越大,剪切断面完整性越差。润滑条件下,随刀具表面粗糙度Rα值的增加,剪切断面完整性先变好后变差,且加工硬化与剪切力都呈现出先减小后增加的趋势。刀具表面粗糙度Rα值较小或较大时,加注润滑剂难以改善加工效果,甚至产生负面影响。板材与刀具接触界面润滑条件下,刀具表面粗糙度Rα=0.2μm时有最优加工效果,相对干切条件,其光亮带高度和表面完整性分别增加16.9%和4.3%,塌角高度、硬化层相对深度以及F_y和F_z分别减少15.4%、28.1%、26.9%和7.1%。结论刀具表面粗糙度Rα增大,工件材料的附加微观变形增大,造成剪切断面完整性恶化;当刀具表面粗糙度合适时,添加润滑剂,可以在接触界面形成连续油膜,显着减少刀具与板材间固体接触面积和摩擦力,提高剪切断面完整性。工业生产中,刀具会逐渐磨损,导致表面粗糙度增大,故必须关注刀具表面粗糙度对剪切断面完整性的影响,并注重与润滑油的配合。(本文来源于《表面技术》期刊2019年11期）
王彤,刘丽冰,黄凤荣,杨泽青,张新建[2]（2019）在《基于Gabor-GLCM工件表面纹理特征的刀具状态视诊》一文中研究指出在铣削加工过程中,为实现在线不停机刀具磨破损的快速检测与预报,提出了一种基于Gabor-GLCM工件表面纹理特征的刀具状态视诊方法。首先采用Gabor滤波器虚部与工件纹理图像卷积并提取Gabor特征;然后在卷积图像上采用GLCM提取二阶统计特征,将提取的特征向量串联,旋转规范化后得到刻画工件纹理的特征集;最后将旋转规范化特征集输入SVM训练分类模型,在实验采集的铣削工件表面纹理图像库中进行了测试。实验结果表明:该方法用时短,分类正确率高达98.667%,提高了刀具磨损状态监测的正确率和实时性。(本文来源于《组合机床与自动化加工技术》期刊2019年10期）
唐利平,刘海雄[3]（2019）在《刀具磨损状态特征参数提取与识别方法研究》一文中研究指出为准确识别刀具磨损状态,提出了基于MF-DFA的特征提取方法和基于LS-SVM的磨损状态辨识方法。设计了刀具磨损试验方案;提出了具有可调节参数的改进阈值小波降噪方法,解决了硬阈值降噪不连续和软阈值降噪失真问题,降噪后信号的信噪比和均方误差优于另外两种阈值;分析了多重分形谱参数与声发射信号特征对应关系,基于此初选了特征参数,根据刀具不同磨损阶段各参数的分布情况优选了特征参数,且优选特征参数聚类效果极佳;采用基于LS-SVM算法的磨损阶段识别方法,分别使用初选特征参数与优选特征参数进行模式识别,实验结果表明,优选特征参数的识别精度明显高于初选特征参数;与BP神经网络、SVM算法相比,LS-SVM算法的识别准确率最高、时间消耗最小。(本文来源于《组合机床与自动化加工技术》期刊2019年10期）
桂宇飞,官威,陈标,沈彬[4]（2019）在《基于HHT算法与主轴功率信号的刀具磨损状态在线监测》一文中研究指出对刀具磨损状态进行在线监测是提高加工效率、改善产品质量的重要途径,提出了一种基于希尔伯特-黄变换(HHT)和机床主轴功率信号的刀具磨损状态在线监测方法,并设计了六组实验用于研究切削用量、工件材料、加工方式等因素对该方法监测精度的影响。实验结果表明,在不同加工工况条件下,基于希尔伯特-黄变换和主轴功率信号构造的磨损系数与刀具的实际磨损量均有较高的相关性,相关系数约为0.85,最高可达0.98,即所研究的因素对该方法监测精度影响较小。表明文章提出的刀具磨损状态在线监测方法具有良好的可行性和适用性,能够满足工业中的应用需求。(本文来源于《机械设计与研究》期刊2019年05期）
李健,郝秀清,孙鹏程,陈馨雯,李亮[5]（2019）在《刀具表面混合型微结构的形状和密度对润滑状态影响的仿真研究》一文中研究指出为研究变密度、变形状或变形状变密度混合型微结构对刀具润滑状态的影响,建立具有混合微结构的刀具和切屑界面的润滑模型,采用FLUENT软件计算油膜上壁面压力、承载力及入口质量流速参数,分析微结构的参数及排布对刀具润滑状态的影响。结果表明:变密度微结构根据重度磨损区、中度磨损区、轻度磨损区设置不同面积率,变形状微结构根据形状特点设置形状及排布,2种混合型微结构均可提高承载能力和增加润滑油入口质量流速;变形状变密度混合型微结构结合了变密度微结构和变形状微结构的优势,能更好地发挥微结构改善刀-屑界面润滑油膜分布、持续补充润滑剂的能力,从而可获得最佳的综合润滑性能。(本文来源于《润滑与密封》期刊2019年10期）
朱翔,谢峰,李楠[6]（2019）在《基于长短期记忆神经网络的刀具磨损状态监测》一文中研究指出刀具磨损状况的实时检测是目前机床加工状态监测的难点,而对刀具的振动信号分析的常用方法是利用神经网络模型来判断刀具磨损状态。为解决循环神经网络(RNN)模型训练过程中梯度容易消亡的现象,提出基于长短期记忆神经网络的刀具磨损状态在线监测。刀具在进行切削加工时,首先通过加速度传感器采集刀具振动信号,然后对振动信号小波包变换进行分解是让信号通过不同的滤波器进行有条件的选择,由此形成不同的能量值,用作为长短期记忆神经网络的特征输入,从而诊断出刀具磨损状态的3种状态故障;最后利用长短期记忆神经网络模型对处理时间序列的数据有比较好的效果,它可以捕捉长期的依赖关系和非线性动态变化。此外,通过与多层(BP)神经网络和(BP)神经网络故障诊断方法进行比较,结果表明,LSTM网络对刀具磨损状态在线监测更加有效。(本文来源于《制造技术与机床》期刊2019年10期）
丁宁,张敏良,郭东升,赵森,吴经洋[7]（2019）在《基于切削温度分析的刀具磨损状态研究》一文中研究指出为了解刀具在切削时的实际状况,课题组提出了基于切削温度的刀具状态实时监测的方案。采用仿真与试验相结合相验证的方法,对刀具在新刀、早期磨损、严重磨损以及失效4种状态下的切削温度进行分析。通过试验采集刀具磨损及失效的温度信号数据,建立了基于最小模糊度的隶属度函数优化模型,用于诊断刀具加工过程中的磨损及失效状态。应用结果表明,该方法可以实现对刀具磨损及失效状态的实时监测,对提高机床的加工效率及加工精度具有重要意义。(本文来源于《轻工机械》期刊2019年05期）
安华,王国锋,王喆,马凯乐,钟才川[8]（2019）在《基于深度学习理论的刀具状态监测及剩余寿命预测方法》一文中研究指出针对机械大数据的特点及深度学习的优势,提出了一种新的刀具磨损状态监测及剩余使用寿命预测方法。该方法首先利用稀疏自编码器及皮尔逊相关系数对原始切削力信号自适应提取敏感特征;之后将得到的显着性特征与其对应的刀具磨损值训练反向传播(BP)神经网络;最后使用预测的刀具磨损值作为观测值,利用指数平滑算法预测刀具剩余使用寿命。为了解决样本数量不足带来的过拟合问题,对原始样本进行加噪处理,同时在特征提取过程中引入dropout训练技巧。通过刀具全寿命周期实验实现了大量样本下刀具磨损特征自适应提取与剩余寿命预测,证明了所提方法的有效性。(本文来源于《电子测量与仪器学报》期刊2019年09期）
范云龙,陈劲杰[9]（2019）在《基于KNN的刀具磨损状态检测》一文中研究指出为了检测机械加工过程中的刀具磨损程度,保证加工质量,提出基于KNN算法的刀具磨损状态方法。利用KNN算法中的相似度分类的特征,对数字图像文本化后进行相似度计算,形成分类模型识别刀具磨损程度,最后通过实验证明该方法的识别准确性。该方法监测过程简单,动态性和经济性好,适合在加工过程中推广。(本文来源于《农业装备与车辆工程》期刊2019年09期）
何一千,黄民,孙巍伟[10]（2019）在《基于BP神经网络的数控机床刀具磨损状态识别方法》一文中研究指出为了提高叁相电流信号监测刀具磨损状态的可靠性,提出了一种基于BP神经网络的数控机床刀具磨损状态识别方法。首先对采集得到的叁相电流信号进行时域、频域和小波分析,从中提取出与刀具磨损程度相关性较好的多个特征量,组合成敏感特征向量,然后搭建BP神经网络,建立叁相电流信号特征向量与刀具磨损状态之间的联系。最后,用经过训练后的BP神经网络识别多组未知样本的刀具磨损状态。实验结果表明,该方法能够准确判定刀具的磨损状态。(本文来源于《设备管理与维修》期刊2019年17期）
刀具状态论文开题报告
（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：
在铣削加工过程中,为实现在线不停机刀具磨破损的快速检测与预报,提出了一种基于Gabor-GLCM工件表面纹理特征的刀具状态视诊方法。首先采用Gabor滤波器虚部与工件纹理图像卷积并提取Gabor特征;然后在卷积图像上采用GLCM提取二阶统计特征,将提取的特征向量串联,旋转规范化后得到刻画工件纹理的特征集;最后将旋转规范化特征集输入SVM训练分类模型,在实验采集的铣削工件表面纹理图像库中进行了测试。实验结果表明:该方法用时短,分类正确率高达98.667%,提高了刀具磨损状态监测的正确率和实时性。
（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。
刀具状态论文参考文献
[1].朱奕玮,阎秋生,汤彪,路家斌.刀具表面状态对电工钢板剪切断面完整性的影响[J].表面技术.2019
[2].王彤,刘丽冰,黄凤荣,杨泽青,张新建.基于Gabor-GLCM工件表面纹理特征的刀具状态视诊[J].组合机床与自动化加工技术.2019
[3].唐利平,刘海雄.刀具磨损状态特征参数提取与识别方法研究[J].组合机床与自动化加工技术.2019
[4].桂宇飞,官威,陈标,沈彬.基于HHT算法与主轴功率信号的刀具磨损状态在线监测[J].机械设计与研究.2019
[5].李健,郝秀清,孙鹏程,陈馨雯,李亮.刀具表面混合型微结构的形状和密度对润滑状态影响的仿真研究[J].润滑与密封.2019
[6].朱翔,谢峰,李楠.基于长短期记忆神经网络的刀具磨损状态监测[J].制造技术与机床.2019
[7].丁宁,张敏良,郭东升,赵森,吴经洋.基于切削温度分析的刀具磨损状态研究[J].轻工机械.2019
[8].安华,王国锋,王喆,马凯乐,钟才川.基于深度学习理论的刀具状态监测及剩余寿命预测方法[J].电子测量与仪器学报.2019
[9].范云龙,陈劲杰.基于KNN的刀具磨损状态检测[J].农业装备与车辆工程.2019
[10].何一千,黄民,孙巍伟.基于BP神经网络的数控机床刀具磨损状态识别方法[J].设备管理与维修.2019
论文知识图
