首页--工业技术论文--金属学与金属工艺论文--组合机床及其加工论文--程序控制机床、数控机床及其加工论文

基于特征的复杂结构件数控加工刀具状态实时辨识方法

摘要第4-5页
abstract第5页
第一章 绪论第14-21页
    1.1 引言第14-15页
    1.2 相关技术研究现状第15-19页
        1.2.1 刀具状态预测方法研究现状第15页
        1.2.2 刀具状态监测方法研究现状第15-18页
            1.2.2.1 直接监测方法第16页
            1.2.2.2 间接监测方法第16-18页
        1.2.3 商用刀具状态监测系统研究现状第18-19页
    1.3 课题来源及论文的内容安排第19-21页
第二章 数控加工刀具状态监测信号与特征相关性研究第21-34页
    2.1 数控加工刀具状态分析第21-23页
        2.1.1 刀具破损第21页
        2.1.2 刀具磨损第21-22页
        2.1.3 刀具磨钝标准第22-23页
    2.2 数控加工刀具状态监测常用传感器分析第23-25页
    2.3 飞机复杂结构件特征归纳第25-26页
    2.4 特征对刀具状态监测信号影响的实验及分析第26-30页
        2.4.1 同一特征不同刀具状态加工结果分析第27-28页
        2.4.2 不同几何形状相同刀具状态加工结果分析第28页
        2.4.3 相同几何形状不同工艺参数加工结果分析第28-29页
        2.4.4 实验总结第29-30页
    2.5 基于监测信号与特征相关性的刀具状态辨识方法概述第30-33页
        2.5.1 基于特征的刀具状态辨识方法概述第30-31页
        2.5.2 基于特征的刀具状态辨识相关信息建模第31-32页
        2.5.3 基于特征的刀具状态辨识优势第32-33页
    2.6 本章小结第33-34页
第三章 刀具状态监测信号与特征实时关联方法第34-48页
    3.1 特征对监测信号影响原因分析第34-36页
        3.1.1 几何形状对监测信号影响的原因第34-35页
        3.1.2 加工工艺参数对信号影响的原因第35-36页
    3.2 刀具状态对监测信号影响原因分析第36-37页
    3.3 监测信号与特征关联方法概述第37-41页
        3.3.1 基于几何形状变化的监测信号分段方法第38-39页
        3.3.2 典型特征中几何分隔点选择第39-41页
    3.4 监测信号与特征实时关联方法实现第41-45页
        3.4.1 特征几何分隔点自动获取方法第41-43页
        3.4.2 基于数控程序的特征与监测信号关联关系定义方法第43-44页
        3.4.3 基于几何分隔点的监测信号与特征的实时关联方法第44-45页
    3.5 监测信号与特征关联实例第45-47页
    3.6 本章小结第47-48页
第四章 基于特征的监测信号处理与刀具状态辨识方法第48-69页
    4.1 监测信号分析方法第48-51页
        4.1.1 信号的时域分析方法第48-49页
        4.1.2 信号的频域分析方法第49-50页
        4.1.3 信号的时频分析方法第50-51页
    4.2 特征监测信号的处理与分析第51-61页
        4.2.1 特征监测信号预处理第51-54页
            4.2.1.1 最大值法去除加工系统干扰信号第52-53页
            4.2.1.2 基于小波分析的监测信号去噪第53-54页
        4.2.2 特征监测信号分析第54-60页
            4.2.2.1 切削力信号时域分析第55-56页
            4.2.2.2 切削力信号频域分析第56-58页
            4.2.2.3 切削力信号时频分析第58-60页
        4.2.3 特征监测信号敏感量总结第60-61页
    4.3 基于聚类分析的刀具状态实时辨识方法第61-67页
        4.3.1 K-means聚类分析基础第61-62页
        4.3.2 聚类数目及初始聚类中心设定第62-63页
            4.3.2.1 聚类数目设定第62页
            4.3.2.2 初始聚类中心设定第62-63页
        4.3.3 基于特征的刀具状态辨识训练第63-66页
            4.3.3.1 初始辨识向量组成第63页
            4.3.3.2 初始辨识向量归一化及降维处理第63-64页
            4.3.3.3 K-means聚类训练第64-66页
        4.3.4 刀具状态实时辨识实现第66-67页
    4.4 刀具状态辨识实例分析第67-68页
    4.5 本章小结第68-69页
第五章 基于特征的刀具状态实时辨识系统第69-80页
    5.1 系统开发环境介绍第69-72页
        5.1.1 CATIA/CAA简介第69页
        5.1.2 LABVIEW简介第69-72页
            5.1.2.1 Matlab脚本调用第69-70页
            5.1.2.2 NI OPC Servers操作说明第70-72页
    5.2 系统工作流程及模块组成第72-74页
    5.3 系统运行实例第74-79页
        5.3.1 实验工艺方案设计第74-76页
        5.3.2 刀具状态辨识训练第76-78页
        5.3.3 刀具状态辨识第78-79页
        5.3.4 系统运行结果第79页
    5.4 本章小结第79-80页
第六章 总结与展望第80-82页
    6.1 总结第80-81页
    6.2 展望第81-82页
参考文献第82-86页
致谢第86-87页
在学期间的研究成果及发表的学术论文第87页

论文共87页,点击 下载论文
上一篇:选区激光熔化切片软件的关键技术研究
下一篇:基于规则推理和多层实例库的组合夹具设计系统开发