BTA深孔钻削过程中钻头磨损状态无传感器监测技术研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题研究背景及其意义 | 第9-10页 |
| 1.2 刀具监测技术的研究现状 | 第10-16页 |
| 1.2.1 刀具状态监测方法 | 第10-11页 |
| 1.2.2 监测信号特征提取技术 | 第11-12页 |
| 1.2.3 状态识别技术 | 第12页 |
| 1.2.4 国内外研究成果 | 第12-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 2 BTA深孔钻头磨损状态监测实验系统设计 | 第17-25页 |
| 2.1 BTA深孔钻系统简介 | 第17-18页 |
| 2.2 深孔钻削中主轴驱动系统原理 | 第18-19页 |
| 2.3 深孔钻削状态监测系统的实验设计 | 第19-21页 |
| 2.3.1 信号监测实验平台 | 第19-20页 |
| 2.3.2 试验方案 | 第20-21页 |
| 2.4 BTA深孔钻头磨损规律研究 | 第21-24页 |
| 2.4.1 BTA深孔钻常见磨损形式 | 第21-22页 |
| 2.4.2 钻头的磨损规律研究 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 主轴电机电流信号的时域及频域特征提取 | 第25-37页 |
| 3.1 时域分析与特征提取方法 | 第25-27页 |
| 3.1.1 波形分析 | 第25页 |
| 3.1.2 统计特征分析 | 第25-27页 |
| 3.2 主轴电流信号时域分析 | 第27-32页 |
| 3.2.1 电流信号波形分析 | 第27-29页 |
| 3.2.2 主轴电流信号时域统计特征分析 | 第29-32页 |
| 3.3 频域分析与特征提取方法 | 第32-34页 |
| 3.3.1 信号的功率谱估计 | 第32-34页 |
| 3.3.2 频域特征参数 | 第34页 |
| 3.4 电流信号的频域分析 | 第34-36页 |
| 3.4.1 空载主轴电流信号频谱分析 | 第34-35页 |
| 3.4.2 钻削过程中主轴电流信号频谱分析 | 第35页 |
| 3.4.3 主轴电流信号的频域特征 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 主轴电机电流信号的小波分形特征提取 | 第37-51页 |
| 4.1 小波分形方法的原理 | 第37-42页 |
| 4.1.1 小波变换及多分辨分析 | 第37-40页 |
| 4.1.2 分形与分形维数 | 第40-42页 |
| 4.1.3 小波分形原理 | 第42页 |
| 4.2 小波分形特征的具体表征 | 第42-45页 |
| 4.2.1 小波分形盒维数的定义及其算法 | 第42-44页 |
| 4.2.2 小波分维数的定义和算法实现 | 第44-45页 |
| 4.3 主轴电流信号小波分形特征提取 | 第45-50页 |
| 4.3.1 仿真信号的小波分析特征分析 | 第45-46页 |
| 4.3.2 主轴电机电流信号的小波分形盒维数 | 第46-47页 |
| 4.3.3 主轴电机电流信号的小波分维数 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 5 基于RVM的深孔钻头磨损状态识别技术研究 | 第51-61页 |
| 5.1 相关向量机 | 第51-53页 |
| 5.1.1 相关向量机分类模型 | 第51-52页 |
| 5.1.2 RVM分类算法实现 | 第52-53页 |
| 5.2 核函数与核参数对RVM的影响 | 第53-56页 |
| 5.2.1 RVM中常用核函数 | 第53-54页 |
| 5.2.2 不同核函数下的RVM仿真识别结果 | 第54页 |
| 5.2.3 核参数对识别结果的影响 | 第54-56页 |
| 5.3 基于RVM的 BTA钻头磨损状态的识别 | 第56-60页 |
| 5.3.1 钻头磨损识别RVM模型的训练 | 第56-57页 |
| 5.3.2 钻头磨损状态的识别 | 第57-60页 |
| 5.4 本章小结 | 第60-61页 |
| 6 结论与展望 | 第61-63页 |
| 6.1 主要结论 | 第61页 |
| 6.2 发展与展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士期间发表论文与参与项目 | 第69页 |
