导读:本文包含了钻头磨损监测论文开题报告文献综述及选题提纲参考文献，主要关键词:深孔钻削,BTA钻头磨损,状态监测,长短期记忆网络(LSTM)
钻头磨损监测论文文献综述
王毫[1]（2019）在《基于LSTM循环神经网络的BTA钻头磨损监测技术研究》一文中研究指出错齿BTA钻头作为深孔钻床上的一种常用刀具,通过刀齿切削与导向条自导的方式完成零件的深孔加工,钻削过程势必造成钻头上刀齿和导向条的磨损。而钻头的磨损不仅会影响到工件的精度和质量,还会增加加工成本并降低生产效率。所以研究深孔钻削过程中的钻头磨损监测技术具有现实意义和实际价值。文中根据深孔钻削的特殊性,建立了用于采集主轴电机扭矩信号的深孔钻削实验平台,并系统的研究了基于LSTM循环神经网络的BTA钻头磨损监测技术。分别从时域和频域两个角度深入研究了在深孔钻削过程中主轴电机扭矩信号及其特征值与BTA钻头磨损量之间的关系。发现扭矩信号的时域统计特征与钻头磨损之间呈现出较强的相关性;频域中的扭矩信号功率谱密度也与钻头磨损量之间呈现出较强的相关性,频域统计特征展现出与钻头磨损历程基本一致的变化趋势。讨论了小波变换的多分辨特性以及Mallat算法的基本原理。采用Daubechies 4正交小波对主轴电机扭矩信号及其功率谱进行了多分辨分析,研究了小波分解信号及其统计特征随钻削深度的变化规律。从主轴电机扭矩信号的低频小波分解系数与重构功率谱包络中获取了与钻头磨损之间相关性较强的特征,为钻头磨损状态的识别奠定了基础。针对BTA钻头在两种磨损状态下特征模式分布重迭的特点,提出采用LSTM来解决钻头磨损状态监测的思想,系统的研究了LSTM在钻头磨损监测中的基本原理及算法实现过程,提出了基于LSTM的BTA钻头磨损监测方法,分别使用时域特征、时域和频域特征、小波分解特征和多类特征融合样本集建立相应的LSTM模型,并对建立好的模型进行训练与测试,实际结果表明:当输入矢量分别为时域特征、时域和频域特征以及多类特征融合样本时,相应模型的分类效果能很好地满足实际的监测要求;当输入矢量为小波分解特征样本时,相应模型的分类效果也能较好地满足实际的监测要求。(本文来源于《西安理工大学》期刊2019-06-30）
谢建平,付强,韩梦天,石锋[2]（2018）在《基于钻井参数的钻头磨损泥包监测识别方法》一文中研究指出现有的钻头磨损及钻头泥包识别方法多是利用钻井参数变化规律进行主观判断,没有一种确定的模型或方法来准确识别钻头磨损及泥包。文章在前人研究的基础上,提出了不同钻井条件下钻头摩擦系数及切削深度的计算模型,并结合邻井测井数据、钻头破岩机械比能模型建立了钻头磨损泥包监测识别方法。该方法在综合考虑了地层岩石强度、机械钻速、钻压、转速、扭矩、水力参数等因素前提下形成了一套监测识别模型。在西南油气田3口井中进行了现场试验,试验结果证明该方法能够在钻井过程中准确识别钻头磨损及泥包。现场试验主要用于PDC钻头,需要在不同钻头的井中进一步验证。(本文来源于《钻采工艺》期刊2018年02期）
肖伟[3]（2018）在《机械比能理论在钻头磨损监测中的运用》一文中研究指出传统钻头磨损预测方法综合考虑了机械比能和岩石可钻性,岩石可钻性确定需要对大量岩心进行可钻性试验以及大量数据分析处理,该方法计算精度偏低。本文通过结合钻速方程和机械比能理论提出一种钻头磨损实时监测新方法,该方法综合考虑了机械比能模型和钻速方程模型,结合PDC钻头钻速方程,可以有效地确定井下钻头磨损情况。1机械比能理论1.1机械比能理论概述传统的评价钻井性能的方法是采用统计方法,根据偏差进(本文来源于《化工管理》期刊2018年08期）
徐林,邵春,褚志伟[4]（2016）在《钻头磨损监测方法研究》一文中研究指出针对目前国内外钻、录井软件设备无法监测钻头磨损状况的现状,对近年来国内外钻头磨损监测方法进行研究,阐述其基本原理,指出其适用特点。最后,利用2口井的资料对主要方法进行了应用对比分析,由分析可知,Rashidi改进模型、Liu模型监测结果准确,且对钻头扭矩数据无依赖性,而现场很少配备钻头扭矩监测仪,因此,Rashidi改进模型、Liu模型适合现场对钻头磨损工况监测。(本文来源于《西部探矿工程》期刊2016年09期）
彭超[5]（2016）在《BTA深孔钻削过程中钻头磨损状态无传感器监测技术研究》一文中研究指出随着先进制造技术的应用,加工过程将会只有少数人或无人参加,更多的制造任务会由自动化设备来完成。而刀具是整个自动化制造系统中最薄弱的环节,因此,要使自动化的加工过程高效稳定地进行,研究和开发加工过程中刀具状态监测技术就显得尤为重要。本文以切削区域处于封闭空间、切削条件极为恶劣的BTA深孔钻削过程为研究对象,针对目前研究中依赖传感器获取数据同时需要外置决策模块的问题,提出了借助数控系统自身丰富的工况信息,从数控系统中提取加工过程中主轴电机的电流信号,基于电流信号特征参数与钻头磨损之间的内在关系,自动识别钻头磨损状态的无传感器监测方案。并对其中的特征参数的提取技术以及基于特征参数的智能识别技术进行了研究。、为了便于信号的离线研究,建立了基于机床数控系统通讯模块的主轴电机电流信号采集系统,通过钻削实验获取了主轴电机电流信号以及钻头的磨损规律信息。分别在时域和频域对主轴电机电流信号进行了处理和分析,研究了电流信号在钻削过程中的变化规律,提取了信号的特征参数并讨论了各特征参数与BTA钻头磨损之间的关系。结果表明,、时域的均值、均方根、峭度、偏度等特征参数与钻头磨损的变化规律表现出了一定的相关性,其中峭度、偏度作为无量纲参数,能够更好地反映信号的本质特征。在频域内,主轴电机电流的功率谱密度的变化也与钻头的磨损规律呈现出相关性。从功率谱中提取的频带能量及频率重心等特征参数也能一定程度地表征钻头的磨损规律。针对主轴电流信号成分较为复杂,且局部与整体之间具有一定相似性的特点,采用小波分形方法,研究了信号中不同频率分量的分形特征。为了描述在不同尺度下各分量内部及各分量之间的自相似性,分别提取了小波分形盒维数和小波分维数来进行表征,并研究了其与钻头磨损之间的相关关系。结果表明,主轴电机电流信号的小波分形盒维数从低频带到高频带逐渐增大,说明信号在不同频带具有不同的成分信息。且第一层细节部分的盒维数与钻头磨损呈现出一定的相关性。而主轴电机电流信号的小波分维数特征的变化规律与钻头磨损之间呈现除了很好的反相关关系。其拟合曲线上可以很好地表征信号的叁个磨损阶段。针对特生下参数样本数较小的特点,采用相关向量机(RVM)分类模型对钻头磨损状态进行识别,研究了核函数以及核参数对于RVM分类模型识别率的影响。在合适的核函数及核参数下,选择信号的峭度、偏度及小波分维数组成特征向量作为训练样本,对相关向量机(RVM)的分类模型进行训练,进而对各磨损状态下的测试样本进行了识别测试。结果表明,RVM分类模型对于深孔加工过程中钻头的磨损状态识别准确率高,且具有很好的泛化能力,能够满足钻削过程中实时高效识别的工作需求。本文的研究工作为BTA深孔钻头的无传感器监测系统的实现奠定了基础,同时也为刀具识别监测技术的研究提供了新的思路。(本文来源于《西安理工大学》期刊2016-06-30）
黄德福,管芳,吴广军,胡鸿志[6]（2016）在《数控钻床钻头磨损自动监测系统研究》一文中研究指出环模是饲料加工机器的核心部件,其钻削加工是制约生产效率和产品质量的瓶颈工序。以钻头工况噪声为测试和研究对象,通过噪声功率谱分析得到钻头的实时磨损状态;融合计算机技术、嵌入式系统技术和短距离无线通信技术,研制了一种环模数控钻床钻头噪声监测系统,并开发了相应的人机交互软件,实现了钻头工作状态的实时检测和自动处理。实验测试表明,钻头噪声功率谱特征变化明显,钻头工况监测系统运行稳定可靠,目前产品已经投入实际生产测试。(本文来源于《国外电子测量技术》期刊2016年06期）
周波,肖伟[7]（2014）在《PDC钻头磨损监测新方法研究》一文中研究指出该文通过结合机械比能理论和钻速方程提出了一种新的钻头磨损监测方法,该方法综合考虑了机械比能模型和钻速方程模型,能有效地确定钻头在井下的磨损状况。该文通过中石化国际工程有限公司在阿尔及利亚打钻的MKT-1井进行了钻头磨损分级的计算,计算结果与实测数据基本一致,证明该方法的科学性,对提高钻井效率具有一定的指导意义。(本文来源于《科技创新导报》期刊2014年31期）
樊洪海,冯广庆,肖伟,马金良,叶志[8]（2012）在《基于机械比能理论的钻头磨损监测新方法》一文中研究指出现有基于机械比能理论的钻头磨损监测方法,都是通过机械比能趋势线对钻头钝化趋势作定性分析,没有一种定量计算钻头磨损等级的有效方法。在前人研究成果的基础上,选取合理机械比能模型,通过优化钻头扭矩回归数据对其进行了优化;综合考虑钻头设计参数、切削结构、钻井参数及钻头磨损等的影响,选取了合适的牙轮钻头和PDC钻头钻速方程,提出了一种定量计算与定性分析相结合的钻头磨损监测新方法。该方法充分考虑了钻速、钻压、转速、扭矩以及钻头设计参数等因素,采用钻速方程和测录井数据计算机械比能、岩石抗压强度和钻头磨损等级分级系数。该方法在南海油田宝岛区块A井、准噶尔盆地风城区块B井、吐哈油田某区块C井等的多个井段进行了PDC钻头和牙轮钻头的磨损监测,结果表明,较之钻头磨损实测数据,PDC钻头的平均相对误差为9.87%,牙轮钻头为21.15%,即新方法能有效监测钻头磨损情况且更适用于PDC钻头。(本文来源于《石油钻探技术》期刊2012年03期）
郑建明,李言,袁启龙,李鹏阳,肖继明[9]（2006）在《一种新的小波分维数及其在钻头磨损监测中的应用》一文中研究指出根据小波变换与分形理论在认识事物的本质上都是基于从总体向局部、从宏观向微观的自相似原理,提出一种以小波作为标尺来定义分维数的思想,从而建立了一种以信号的绝对和作为度量参数的小波分维数。对钻头整个磨损历程中钻削力信号小波分维数变化规律的研究表明:运用小波分维数可更加有效地刻画信号的本质特征,钻削过程扭矩和轴向力信号小波分维数的变化与钻头磨损之间表现出密切的相关性,采用该方法可准确实现钻头磨损状态的监测。(本文来源于《西安理工大学学报》期刊2006年02期）
郑建明,李言,袁启龙,李鹏阳[10]（2006）在《基于小波包能量谱的HMM钻头磨损监测》一文中研究指出从工程应用的角度论述了小波包分解原理及其能量谱监测理论,并将该理论应用于钻削力信号特征提取中,针对钻削过程特征矢量与钻头磨损之间具有较强的随机性和不确定性的特点,提出一种基于隐马尔可夫模型(HMM)的钻头磨损监测方法。实验结果表明,通过对钻削力信号进行多层小波包分解,提取各频段能量谱作为特征矢量可准确刻画工艺系统随钻头磨损的演化规律,利用HMM建立的各钻头磨损状态小波包能量谱的统计模型可有效跟踪钻头磨损的发展趋势,实现钻头磨损状态和寿命的监测。(本文来源于《中国机械工程》期刊2006年12期）
钻头磨损监测论文开题报告
（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：
现有的钻头磨损及钻头泥包识别方法多是利用钻井参数变化规律进行主观判断,没有一种确定的模型或方法来准确识别钻头磨损及泥包。文章在前人研究的基础上,提出了不同钻井条件下钻头摩擦系数及切削深度的计算模型,并结合邻井测井数据、钻头破岩机械比能模型建立了钻头磨损泥包监测识别方法。该方法在综合考虑了地层岩石强度、机械钻速、钻压、转速、扭矩、水力参数等因素前提下形成了一套监测识别模型。在西南油气田3口井中进行了现场试验,试验结果证明该方法能够在钻井过程中准确识别钻头磨损及泥包。现场试验主要用于PDC钻头,需要在不同钻头的井中进一步验证。
（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。
钻头磨损监测论文参考文献
[1].王毫.基于LSTM循环神经网络的BTA钻头磨损监测技术研究[D].西安理工大学.2019
[2].谢建平,付强,韩梦天,石锋.基于钻井参数的钻头磨损泥包监测识别方法[J].钻采工艺.2018
[3].肖伟.机械比能理论在钻头磨损监测中的运用[J].化工管理.2018
[4].徐林,邵春,褚志伟.钻头磨损监测方法研究[J].西部探矿工程.2016
[5].彭超.BTA深孔钻削过程中钻头磨损状态无传感器监测技术研究[D].西安理工大学.2016
[6].黄德福,管芳,吴广军,胡鸿志.数控钻床钻头磨损自动监测系统研究[J].国外电子测量技术.2016
[7].周波,肖伟.PDC钻头磨损监测新方法研究[J].科技创新导报.2014
[8].樊洪海,冯广庆,肖伟,马金良,叶志.基于机械比能理论的钻头磨损监测新方法[J].石油钻探技术.2012
[9].郑建明,李言,袁启龙,李鹏阳,肖继明.一种新的小波分维数及其在钻头磨损监测中的应用[J].西安理工大学学报.2006
[10].郑建明,李言,袁启龙,李鹏阳.基于小波包能量谱的HMM钻头磨损监测[J].中国机械工程.2006
标签：深孔钻削; BTA钻头磨损; 状态监测; 长短期记忆网络(LSTM);