导读:本文包含了切削颤振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:小波包分解,BP神经网络,切削颤振,监测
切削颤振监测论文文献综述
谢锋云,曹青松,黄志刚[1]（2015）在《基于小波包-BP神经网络的切削颤振监测》一文中研究指出对切削加工状态进行实时监测尤其是颤振的监测,为提高切削加工质量有着重要意义。搭建切削颤振实验平台,采用加速度传感器获取切削加工信号,通过时频分析,将切削加工状态划分为稳定、过渡及颤振3种加工状态。利用小波包分解,计算各状态在不同频带的小波系数均方根值(RMS),并把它作为BP神经网络的输入向量。依照BP神经网络分类方法,对3种加工状态进行识别。结果表明,该监测系统可对切削颤振进行有效识别。(本文来源于《仪表技术与传感器》期刊2015年10期）
王二化[2]（2013）在《立铣加工过程稳定性分析及切削颤振在线监测方法研究》一文中研究指出随着制造技术的不断发展,加工过程稳定性问题,特别是切削颤振已经成为制约加工效率提高的主要因素之一。目前,很多学者已经对切削颤振产生机理、在线监测技术和稳定性Lobe图计算方法进行了研究,但由于机床结构和加工过程的复杂性,现有研究成果对实际加工过程的指导作用比较有限。因此,本文在总结相关领域研究现状的基础上,重点研究了立铣加工过程稳定性及切削颤振在线监测方法。研究了稳定性Lobe图必需的刀尖频响函数预测方法,探讨了主轴-刀柄和刀柄-刀具结合面参数辨识方法,并分析了各个结合面参数对稳定性Lobe图的影响；研究了机床相对动柔度劣化趋势及其对稳定性Lobe图的影响；研究了切削颤振在线监测方法。以主轴-刀柄-刀具系统为研究对象,给出了Timoshenko梁和弹性支撑的传递矩阵,给出了主轴、刀柄和刀具子结构端点频响函数预测方法,给出了主轴、刀柄和刀具耦合方法,提出了一种刀尖频响函数预测模型。研究结果表明,和模态迭加法相比,该刀尖频响函数预测模型得到的前七阶固有频率的最大误差减小了35%,计算效率提高了50%。研究发现,主轴-刀柄和刀柄.刀具结合面参数是影响机床刀尖频响函数预测精度的主要因素之一。为提高机床刀尖频响函数预测精度,结合Timoshenko梁理论和传递矩阵法,得到了刀柄和刀具端点频响函数；并通过柔度耦合子结构分析(receptance coupling substructure analysis, RCSA)和改进型粒子群优化算法(Particle Swarm Optimization, PSO),重点研究了主轴-刀柄和刀柄-刀具结合面参数辨识方法,并分析了各个结合面参数对稳定性Lobe图的影响。实验结果表明,本文提出的结合面参数辨识模型精度较高,普适性强,能广泛应用于固定结合面的参数辨识。以四自由度立铣切削过程动力学模型为基础,给出了机床相对动柔度计算公式,提出了机床相对激振实验方案,提出了机床相对动柔度评价指标。基于广义隐马尔科夫模型(Generalized Hidden Markov Model, GHMM)和重心法,提出了机床相对动柔度劣化趋势预测模型,并分析了机床相对动柔度劣化过程对稳定性Lobe图的影响。研究结果表明,该预测模型能很好地解决实验数据的小样本问题,具有较高的预测精度,可以为立铣加工过程提供动态的稳定性Lobe图。基于小波包分解和奇异谱分析方法,提取颤振发生频段能量比系数和奇异谱熵系数作为颤振特征。提出了基于PSO和局部搜索算法的BP神经网络模型,完成了切削状态识别,实现了切削颤振的在线监测。研究结果表明,该方法能有效辨识稳定、过渡和颤振切削状态,识别率达到95%。(本文来源于《华中科技大学》期刊2013-07-01）
程瑶[3]（2013）在《经验模态分解在切削颤振分析与监测中的应用研究》一文中研究指出随着高速高精数控加工技术的发展以及难加工材料在重型装备上的广泛应用，切削颤振已成为数控加工中提高生产效率和加工精度的主要障碍之一。经典的时频分析方法如小波分析等由于以线性傅里叶变换为基础，在非线性、非平稳切削颤振信号的征兆特征准确提取中存在本质上的不足。本文以经验模态分解方法为基础，研究切削颤振信号的多层自适应分解方法以利于切削颤振的快速有效识别。在介绍经验模态分解中的两个核心概念瞬时频率和本征模函数的基础上，分析应用经验模态分解方法对时域信号依据信号的时间尺度特征进行自适应分解的理论基础与步骤，讨论经验模态分解方法的特点。以叶轮铣削加工为研究对象，采用经验模态分解方法对加工过程中的主轴振动信号进行自适应分解，从本征模函数中提取均方频率和一步自相关函数作为切削颤振敏感特征量，分析其在时间尺度上相对于切削振动信号振幅变化的超前性并将其作为对切削颤振进行识别的可能量。以最小二乘支持向量机作为分类算法，对叶轮铣削加工过程中的切削振动状态进行准确识别。针对数控加工切削颤振的实时监测问题，开发基于经验模态分解方法的监测模块并将其成功嵌入到研制的某机床实时监测系统中。该系统具有良好的跨平台性和可扩展性，能够实现与不同数控系统的对接。在硬件设计方面，提出该监测系统的总体框架和传感器等硬件选型。在软件方面，以Qt开发界面，以C语言实现以经验模态分解方法为核心的信号分析模块。通过300M钢铣削加工和叶轮加工实验，验证经验模态分解方法对切削颤振进行识别的有效性和实用性。(本文来源于《华中科技大学》期刊2013-01-01）
赵中敏,王茂凡[4]（2012）在《数控机床切削颤振状态监测与控制技术》一文中研究指出针对数控机床加工过程中切削颤振的现象,通过对机床的在线监测,将采样出的加速度信号进行数据处理,提出一种θ法作为判据的方法来判别颤振是否发生,并通过监控计算机对主轴箱和进给箱进行调控,达到抑制颤振的方法。该监控系统通用性强,所用设备少,具有可行性,从而为提高加工效率提供可循的加工依据。(本文来源于《工具技术》期刊2012年04期）
吕凯波,景敏卿,张永强,刘恒,李猛[5]（2011）在《一种切削颤振监测技术的研究与实现》一文中研究指出采用自主开发的外置式数控机床功能部件可重构监测系统的原型平台,研究开发了一种实用的切削颤振监测组件.针对有代表性的车削、铣削加工工艺,选择传统的振动加速度传感器拾取切削状态信息,选用时域方差和频域谱特征作为颤振发生的综合指标,采用监测数据与正常切削时建立的对比库进行比较的方法进行了颤振识别.在对颤振特征量及其阈值进行研究的基础上,进而使用C#编程语言来实现监测软件,通过引入延时机制和数据重迭处理技术,有效地提高了颤振早期预报的准确性和快速性.通过工厂切削试验对所开发的颤振监测组件进行测试验证,试验表明该组件的颤振诊断率可达到80%以上,证明了此监测方法对于工业现场的适用性.(本文来源于《西安交通大学学报》期刊2011年11期）
陈金英[6]（2010）在《数控机床切削颤振监测与预报技术的发展》一文中研究指出介绍了在机械制造行业与切削加工领域中数控机床切削颤振的理论研究与进展情况,分析了监测与预报的发展现状以及得出控制机床切削颤振的最优方法,具有一定的实用价值。(本文来源于《北京工业职业技术学院学报》期刊2010年02期）
邵强[7]（2010）在《切削加工过程中颤振的监测与识别方法研究》一文中研究指出切削加工是使用切削工具,把坯料或工件上多余的材料层切去,使工件获得规定的几何形状、尺寸和表面质量的加工方法。在切削加工过程中所产生的颤振是影响工件质量的主要原因之一,颤振具有非线性、时变性和不确定性等特点,难以进行精确的测量和识别,多年来吸引了国际上众多学者持续对其进行研究,取得了一些重要的研究成果,但仍然存在一些问题有待于解决。本文综合了隐马尔可夫、支持向量机及核主元分析等理论和方法,对机床启动过程、刀具磨损状态等诱发颤振的因素进行诊断分析,并且对切削加工中的颤振监测和识别方法进行研究。论文完成的主要工作如下：(1)通过对切削加工时机床启动过程的故障特征分析,基于隐马尔可夫理论,建立了混合密度连续隐马尔可夫模型,对机床启动过程的故障进行识别。采用连续混合密度隐马尔可夫模型识别车床启动过程的运行状态,解决了隐马尔可夫模型的溢出问题,根据高斯密度函数特点,提取启动过程的工件松动、不平衡、不对中和正常启动等特征信息,依据信息特征进行故障诊断识别。该模型克服了传统的诊断方法容易丢失特征信息的弊端,方法简单、识别率高,适合应用于旋转机械的启动过程故障诊断。与隐马尔可夫模型进行比较分析,实验结果表明,该模型具有较好的识别效果。(2)通过刀具磨损量对颤振影响程度的分析,基于离散隐马尔可夫理论,建立了刀具磨损诊断模型。采用对切削加工中的动态切削力信号和刀柄振动信号进行快速傅立叶变换并提取特征量,将提取的特征谱矢量作归一化处理,然后利用自组织特征映射对归一化矢量进行预分类离散编码,编码量值作为观测序列引入到离散隐马尔可夫模型中进行机器学习,识别出刀具磨损程度,识别结果作为控制切削进给量大小的依据。该模型克服了传统识别方法的计算量大、算法复杂的缺点,识别速度高,具有良好的实时性,并通过与隐马尔可夫模型和分形理论比较分析,实验结果表明,该模型具有较好的识别效果,为正确识别切削颤振奠定基础。(3)针对切削力信号和工件振动信号的非线性、不确定性和时变性的特点,提取切削过程的大样本数据,建立了基于核主元分析与支持向量机结合的故障诊断模型(KPCA-SVM)。该模型通过KPCA方法提取非线性颤振数据中的线性主元信息,根据主元信息贡献率的大小,确定能够代表颤振特性的线性主元,然后,通过SVM的分类能力,对线性主元进行一对多方式分类,分类结果作为判定是否具有颤振趋势的依据,为控制任务提供数据基础。该方法弥补了传统识别方法难于充分描述颤振发展过程的缺陷,实验结果表明：对于能够描述切削过程的大样本数据,KPCA-SVM是一种新的有效的颤振趋势识别方法。与主元分析与支持向量机模型(PCA-SVM)的识别效果比较,具有一定的优越性。(4)针对切削加工过程中的颤振发生时的小样本数据,建立了基于支持向量机与隐马尔可夫模型(SVM-HMM)结合的诊断模型,辨识颤振发生的程度。该模型首先求取小样本数据在支持向量机下的最优比率,然后把最优比率转化成Sigmoid概率,作为观测序列输入到HMM模型,通过隐马尔可夫模型的良好的类内分类能力,对切削过程中能够表现颤振的振动信号和切削力信号做出有效训练和识别。实验结果表明,对于小样本数据,该方法对切削颤振具有较强的识别能力,识别效果优于支持向量机方法、隐马尔可夫方法,该方法克服了非颤振信息颤振化错误判断的弊端,是一种颤振诊断的新方法。(本文来源于《大连理工大学》期刊2010-03-28）
黄群,王民,昝涛,崔孝广[8]（2010）在《基于嵌入式系统的切削颤振在线监测技术研究》一文中研究指出针对机床切削过程中的颤振现象难于实时、精确监测和控制的问题,设计了一种基于"FPGA+ARM"结构的切削颤振在线监测系统。切削振动数据采集主控制逻辑用FPGA来实现,ARM则用来实现采集数据的处理及快速发出颤振警报。(本文来源于《电子技术应用》期刊2010年03期）
江涌涛[9]（2007）在《基于隐马尔可夫模型及支持向量机的机床切削颤振在线监测》一文中研究指出本文针对切削颤振过渡过程信号信息量大、非平稳、信号特征重复再现性差的特点,引入隐马尔可夫模型(HMM)作为基本建模和识别工具,综合考虑了隐马尔可夫(HMM)的强动态时间建模能力、神经网络(NN)的强分类能力以及支持向量机(SVM)的小样本强推广能力,建立起了以HMM为基础,与其它模型相结合的方式对切削过程进行在线监测。后期进行的大量切削实验验证了各种模型的有效性、系统的鲁棒性、预报的实时性以及监控系统的稳定性。本文通过对机床切削颤振理论、统计模式识别理论、通讯理论、信号处理等多方面的研究,取得的主要研究成果和创新点有:(1)深入研究了机床切削信号特征提取方法,提出了基于短时傅立叶思想的特征提取方法;(2)建立了基于DHMM、CDHMM的切削状态监测模式;(3)对多层感知器结构及性能进行了研究,提出了基于MLP多信息融合能力对切削过程进行监测的方法;(4)建立了基于HMM和多层感器的混合模型并实现了切削过程的状态监测;(5)首次将隐马尔可夫模型与支持向量机结合应用于切削颤振监控,并取得了非常好的预报效果。(6)完成了一套切削颤振预报系统软件,进行了多次现场测试,系统运行正常。本项研究对于促进切削颤振监测和控制技术的进步,对于深刻地揭示切削颤振过渡过程的本质特征、保证产品加工质量、提高生产率带来了重要的学术价值和应用价值。(本文来源于《南华大学》期刊2007-05-01）
于英华,徐兴强,徐平[10]（2007）在《切削颤振的在线监测与控制研究现状分析》一文中研究指出切削颤振是切削过程中,工件和刀具之间自发产生的振荡,它严重影响机床加工性能。因此,多年来国内外学者针对切削颤振的机理、在线监测和在线控制进行了大量的研究。本文介绍了切削颤振在线监测与控制技术国内外研究现状,分析了现有方法的优缺点,总结了研究中存在的问题,展望了机床颤振的在线监测与控制技术的发展趋势。(本文来源于《振动与冲击》期刊2007年01期）
切削颤振监测论文开题报告
（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：
随着制造技术的不断发展,加工过程稳定性问题,特别是切削颤振已经成为制约加工效率提高的主要因素之一。目前,很多学者已经对切削颤振产生机理、在线监测技术和稳定性Lobe图计算方法进行了研究,但由于机床结构和加工过程的复杂性,现有研究成果对实际加工过程的指导作用比较有限。因此,本文在总结相关领域研究现状的基础上,重点研究了立铣加工过程稳定性及切削颤振在线监测方法。研究了稳定性Lobe图必需的刀尖频响函数预测方法,探讨了主轴-刀柄和刀柄-刀具结合面参数辨识方法,并分析了各个结合面参数对稳定性Lobe图的影响；研究了机床相对动柔度劣化趋势及其对稳定性Lobe图的影响；研究了切削颤振在线监测方法。以主轴-刀柄-刀具系统为研究对象,给出了Timoshenko梁和弹性支撑的传递矩阵,给出了主轴、刀柄和刀具子结构端点频响函数预测方法,给出了主轴、刀柄和刀具耦合方法,提出了一种刀尖频响函数预测模型。研究结果表明,和模态迭加法相比,该刀尖频响函数预测模型得到的前七阶固有频率的最大误差减小了35%,计算效率提高了50%。研究发现,主轴-刀柄和刀柄.刀具结合面参数是影响机床刀尖频响函数预测精度的主要因素之一。为提高机床刀尖频响函数预测精度,结合Timoshenko梁理论和传递矩阵法,得到了刀柄和刀具端点频响函数；并通过柔度耦合子结构分析(receptance coupling substructure analysis, RCSA)和改进型粒子群优化算法(Particle Swarm Optimization, PSO),重点研究了主轴-刀柄和刀柄-刀具结合面参数辨识方法,并分析了各个结合面参数对稳定性Lobe图的影响。实验结果表明,本文提出的结合面参数辨识模型精度较高,普适性强,能广泛应用于固定结合面的参数辨识。以四自由度立铣切削过程动力学模型为基础,给出了机床相对动柔度计算公式,提出了机床相对激振实验方案,提出了机床相对动柔度评价指标。基于广义隐马尔科夫模型(Generalized Hidden Markov Model, GHMM)和重心法,提出了机床相对动柔度劣化趋势预测模型,并分析了机床相对动柔度劣化过程对稳定性Lobe图的影响。研究结果表明,该预测模型能很好地解决实验数据的小样本问题,具有较高的预测精度,可以为立铣加工过程提供动态的稳定性Lobe图。基于小波包分解和奇异谱分析方法,提取颤振发生频段能量比系数和奇异谱熵系数作为颤振特征。提出了基于PSO和局部搜索算法的BP神经网络模型,完成了切削状态识别,实现了切削颤振的在线监测。研究结果表明,该方法能有效辨识稳定、过渡和颤振切削状态,识别率达到95%。
（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。
切削颤振监测论文参考文献
[1].谢锋云,曹青松,黄志刚.基于小波包-BP神经网络的切削颤振监测[J].仪表技术与传感器.2015
[2].王二化.立铣加工过程稳定性分析及切削颤振在线监测方法研究[D].华中科技大学.2013
[3].程瑶.经验模态分解在切削颤振分析与监测中的应用研究[D].华中科技大学.2013
[4].赵中敏,王茂凡.数控机床切削颤振状态监测与控制技术[J].工具技术.2012
[5].吕凯波,景敏卿,张永强,刘恒,李猛.一种切削颤振监测技术的研究与实现[J].西安交通大学学报.2011
[6].陈金英.数控机床切削颤振监测与预报技术的发展[J].北京工业职业技术学院学报.2010
[7].邵强.切削加工过程中颤振的监测与识别方法研究[D].大连理工大学.2010
[8].黄群,王民,昝涛,崔孝广.基于嵌入式系统的切削颤振在线监测技术研究[J].电子技术应用.2010
[9].江涌涛.基于隐马尔可夫模型及支持向量机的机床切削颤振在线监测[D].南华大学.2007
[10].于英华,徐兴强,徐平.切削颤振的在线监测与控制研究现状分析[J].振动与冲击.2007