导读:本文包含了在线磨损监测论文开题报告文献综述、选题提纲参考文献，主要关键词:在线,刀具,磨损,轴瓦,功率,齿轮箱,数控。
在线磨损监测论文文献综述写法
桂宇飞,官威,陈标,沈彬[1]（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）
俞莎莎[2]（2019）在《基于润滑油磨粒在线监测的齿轮磨损预测模型研究》一文中研究指出机械动力传动系统作为航空航天、交通运输、电力及石化等领域高端装备的重要组成部分,在国防与国民经济领域中发挥着重要作用,一旦其发生故障将损失巨大。而齿轮作为动力传动系统中最关键的部件,其磨损状态将直接影响着机械系统的可靠性和安全性。工程实践中,人们期望能够对齿轮的磨损状态、磨损趋势做到在线监测,进而能防微杜渐,防患于未然。润滑油磨粒在线监测技术能够实现润滑油中磨粒的实时、连续、在线监测从而将传统的预防性维修变成视情维修,有助于机械设备维修制度向智能化方向的发展。故研究如何将在线磨粒监测诊断技术应用到齿轮磨损状态监测、磨损趋势预测中,具有重要的学术和工程应用价值。本文开展了基于润滑油磨粒在线监测的齿轮磨预测模型研究。论文主要研究内容如下:首先,建立了润滑油磨粒在线监测试验系统。根据磨粒监测试验需求,针对MCL-1型封闭功率流式试验台,提出了油路系统设计方案。在齿轮箱回油路组装润滑油磨粒在线监测传感器ZXA-07及回油泵,在供油路增设两级过滤系统以实现泵前粗过滤器和泵后精过滤,以及用于连接过滤系统和磨粒传感器的辅助装置;建立了远程监测控制系统,实现了试验系统运行状态的远程控制。第二,开展了齿轮磨损过程中润滑油磨粒在线监测试验研究。根据试验目的设计了试验方案,选择试验齿轮参数及试验润滑油,确定试验载荷及转速;开展齿轮磨损试验,对试验数据进行分析,分析了润滑油磨粒特征参数随齿轮磨损的变化规律。第叁,提出了基于遗传退火优化的小波神经网络(GA-WNN)预测模型。首先通过用小波元对BP神经网络隐含层神经元的替换,建立小波神经网络;然后针对小波神经网络的初始权值、阈值、尺度因子、平移因子初始参数的优化问题,提出了采用遗传退火(GA)算法对其进行优化;最后利用已优化的网络初始参数进行网络训练,得到预测模型。最后,开展了基于润滑油磨粒在线监测的齿轮磨损预测研究。通过应用实例对提出的预测模型进行了验证;利用数据挖掘中常用的数据清洗方法对传感器监测的磨粒特征数据进行了清洗;利用GA-WNN建立基于时间序列的齿轮磨损预测模型,对齿轮磨损趋势进行了预测。(本文来源于《南京航空航天大学》期刊2019-03-01）
卢志远,马鹏飞,肖江林,王美清,唐晓青[3]（2019）在《基于机床信息的加工过程刀具磨损状态在线监测》一文中研究指出为实现刀具磨损状态的在线监测,提高监测系统的实用性,提出一种基于机床信息的加工过程刀具磨损状态在线监测方法。采用OPC UA通信技术在线采集与存储数控机床信息,得到与磨损相关的机床内部过程信息,并基于这类信息与相应的刀具磨损信息,利用卷积神经网络建立了刀具磨损状态识别模型。应用案例证明了该方法的监测性能,与其他传统监测方法相比,该方法更适用于实际的生产加工。(本文来源于《中国机械工程》期刊2019年02期）
郭天赐,曹岩,李丽娟[4]（2018）在《智能切削刀具磨损视觉在线监测系统》一文中研究指出智能切削刀具磨损视觉在线监测系统的构建通过机床关键部位安装的传感器,实现数据的实时传输,通过以太网传输到智能管理系统,最后对在线视觉监控和实时传输数据进行分析与整理,完成对刀具生命全周期的在线监测和管理,在保证加工质量的同时提高加工效率、降低成本。(本文来源于《金属加工(冷加工)》期刊2018年10期）
林丽,邓春,经昊达,宋鹏,高建华[5]（2018）在《基于油液在线监测的齿轮箱磨损趋势分析与研究》一文中研究指出齿轮箱润滑油液中的磨粒携带了大量磨损状态的信息,通过在线监测传感器能监测出油液中磨粒的相关参数(尺寸、数量、生成率等),可判断或推测出齿轮箱的磨损状态。然而,目前在线监测的磨粒相关特征参数与齿轮箱磨损状态的准确对应关系还未得到深入研究。本研究首先采用离线检测的方法验证了在线监测传感器的可靠性,然后通过自主研制的试验台进行了齿轮箱全寿命加速试验,根据不同尺寸磨粒数量、磨粒生成率等的变化趋势对齿轮箱磨损程度做出了预判;最后采用铁谱分析法进一步验证了在线监测齿轮箱故障的准确性。结果表明:基于油液在线监测的磨粒信息(尺寸、数量、生成率)能很好地对齿轮箱磨损状态进行判定和预测。(本文来源于《材料导报》期刊2018年18期）
万腾[6]（2018）在《基于切削功率的数控批量加工刀具磨损在线监测方法及系统》一文中研究指出作为《中国制造2025》五大工程之一的智能制造对机械加工行业生产自动化提出了越来越高的要求,而刀具作为数控加工过程的主体,其状态会对自动化生产线加工效率和产品加工质量产生重要影响。因此,研究数控批量加工刀具磨损在线监测方法并开发相应的刀具磨损在线监测系统将是推进机械加工行业自动化生产和加强生产过程智能可控的必然选择。本论文在国家高技术研究发展计划(863计划)课题“机床产品机械加工制造系统能效优化提升技术及应用”(编号:2014AA041506)、国家自然科学基金面上项目“面向广义能量效率的数控加工工艺规划理论与方法研究”(编号:51475059)以及国家重点研发计划课题“离散及流程行业制造/生产过程能效检测与评估关键技术标准研究”(编号:2017YFF0207903)的资助下,对基于切削功率的数控批量加工刀具磨损在线监测方法及系统进行了研究,研究成果对于提高我国制造业智能化和信息化水平具有深远的意义。首先,研究切削功率与刀具磨损量及加工参数之间的映射关系。分别分析刀具磨损量和加工参数对切削功率的影响规律,在此基础上基于田口法设计数控车削加工和数控铣削加工实验,进而建立切削功率与刀具磨损量及加工参数之间的二阶响应回归模型。其次,提出一种根据加工参数的变化实时更新切削功率阈值的数控批量加工刀具磨损在线监测方法。该方法主要包括以下关键步骤:采用基于小波包的防脉冲干扰滑动平均滤波法对功率信号进行预处理、结合功率信息和加工参数信息判断数控机床状态以及基于切削功率回归模型和实时切削功率信息识别刀具破损状态和刀具磨损状态。再次,基于数控批量加工刀具磨损在线监测方法,开发相应的数控批量加工刀具磨损在线监测系统。提出系统的总体框架,阐述软硬件平台的搭建并详细介绍包含串口通信模块、加工参数读取模块、数据管理模块和显示界面模块等在内的软件功能模块的实现。最后,将数控批量加工刀具磨损在线监测方法和数控批量加工刀具磨损在线监测系统应用于数控车削批量加工和数控铣削批量加工过程中,以验证该方法和系统的有效性及实用性。(本文来源于《重庆大学》期刊2018-05-01）
韩凤华,谢峰[7]（2018）在《基于多参数指标的刀具磨损状态在线监测》一文中研究指出刀具在进行切削加工过程中,通过采集定速下的加速度信号,对其时域和频域的相关指标进行分析,提取有效的特征量,对刀具磨损状态进行在线监测。分析结果表明:在时域指标的有量纲参数中,均方根值和峭度对刀具磨损有较好的指示作用,当刀具在出现明显磨损时,该两参数的数值明显增大;在无量纲参数中,脉冲指标、裕度指标和偏斜度指标对于刀具磨损振动更加敏感;在频域指标参数中,均方频率和功率谱方差对刀具磨损的振动信号变化敏感,此方法研究可有效判断出在加工过程中刀具的实时磨损状况,具有一定的应用价值。(本文来源于《制造技术与机床》期刊2018年02期）
白绍瑞[8]（2017）在《滑动轴瓦磨损在线监测系统的研究》一文中研究指出异常磨损是造成设备运转部件故障的常见主要破坏形式。目前对异常磨损的监控方式是通过定期提取润滑油油样进行油液分析来实现的,并以检测油样中的金属磨粒成分和含量来定性判断磨损发生位置及程度。但这种监测往往是在异常磨损发生后的被动监测,却不能在异常磨损的发生瞬间做到主动监测。本论文从滑动轴瓦的动压液体润滑形成油楔的机理、轴瓦承受径向载荷的能力进行动态分析,并利用各种传感器检测轴瓦磨损状况的动态变化,从而实现对轴瓦磨损的动态监测与报警。(本文来源于《2017中国自动化大会（CAC2017）暨国际智能制造创新大会（CIMIC2017）论文集》期刊2017-10-20）
李聪波,万腾,陈行政,雷焱绯[9]（2018）在《基于切削功率的数控车削批量加工刀具磨损在线监测》一文中研究指出为了实现数控车削批量加工刀具磨损状态的在线监测,在分析切削功率与刀具磨损量关系的基础上,考虑加工参数对切削功率的影响,基于正交实验设计与响应面法,建立了切削功率与刀具磨损量及加工参数之间的回归模型。提出一种实时更新切削功率阈值的刀具磨损状态在线监测方法。该方法首先对功率信号进行滤波处理,结合数控系统判断机床的运行状态,然后实时计算切削功率阈值并与实际加工过程切削功率进行比较来监测刀具的磨损状况。通过实验案例自动在线监测数控车削过程中刀具磨损的情况,验证了该方法的有效性。(本文来源于《计算机集成制造系统》期刊2018年08期）
张强,赵轲,王海舰,张石磊,袁智[10]（2017）在《基于声发射信号的蜗轮磨损程度在线监测》一文中研究指出为实现对蜗轮蜗杆减速器工作过程中蜗轮磨损程度的精确监测,利用多通道声发射检测仪器对不同磨损程度的蜗轮声发射信号进行在线采集。采用小波分析方法对信号进行去噪处理,提取声发射特征信号值,根据最小模糊熵优化模型构造出不同磨损程度蜗轮的模糊隶属度函数。采用ANFIS多维模糊神经网络实现多通道声发射信号的决策融合,提高了蜗轮磨损程度识别结果的准确性。通过对随机磨损程度的蜗轮进行实际验证,实验结果验证了系统的有效性和可靠性。(本文来源于《机械设计与研究》期刊2017年04期）
在线磨损监测论文开题报告范文
（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：
机械动力传动系统作为航空航天、交通运输、电力及石化等领域高端装备的重要组成部分,在国防与国民经济领域中发挥着重要作用,一旦其发生故障将损失巨大。而齿轮作为动力传动系统中最关键的部件,其磨损状态将直接影响着机械系统的可靠性和安全性。工程实践中,人们期望能够对齿轮的磨损状态、磨损趋势做到在线监测,进而能防微杜渐,防患于未然。润滑油磨粒在线监测技术能够实现润滑油中磨粒的实时、连续、在线监测从而将传统的预防性维修变成视情维修,有助于机械设备维修制度向智能化方向的发展。故研究如何将在线磨粒监测诊断技术应用到齿轮磨损状态监测、磨损趋势预测中,具有重要的学术和工程应用价值。本文开展了基于润滑油磨粒在线监测的齿轮磨预测模型研究。论文主要研究内容如下:首先,建立了润滑油磨粒在线监测试验系统。根据磨粒监测试验需求,针对MCL-1型封闭功率流式试验台,提出了油路系统设计方案。在齿轮箱回油路组装润滑油磨粒在线监测传感器ZXA-07及回油泵,在供油路增设两级过滤系统以实现泵前粗过滤器和泵后精过滤,以及用于连接过滤系统和磨粒传感器的辅助装置;建立了远程监测控制系统,实现了试验系统运行状态的远程控制。第二,开展了齿轮磨损过程中润滑油磨粒在线监测试验研究。根据试验目的设计了试验方案,选择试验齿轮参数及试验润滑油,确定试验载荷及转速;开展齿轮磨损试验,对试验数据进行分析,分析了润滑油磨粒特征参数随齿轮磨损的变化规律。第叁,提出了基于遗传退火优化的小波神经网络(GA-WNN)预测模型。首先通过用小波元对BP神经网络隐含层神经元的替换,建立小波神经网络;然后针对小波神经网络的初始权值、阈值、尺度因子、平移因子初始参数的优化问题,提出了采用遗传退火(GA)算法对其进行优化;最后利用已优化的网络初始参数进行网络训练,得到预测模型。最后,开展了基于润滑油磨粒在线监测的齿轮磨损预测研究。通过应用实例对提出的预测模型进行了验证;利用数据挖掘中常用的数据清洗方法对传感器监测的磨粒特征数据进行了清洗;利用GA-WNN建立基于时间序列的齿轮磨损预测模型,对齿轮磨损趋势进行了预测。
（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。
在线磨损监测论文参考文献
[1].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
[2].俞莎莎.基于润滑油磨粒在线监测的齿轮磨损预测模型研究[D].南京航空航天大学.2019
[3].卢志远,马鹏飞,肖江林,王美清,唐晓青.基于机床信息的加工过程刀具磨损状态在线监测[J].中国机械工程.2019
[4].郭天赐,曹岩,李丽娟.智能切削刀具磨损视觉在线监测系统[J].金属加工(冷加工).2018
[5].林丽,邓春,经昊达,宋鹏,高建华.基于油液在线监测的齿轮箱磨损趋势分析与研究[J].材料导报.2018
[6].万腾.基于切削功率的数控批量加工刀具磨损在线监测方法及系统[D].重庆大学.2018
[7].韩凤华,谢峰.基于多参数指标的刀具磨损状态在线监测[J].制造技术与机床.2018
[8].白绍瑞.滑动轴瓦磨损在线监测系统的研究[C].2017中国自动化大会（CAC2017）暨国际智能制造创新大会（CIMIC2017）论文集.2017
[9].李聪波,万腾,陈行政,雷焱绯.基于切削功率的数控车削批量加工刀具磨损在线监测[J].计算机集成制造系统.2018
[10].张强,赵轲,王海舰,张石磊,袁智.基于声发射信号的蜗轮磨损程度在线监测[J].机械设计与研究.2017