一、切削过程刀具监视与声发射(AE)车削监视仪的研制（论文文献综述）
刘永宏[1]（2020）在《动静载荷下不同含水状态岩石的声电效应研究》文中认为现代岩体工程的开采深度不断增加,地下岩体在受到来自水平向和竖向高静应力的同时,还会受到开挖扰动和爆破等动载荷的影响,而且地下工程的岩体具有不同的含水状态,其力学性质具有很大的差别,利用声电无损动态监测系统研究不同含水状态岩石的力学性质变化规律,对岩石工程具有很强的指导意义。本文分别开展了静载荷和动载荷作用下不同含水状态砂岩破坏的声发射特征和电磁辐射特征等研究,主要内容及结论如下:（1）运用断裂力学和一维波理论,分析了脆性岩石在静载作用下裂纹的扩展关系和应力波作用下岩石内部应力和应变获得过程。利用裂纹扩展理论,分析了裂纹扩展与声发射参数和电磁辐射参数间的关系,得到声发射参数和电磁辐射参数与岩石弹性模量、泊松比、抗压强度及其他材料本身属性有关。（2）利用RMT-150C力学试验机和声电采集系统,开展了单轴压缩下不同含水状态砂岩破坏试验,通过分析岩石力学性质和声电信号特征,得到如下结论:试样含水率减小时,岩石抗压强度和弹性模量会增加,且干燥状态砂岩主要以剪切破坏为主,而饱水试样状态砂岩以拉伸破坏为主;不同含水状态砂岩的声发射信号曲线和电磁辐射信号曲线都与岩石应力-应变曲线呈现较好的一致性,但声发射信号曲线的吻合度更高。（3）利用SHPB试验系统和声电采集系统,开展了动载下不同含水状态砂岩的破坏试验,通过分析岩石力学性质和声电信号特征,得到如下结论:当试样应变率相同时,试样动态抗压强度随含水率的减小而增加;当试样含水率相同时,试样的动态抗压强度随应变率增加而增加。冲击载荷下声发射信号非常少,在岩石峰值强度附近会从很小突增至最高值然后迅速降低;冲击载荷作用下电磁辐射信号相对活跃且分散;动载下声电信号的差异可能与传感器和试样相对位置不同有一定的关系。（4）采用与静载和动载试样相同的物理参数和力学参数,通过数值模拟软件RFPA模拟了不同含水状态模型在静载荷和动载应力波作用下内部裂纹扩展关系和声发射试验。结果表明:静载作用下,模型含水率越高,模型破坏速度就越快,其破坏产生的声发射能量也越低,这是由模型的抗压强度决定的;相同动载应力波作用下,模型含水率越高,模型破坏速度越缓慢,这与应力波无法在力学属性较低的模型单元中快速传播有关;相同含水状态下,动载应力波的应力幅值越大,模型破坏速度越快,其受损也越严重;静载和动载作用下的应力图与声发射图表现出较好的一致性。
甘梓舜[2]（2018）在《基于多传感器融合的切削过程监测系统研制及数据处理》文中认为智能化是制造自动化的发展方向,在制造过程的几乎所有环节都广泛应用人工智能技术,而智能化的基础是基于信息的获取与处理,机床加工过程的实时物理信息采集是实现智能化的基本要求之一,对其进行分析也是实现智能化的重要一步。机床加工过程的实时信息是通过传感器系统进行采集的。本文针对现阶段机床加工过程信息监测系统结构复杂、采集信号单一、数据庞大等诸多不足,提出研制一种基于多传感器的便携式机床状态监测平台,并对该平台采集的实时机床物理信息进行深入数据处理,建立预测模型,并反馈到监测平台的实时监测功能,实现平台对机床状态的在线监测。主要研究成果如下:（1）针对切削加工过程的物理信息特点,筛选出其中反映切削过程最直观有效的几类信息,也即切削力、切削电流、刀具振动以及切削扭矩作为系统信息采集对象。并针对各信号的特点选用最合适的传感器以便高效采集信息并尽可能压缩系统体积,提高便携性。对上下位机进行设计,选定型号后分别编写上下位机程序,实现多通道数据采集以及人机交互。并设计标定试验用于标定传感器。（2）针对自制传感器融合监测系统进行可行性分析,在进行切削过程信号采集的过程中利用高精度传感器系统分析测量误差。针对切削参数工艺对切削过程的影响,利用研制的多传感器融合系统采集切削力、振动和电流,通过单因素以及正交试验完成直观数据分析。针对切削过程的刀具磨损和加工表面质量在线监测问题,利用该监测系统采集加工物理信息。（3）对切削信号进行了时域、频域和小波处理,用主成分分析法进行特征降维。用遗传、粒子群和网格搜索算法分别对支持向量机算法进行优化,建立了基于支持向量机的刀具磨损和加工表面质量的智能预测模型。同时建立切削参数与切削实时信息的关系,用作监测系统下位机阈值设定的基础。
刘宇[3]（2016）在《数控机床刀具状态监测与诊断系统的研究》文中提出工业生产中刀具状态影响工件加工的质量,有效的刀具状态监测与诊断系统能够降低生产成本、提高生产效率和产品质量。本文在分析刀具状态监测与诊断系统研究现状基础上,采集铣削加工过程的切削力信号并对刀具状态监测与诊断进行了研究。论文从系统需求分析出发,构建了数控机床铣削刀具状态监测实验平台,并设计了实验方案,通过正交实验采集了不同磨损状态下的铣刀切削力信号,为后面的信号处理与特征提取提供数据来源。为了提取能够很好反映刀具状态变化、并对切削用量变化不敏感的特征,论文对铣削加工三个方向切削力信号进行时域、频域和小波包分析,提取峰值、均方根值、小波包能量等特征。针对生产实际中刀具切削条件诸多变化,对特征进行敏感度分析,采用平均相对变化率这一指标来衡量特征对刀具状态和切削用量的敏感度,通过分析证明这些特征能够有效的反映刀具状态变化。在对这些特征分析的基础上,提出采用切削力各方向特征的比值的方法,对特征选择进行了进一步优化。为了深入研究特征比值的规律,从铣削用量四要素四个方面分别对其进行敏感性的分析,分析结果表明采用特征与特征比值组合优化的特征向量作为刀具状态诊断的指标能够达到较好的效果。为了对刀具状态进行诊断,论文分别构建了基于BP神经网络和支持向量机的刀具状态监测与诊断模型,通过对比分析,两种模型都具有较好的识别精度,但BP网络存在收敛速度慢的缺点,认为支持向量机更适合用于刀具状态诊断识别。在对系统相关技术研究的基础上,对原型系统了进行设计。
刘海宁[4]（2013）在《数控蜗杆砂轮磨齿机自动对刀技术研究》文中指出工业装备制造中对齿轮精度提出了越来越高的要求,传统的齿轮磨削加工设备及其工艺方法难以满足这种需求,高精度齿轮磨削加工机床就应运而生并不断推广。蜗杆砂轮磨削加工是齿轮精加工的重要方法,在蜗杆砂轮磨齿机的加工过程中,对刀过程一直是影响加工精度和加工效率的重要因素。传统的人工对刀的方法效率低下,对刀精度不高,加工的工件一致性不好,加工的齿轮的精度不高,一般只有7级精度,因此开发高精度的自动对刀功能就十分必要。为解决此问题,针对磨齿机,研究了利用AE声信号进行接触信号检测的一种自动对刀方法,该方法能够高效率、高精度地完成自动对刀过程,通过加工检验,满足预定精度。论文完成的主要研究工作包括以下几个方面：（1）为了解决自动对刀过程中刀具定位的目标位置问题,建立了磨削过程中的几何模型,对实际的装夹状况和啮合相对位置关系进行了分析与计算,确定了砂轮定位的目标位置,为实现砂轮的自动对刀提供了定位目标。综合考虑实际加工过程中实现的难易程度,最终确定了齿槽的中点位置作为砂轮的目标位置,并通过理论计算验证了其可行性。（2）为了确定自动对刀过程中刀具的偏移量,采用了AE声发射技术进行磨削接触检测,并通过信号的分析处理,将处理结果作为反馈信号传递给CNC系统。通过对砂轮与齿槽两侧齿面分别进行接触检测,并对刀架主轴沿Y轴坐标进行记录和计算,最终精确定位砂轮的目标位置,得到偏移量的数值。通过磨削齿轮试验,验证该自动对刀方法的可行性,并通过加工精度检测分析,确定了接触检测的最优电压阈值,为实现接触检测的可靠判定提供了依据。（3）为了在自动对刀中实现机床主轴的联动控制和定位,对SIEMENS840D数控系统进行了二次开发,并编写了动作流程控制程序,实现了系统的软件控制。首先对自动对刀过程中所需要的操作界面进行了开发,采用VB语言进行界面程序的编写,采用VC语言进行了动态链接库DLL文件的创建,实现了加工过程中参数的监控、设定和传递；其次,采用SIEMENS高级编程语言进行机床动作的编写,从而实现机床主轴设定动作的控制,最终达到刀具精确定位的目的。
孔令林[5]（2012）在《不锈钢异型线材数控钻切专机的研制及其相关技术研究》文中研究说明微小型零件在大批大量的生产需求下,毛坯常采用将横截面形状各异的线材拉直后,由夹具送料给专用数控机床进行自动化加工,以解决高速高效的制造要求。本论文研制的数控钻切专机用于高档手表的金属表链零件的主要工艺制造,采用不锈钢异型线材为加工毛坯,进行小孔钻削和切断加工,实现大批大量生产。由于不锈钢材料的难加工性和异型线材的品种多、形状复杂等特点,不锈钢异型线材的自动化加工成为了本项目机床研制的难点。目前国内金属表链的加工企业大多数仍采用传统的分工序加工方式,存在着生产效率低、工人劳动强度大、加工成本高和加工零件质量不稳定等缺点。企业迫切希望改进上述困扰加工的实际问题,而加工装备的数控化、自动化是解决此类问题的一个最佳途径。本文在深入调研的基础上,确定并完成专机的布局方案设计和整机工程图纸设计,选定了合适的电气控制方案,并通过制造和加工调试直至完成机床样机的研制,达到预期效果。并且在此基础上开展了相关技术研究,内容包括：1、根据不锈钢材料难加工的特点,在不锈钢异型线材加工设备的国内外现状的深入研究基础上,采用机电一体化系统的概念设计法进行本课题方案的筛选工作,并得出最优方案布局图。2、专机主要机械部件的研制。通过进行钻孔切削力测试试验,并经过分析研究,选出适合于本课题的钻孔电主轴；运用理论计算和建立虚拟样机的方法进行伺服工作台的电机选型工作；采用Solid works三维设计软件实现装备的整机设计、工程图绘制等工作；利用激光干涉仪测量伺服工作台的位置精度,并分析误差的影响因素；设计出适合夹持异型线材的专用气动夹具。3、专机控制系统的设计与应用。采用PLC电气控制系统,进行控制系统的硬件电路设计、PLC程序开发和人机界面设计的工作。4、钻头磨损监测技术的研究。经过对钻头磨损监测技术的国内外现状分析研究后,本文提出采用电流监测法作为本课题钻头磨损监测的可行性方法,并初步开展了相关的技术研究。
王磊[6]（2010）在《基于声表面波传感技术的智能刀具的建模仿真研究》文中研究指明声表面波SAW（Surface Acoustic Wave）器件是用于信号处理的一种微机械电子系统,它利用压电基底上的叉指换能器（IDT）来激发和接收表面波。由于其具有多功能性,尺寸小以及易于加工等有优点,被广泛应用于雷达、电视、移动电话以及传感器等领域。声表面波SAW传感器是声表面波SAW器件的一个新的重要分支,具有高精度、高分辨率、重量轻、体积小、功耗低、抗干扰、耐噪声、可以工作在恶劣环境中等独特优点。声表面波SAW器件应用广泛,本论文把声表面波SAW传感技术应用在刀具在线状态智能检测的领域内,做了基础性的探索研究。本文在对声表面波传感技术研究的基础上提出的。首先对压电理论及声表面波理论进行了研究,随后分析了SAW器件的工作原理,在此基础上进一步系统地论述了SAW传感器的一些基本概念,对SAW传感器进行了分类,对各类SAW基本原理进行了分析,比较了各类SAW传感器的主要结构类型并进行了举例说明。然后设计了一个应用于刀具切削应力监测的高频无线无源的SAW传感器,确定了材料和尺寸结构,为SAW传感器的建模仿真提供了一个具体的分析对象。针对设计的SAW传感器,对其IDT（Inter Digital Transducer）四种模型进行了合理简化和假设以及对比的分析。在分析各种模型的情况之下,用Matlab软件编写程序来验证所设计模型的正确性,达到满意的结果与理论计算值一致。最后,通过对SAW传感器二维模型以及三维有限元模型进行谐响应分析,得到了SAW传感器的谐振频率,以及瞬态分析得到SAW的传播情况。最后为了验证智能刀具无线监测的可行性,建立了基于SAW传感器的智能刀具简单三维模型,分析了不同载荷产生的应变与谐振频率的关系。
魏春燕[7]（2008）在《小波分析与神经网络在刀具故障诊断中的应用》文中研究表明故障诊断技术是正在迅速发展的研究领域,是实际应用需求与多科学理论发展两个方面交替作用的结果。从实际应用方面看,随着现代化技术水平的不断提高,各类工程系统的复杂性大大增加,系统的可靠性与安全性已成为保障经济效益和社会效益的一个关键因素,得到了广泛的重视;从学科理论的发展方面而言,故障诊断具有很强的学科交叉性,现代控制理论、信号处理、模式识别、人工智能等学科领域近20年来的迅速发展,为解决复杂系统的故障诊断问题提供了有力的理论基础。随着生产自动化程度的提高,特别是柔性制造系统（FMS）技术的出现,人们越来越重视对加工过程的在线监测。加工过程中刀具的磨损将造成工件的精度及粗糙度变差,甚至造成工件的报废,机床停机等故障。据统计生产工程中75%以上的设备故障是由于刀具失效引起,因此对刀具状态进行在线监测显得尤为重要。本文根据小波分析良好的时频局部化特性以及神经网络极强的非线性映射能力,在MATLAB平台上以刀具状态AE信号小波分解提取各频段的均方根值（rms）作为模式识别的特征向量,然后分别采用BP网络及其改进算法和RBF网络进行模式识别。仿真试验表明:无论速度还是精度,RBF网络都要优于BP网络,L-M算法优于自适应学习率梯度法,而自适应学习率梯度法又优于标准BP算法,并得到了较高刀具切削状态预报率。
李斌[8]（2006）在《面向网络制造环境的设备自律控制器的研究》文中进行了进一步梳理随着计算机科学和信息技术的发展,尤其是网络技术的发展,促使当今包括制造业在内的各个行业朝着“竞争国际化”方向发展,制造企业间的合作与竞争并存,交流与限制并存。在此情形下,组织结构相对固定、制造资源相对集中的传统制造系统模式已与之不相适应,网络化、智能化则成为新一代制造系统所有功能的基础和特征。然而,目前关注较多的是对制造系统上层的制造模式及组织形式的研究,而对具有满足制造环境的合作和互操作以及满足制造行为的自律性控制,以适应网络环境下制造系统集成要求特征的制造设备的研究则相对缺乏,这在相当大的程度上制约了新型制造模式的实践和应用推广。为此,本文针对“面向网络制造环境的设备自律控制器”展开了系统深入的研究。力争研究开发一种新型的设备控制器,以满足网络制造系统对系统动态重组、系统内异构设备间互操作和合作等网络集成的需求,为具有敏捷、柔性和智能特点的网络制造系统提供最基础的支撑技术和设备。本文的主要创新性工作如下。首先,基于对制造业发展趋势及制造模式变革必然性的分析,得知分布式网络化制造模式是目前制造业最佳运行模式之一,而面向制造环境以及面向制造行为的自律性则是作为这种制造模式中底层制造设备所必须具备的功能特征。在此基础上,将Agent思想引入网络制造环境下的制造设备控制器中,提出了设备自律控制器概念和体系结构,并对该控制器进行了功能设计。其次,针对制造行为自律性的实现技术,提出了加工过程自律控制的实现结构和实施方案。以铣削加工为例,论述了加工环境监测系统的系统结构,同时以刀具状态监测和加工过程中切削负荷辩识为主要对象,给出了具体的解决方案。以立式铣床加工为背景,给出了智能自适应加工所需的实时在线参数辩识和控制策略。与此同时,针对面向制造环境的自律性的实现技术,提出了制造环境自律控制的实现结构和实施方案,建立了数控设备Agent在制造环境中实现合作与互操作的机制。针对制造环境下多任务和无中央控制器的特点,提出了网络制造环境下数控设备的协调机制与协调算法。此外,从设备自律控制器的通信功能入手,研究了数控设备与制造系统的接口设计方案,进而设计了数控设备的自律控制器与数控设备的软硬件接口,实现了基于CORBA-MMS的网络通信功能。最后,构造了一种数控设备自律控制器原型,实现了一个由配备这类控制器的自律设备所构成的网络化制造原型系统。通过对三种不同零件的验证性实验,对数控设备自律控制器在加工环境下的运行进行了实验验证。
张明江[9]（2002）在《加工中心铣刀破损监测技术》文中认为切削加工过程的监测与控制是自动化加工中FMS、CIMS技术的重要组成部分，对提高生产效率和加工质量，降低生产成本，保证自动化加工系统高效、可靠地正常运行具有重要的实际意义。 本论文详细地评述了切削加工过程中刀具磨损与破损在线监测方法的发展与现状，总结了各种监测方法的分类与特点以及发展与现状。对加工中心铣刀破损监测，提出了利用主轴振动位移信号和机床主电机功率信号进行监测的方法，由于采用非接触测量，非常适合于加工中心等柔性加工设备。同时对主轴振动位移信号进行了分析，指出了主轴处于中、低速运转时，振动位移信号能很好地再现铣削力信号。 对机床主电机功率信号进行了详细的研究，分析了机床主电机功率监测的原理，建立了机床机电系统能量传输数学模型，通过该模型对机床主电机功率信号跟踪切削功率的性能进行了分析，在此基础上，分析并提出了延迟差分方法，对铣刀刀齿破损进行特征提取。 在上述研究工作的基础上，提出了基于人工神经网络用于多传感器信息融合的监测策略，开发研制了以机床主电机功率信号和主轴振动位移信号特征参量融合的铣刀破损监测实验系统，解决了铣削过程中切削条件多变导致监测阈值难以设置的难题，保证了在较宽的工作范围内具有较高的识别准确率。
张利国[10]（2002）在《图像检测技术与切屑形态识别技术的研究》文中提出对切削过程的控制程度是决定自动化加工系统能否正常运转的关键，但是传统的检测方法如切削力、切削温度等都有一定的缺陷，不能适应不同的条件。本文以图像分析理论为基础，针对切屑形态识别和刀具磨损检测进行了研究。本文首先建立了以工控机作为系统的主机，由QP300图象采集卡、WV-BP330CCD摄象机和体式显微镜组成的可用于切屑形态识别及刀具磨损、破损检测的图像处理系统，为图像分析技术在切削加工中应用研究提供了基础。在此基础上，通过实验针对固定物距及放大倍数的体式显微镜等条件对系统进行了标定，并给出了标定结果。对于切削加工中的切屑形态进行了分析研究，提出了特征拓展和径向基函数神经网络识别切屑形态的算法，并开发了相应的程序软件。特征拓展法是利用已有的特征并对这些特征进行旋转和异或运算，人为的创造出新的特征作为识别的依据。径向基函数神经网络法利用了神经网络的自学习功能，自动调整网络权值，所以其算法自适应能力很强。实验结果表明其算法具有训练速度快，时间短，对不同数据集有很好的适应能力。在刀具磨损检测技术方面，研究了刀具磨损的图像特点，提出了“十字窗”自动边缘检测算法，解决了刀具磨损图像边缘提取问题，开发了刀具磨损的面积、周长、宽度、长度的算法，开发了程序，经检验具有较好的检测效果，提高了边缘定位精度和几何尺寸的计算精度。最后针对锯齿型切屑，讨论了有关锯齿型切屑尺寸测量方面问题，提出了边缘拟合的方法进行角度及长度的测量。
二、切削过程刀具监视与声发射(AE)车削监视仪的研制（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、切削过程刀具监视与声发射(AE)车削监视仪的研制（论文提纲范文）
（1）动静载荷下不同含水状态岩石的声电效应研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 岩石破裂声电效应研究现状 |
| 1.2.1 岩石破裂声发射研究现状 |
| 1.2.2 岩石破裂电磁辐射研究现状 |
| 1.3 数值模拟研究现状 |
| 1.4 不同含水状态岩石的力学性能研究现状 |
| 1.5 本文研究内容与研究方法 |
| 1.5.1 本文研究内容 |
| 1.5.2 研究技术路线 |
| 第二章 动静载荷下脆性岩石破裂理论分析 |
| 2.1 动静载荷下岩石破裂分析 |
| 2.1.1 静载荷下岩石裂纹扩展分析 |
| 2.1.2 动载荷应力波传播分析 |
| 2.2 裂纹扩展与声电信号的关系 |
| 2.2.1 裂纹扩展与声发射振铃计数关系 |
| 2.2.2 裂纹扩展与电磁辐射信号的关系 |
| 2.3 本章小结 |
| 第三章 单轴压缩下不同含水状态岩石声电效应研究 |
| 3.1 试验概况 |
| 3.1.1 试验系统 |
| 3.1.2 试样制备及试验方案 |
| 3.1.3 试验步骤 |
| 3.2 试验结果与分析 |
| 3.2.1 单轴压缩下不同含水状态试样力学特征对比分析 |
| 3.2.2 单轴压缩下试样强度特征对比分析 |
| 3.2.3 破坏特征 |
| 3.3 单轴压缩下不同含水状态砂岩的声电信号特征 |
| 3.3.1 不同含水状态砂岩声发射特征分析 |
| 3.3.2 不同含水状态下砂岩电磁辐射特征分析 |
| 3.3.3 不同含水状态砂岩的声电效应对比分析 |
| 3.4 本章小结 |
| 第四章 动载荷下不同含水状态砂岩的声电效应 |
| 4.1 试验系统 |
| 4.1.1 试验装置 |
| 4.1.2 试验过程 |
| 4.2 试验结果 |
| 4.2.1 不同含水状态砂岩的应力-应变关系 |
| 4.2.2 试样动态抗压强度与不同应变率变化特征 |
| 4.2.3 试样破碎特征 |
| 4.2.4 不同含水状态下岩石试验结果对比分析 |
| 4.3 冲击载荷下不同含水状态砂岩的声电信号特征 |
| 4.3.1 冲击载荷下不同含水状态砂岩的声发射特征 |
| 4.3.2 冲击载荷下不同含水状态砂岩的电磁辐射特征 |
| 4.4 本章小结 |
| 第五章 动静加载下不同含水状态模型的数值分析 |
| 5.1 RFPA数值软件介绍 |
| 5.1.1 RFPA软件程序运行基础 |
| 5.1.2 RFPA软件分析过程 |
| 5.2 不同含水状态模型的建立 |
| 5.2.1 静载致不同含水状态岩石模型破裂模拟结果 |
| 5.2.2 静载下不同含水模型的声发射特性 |
| 5.3 动载作用下不同含水状态模型破裂数值模拟结果 |
| 5.3.1 动载致不同含水状态岩石模型破裂数值模拟 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 展望 |
| 参考文献 |
| 附录A 攻读学位期间发表的论文与科研成果清单 |
| 致谢 |
（2）基于多传感器融合的切削过程监测系统研制及数据处理（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景、目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 信号监测方法研究现状 |
| 1.2.2 多传感器融合技术的发展 |
| 1.2.3 信号处理方法研究现状 |
| 1.3 存在的问题及发展方向 |
| 1.4 主要研究内容与体系结构 |
| 1.5 本章小结 |
| 第2章 多传感器融合切削过程监测平台搭建 |
| 2.1 多传感器融合切削过程监测平台的总体设计方案 |
| 2.2 传感器的选型及其信息采集 |
| 2.2.1 待测切削信号选取 |
| 2.2.2 传感器选型 |
| 2.3 数据采集系统与人机界面的开发 |
| 2.3.1 下位机设计 |
| 2.3.2 上位机设计 |
| 2.4 监测平台与机床功能性装配 |
| 2.5 本章小结 |
| 第3章 基于多传感器融合监测平台的切削实验 |
| 3.1 监测平台标定与误差分析 |
| 3.1.1 基于高精密测量装置的标定试验 |
| 3.1.2 基于高精密测量装置的误差分析试验 |
| 3.2 变切削参数试验设计及加工表面质量测量 |
| 3.2.1 变切削参数试验 |
| 3.2.2 外圆车削表面残余应力分布测量 |
| 3.2.3 外圆车削表面粗糙度分析 |
| 3.3 刀具磨损试验设计 |
| 3.4 转接圆角车削试验 |
| 3.5 本章小结 |
| 第4章 基于机器学习算法的切削数据处理 |
| 4.1 信号处理与特征选择 |
| 4.1.1 时域分析与特征选择 |
| 4.1.2 频域分析与特征选择 |
| 4.1.3 小波分解与特征选择 |
| 4.1.4 归一化与特征降维 |
| 4.2 基于优化算法的机器学习预测模型 |
| 4.2.1 支持向量机算法 |
| 4.2.2 核函数的参数优化 |
| 4.3 基于机器学习的数据预测分析 |
| 4.3.1 基于机器学习算法的刀具磨损预测分析 |
| 4.3.2 基于机器学习算法的加工表面质量预测分析 |
| 4.4 基于下位机程序的简要在线分析处理 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 论文主要研究成果 |
| 5.2 研究展望 |
| 参考文献 |
| 攻读学位期间发表论文与研究成果清单 |
| 致谢 |
| 作者简介 |
（3）数控机床刀具状态监测与诊断系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 刀具状态监测的研究背景及意义 |
| 1.2 国内外刀具状态监测与诊断研究现状 |
| 1.2.1 刀具状态监测方法 |
| 1.2.2 刀具状态特征提取方法 |
| 1.2.3 刀具状态诊断方法 |
| 1.3 本文主要研究内容 |
| 2 数控机床刀具状态监测诊断系统实验平台与实验设计 |
| 2.1 系统需求分析 |
| 2.1.1 系统功能需求分析 |
| 2.1.2 系统性能需求分析 |
| 2.2 刀具状态及磨损机理分析 |
| 2.2.1 刀具磨损 |
| 2.2.2 磨损过程 |
| 2.3 铣削加工 |
| 2.3.1 铣削加工特点 |
| 2.3.2 刀具磨钝标准 |
| 2.3.3 刀具磨损状态的划分 |
| 2.4 刀具状态监测实验平台的构建 |
| 2.4.1 实验硬件组成 |
| 2.4.2 实验软件组成 |
| 2.5 实验方案设计 |
| 2.5.1 实验目的 |
| 2.5.2 实验影响因素 |
| 2.5.3 实验方法 |
| 2.5.4 实验步骤 |
| 2.6 本章小结 |
| 3 切削力信号的处理及特征提取 |
| 3.1 切削力特征提取 |
| 3.1.1 切削力时域分析 |
| 3.1.1.1 时域特征提取 |
| 3.1.1.2 切削力信号时域特征 |
| 3.1.2 切削力频域分析 |
| 3.1.2.1 频域特征提取 |
| 3.1.2.2 切削力信号频域特征 |
| 3.1.3 切削力时-频域分析 |
| 3.1.3.1 时-频域特征提取 |
| 3.1.3.2 切削力信号时-频域特征 |
| 3.2 切削力特征优化 |
| 3.2.1 特征量敏感性分析 |
| 3.2.1.1 特征量对刀具状态敏感性分析 |
| 3.2.1.2 特征量对切削用量敏感性分析 |
| 3.2.2 特征比值的敏感性分析 |
| 3.3 本章小结 |
| 4 刀具状态诊断 |
| 4.1 基于BP神经网络的刀具状态模式识别 |
| 4.1.1 BP神经网络的基本原理 |
| 4.1.2 基于BP神经网络的铣刀状态监测与诊断的实验分析 |
| 4.2 基于SVM的刀具状态模式识别 |
| 4.2.1 支持向量机概述 |
| 4.2.2 SVM在铣刀状态监测中的应用 |
| 4.3 BP神经网络与SVM实验结果对比分析 |
| 4.4 本章小结 |
| 5 数控机床刀具状态监测与诊断系统的原型系统设计 |
| 5.1 |
| 5.1.1 系统工作流程分析 |
| 5.1.2 系统架构 |
| 5.1.3 系统功能模块划分 |
| 5.2 系统实例原型界面设计 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间发表的论文和出版着作情况 |
（4）数控蜗杆砂轮磨齿机自动对刀技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的背景和意义 |
| 1.2 蜗杆砂轮磨齿机自动对刀技术研究现状 |
| 1.2.1 国内外自动对刀技术的研究现状 |
| 1.2.2 AE声发射技术的特点及在对刀检测中的应用 |
| 1.3 本课题主要研究内容 |
| 2 数控蜗杆砂轮磨齿机自动对刀理论分析 |
| 2.1 磨齿机刀具与工件位置关系理论分析 |
| 2.1.1 Y7232CNC磨齿机结构工件与刀具几何关系 |
| 2.1.2 工件与刀具的定位 |
| 2.2 磨齿机自动对刀问题分析 |
| 2.2.1 自动对刀过程中偏磨位置分析 |
| 2.2.2 实际装夹过程中砂轮定位分析 |
| 2.3 实际装夹中刀具与工件相对位置理论分析 |
| 2.4 小结 |
| 3 自动对刀中AE信号检测及偏移量的确定 |
| 3.1 工件的粗定位装夹过程 |
| 3.2 自动对刀方法的研究及偏移量的计算方法 |
| 3.2.1 以工件为基准目标位置坐标的确定 |
| 3.2.2 以砂轮为基准目标位置坐标的确定 |
| 3.2.3 两种自动对刀调整方法的比较 |
| 3.3 AE信号的检测和分析 |
| 3.3.1 AE信号的检测 |
| 3.3.2 AE信号进行接触检测的原理 |
| 3.3.3 AE信号的分析理论及方法 |
| 3.3.4 自动对刀信号处理系统接口及参数设定 |
| 3.4 以AE接触检测为基础的偏移量的测定 |
| 3.5 小结 |
| 4 基于西门子840D数控系统的对刀控制界面及程序开发 |
| 4.1 数控系统HMI二次开发技术平台 |
| 4.1.1 HMI二次开发技术支持 |
| 4.1.2 HMI二次开发流程 |
| 4.2 磨齿机自动对刀人机操作界面的设计及显示 |
| 4.2.1 蜗杆砂轮磨齿机总体人机界面的模块设计 |
| 4.2.2 自动对刀HMI二次开发相关文件的编写 |
| 4.2.3 自动对刀实际操作界面显示示例 |
| 4.3 自动对刀控制程序的编写 |
| 4.3.1 数控蜗杆砂轮磨齿机自动对刀动作流程 |
| 4.3.2 SIEMENS 840D高级语言控制程序的具体编写 |
| 4.4 小结 |
| 5 自动对刀过程试验及加工验证 |
| 5.1 自动对刀试验中接触检测电压阈值的确定 |
| 5.1.1 阈值选择的方法 |
| 5.1.2 阈值的试验确定 |
| 5.2 自动对刀加工后的齿轮精度检测及与人工对刀的对比 |
| 5.3 小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和出息着作情况 |
（5）不锈钢异型线材数控钻切专机的研制及其相关技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| CONTENTS |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 不锈钢小孔钻削技术 |
| 1.2.2 不锈钢材料切割技术 |
| 1.2.3 不锈钢异型线材数控钻切专机的国内外现状 |
| 1.3 本课题的主要研究内容 |
| 第二章 基于机电一体化系统的概念设计方案评估 |
| 2.1 概念设计的概述 |
| 2.2 概念设计的过程模型 |
| 2.3 需求分析和设计要求 |
| 2.4 功能分析及子系统方案设计 |
| 2.4.1 总体功能及原理解 |
| 2.4.2 子系统的方案设计 |
| 2.5 总方案的集成与评价 |
| 2.5.1 方案的集成 |
| 2.5.2 方案的评价与决策 |
| 2.5.3 方案的布局图 |
| 2.6 本章小结 |
| 第三章 专机主要机械部件的研究与实现 |
| 3.1 钻孔主轴的选型 |
| 3.1.1 不锈钢材料小深孔钻削的难点及解决对策 |
| 3.1.2 电主轴钻削加工特点 |
| 3.1.3 钻削试验 |
| 3.1.4 电主轴参数的确定 |
| 3.2 XZ二维精密工作台 |
| 3.2.1 精密工作台设计 |
| 3.2.2 工作台电机选型 |
| 3.3 工作台位置精度的测试实验及误差分析 |
| 3.3.1 激光干涉仪及其基本原理 |
| 3.3.2 激光干涉仪的安装及调试 |
| 3.3.3 工作台定位精度和重复定位精度测量实验 |
| 3.3.4 工作台的定位误差分析 |
| 3.4 气动式专用夹具设计 |
| 3.4.1 专用夹具设计要点 |
| 3.4.2 异型线材专用夹具设计 |
| 3.5 本章小结 |
| 第四章 专机控制系统的设计与实现 |
| 4.1 控制系统简介 |
| 4.1.1 控制系统设计目标 |
| 4.1.2 控制系统组成结构 |
| 4.1.3 系统工作原理 |
| 4.2 控制系统的硬件电路设计 |
| 4.2.1 主回路设计 |
| 4.2.2 电气元器件的选型 |
| 4.3 控制系统软件设计和实现 |
| 4.3.1 PLC和人机界面软件设计简介 |
| 4.3.2 PLC软件设计 |
| 4.3.3 人机界面 |
| 4.4 本章小结 |
| 第五章 钻头磨损监测方法研究 |
| 5.1 刀具磨损监测技术概述 |
| 5.1.1 直接监测方法 |
| 5.1.2 间接监测方法 |
| 5.2 钻头磨损监测方法的确定 |
| 5.3 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读学位期间发表的论文 |
| 致谢 |
| 附录1 |
（6）基于声表面波传感技术的智能刀具的建模仿真研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究目的和意义 |
| 1.2 声表面波传感技术国内外现状 |
| 1.3 刀具状态智能监测技术国内外现状 |
| 1.4 本文主要研究内容 |
| 第2章 声表面波传感技术原理 |
| 2.1 压电晶体 |
| 2.1.1 压电晶体的物理特性 |
| 2.1.2 压电方程 |
| 2.1.3 典型的压电晶体 |
| 2.2 声表面波技术 |
| 2.2.1 声表面波理论基础 |
| 2.2.2 各向同性介质中的声表面波 |
| 2.2.3 各向异性压电材料中的声表面波 |
| 2.3 声表面波器件的基本结构和特点 |
| 2.3.1 声表面波器件的结构 |
| 2.3.2 声表面波器件的优点 |
| 2.3.3 声表面波传感器的基本原理及分类 |
| 2.3.4 声表面波传感器应用举例 |
| 2.4 本章小结 |
| 第3章 智能刀具SAW 传感器的设计仿真分析 |
| 3.1 智能刀具的声表面波传感器设计 |
| 3.1.1 智能刀具的声表面波传感系统框图 |
| 3.1.2 声表面波传感器的基片材料 |
| 3.1.3 表面波传感器IDT 结构尺寸设计 |
| 3.2 传感器中IDT 结构等效模型分析 |
| 3.2.1 δ函数模型分析 |
| 3.2.2 脉冲响应模型分析 |
| 3.2.3 等效电路模型分析 |
| 3.2.4 模态耦合模型分析 |
| 3.2.5 智能刀具传感器Matlab 仿真结果 |
| 3.3 本章小结 |
| 第4章 智能刀具传感器模型的有限元分析 |
| 4.1 智能刀具传感器二维结构有限元仿真 |
| 4.1.1 有限元压电场分析原理 |
| 4.1.2 二维仿真分析过程及结果 |
| 4.2 智能刀具传感器三维结构有限元仿真 |
| 4.2.1 ANSYS 分析过程 |
| 4.2.2 谐响应分析结果 |
| 4.2.3 瞬态分析结果 |
| 4.3 载荷作用下的刀具传感器有限元分析 |
| 4.3.1 智能刀具传感器模型 |
| 4.3.2 分析数据和结果 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录 Matlab 程序 |
| 致谢 |
（7）小波分析与神经网络在刀具故障诊断中的应用（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 故障诊断综述 |
| 1.2 小波分析与神经网络 |
| 1.2.1 松散型小波神经网络 |
| 1.2.2 小波网络 |
| 1.2.3 小波神经网络的研究现状和发展历史 |
| 1.3 小波神经网络在刀具故障诊断中的应用现状 |
| 1.3.1 刀具磨损状态监测的意义及研究现状 |
| 1.3.2 小波变换在故障诊断中的应用现状 |
| 1.3.3 小波神经网络在刀具故障诊断中的应用 |
| 1.4 本文研究概述 |
| 2 小波分析提取刀具状态特征 |
| 2.1 小波分析的理论基础 |
| 2.1.1 傅里叶(Fourier)分析与小波(Wavelet)分析的比较 |
| 2.1.2 小波基于正弦基的特点比较 |
| 2.1.3 小波变换 |
| 2.1.4 多分辨率分析 |
| 2.1.5 马拉算法(Mallat) |
| 2.2 小波基波选择的标准 |
| 2.3 小波分析提取刀具状态的特征 |
| 2.3.1 刀具状态监测信号的提取 |
| 2.3.2 声发射原理 |
| 2.3.3 小波分析提取刀具AE信号的特征 |
| 3 基于神经网络的刀具故障诊断 |
| 3.1 神经网络概述 |
| 3.1.1 人工神经网络产生的背景 |
| 3.1.2 神经网络的发展过程 |
| 3.1.3 神经网络的分类 |
| 3.1.4 神经网络的应用现状 |
| 3.1.5 人工神经网络的特点 |
| 3.2 BP神经网络 |
| 3.2.1 BP网络的模型与结构 |
| 3.2.2 BP网络学习算法 |
| 3.3 RBF网络 |
| 3.3.1 RBF网络的结构 |
| 3.3.2 RBF网络学习过程 |
| 3.4 神经网络的学习规则 |
| 4 基于松散型小波神经网络的刀具故障诊断 |
| 4.1 切削状态的试验数据采集 |
| 4.2 小波变换提取刀具信号的特征量 |
| 4.3 神经网络进行模式识别 |
| 4.3.1 基于BP网络的刀具故障诊断 |
| 4.3.2 基于RBF网络的刀具故障网络诊断 |
| 4.3.3 BP，RBF网络在刀具故障诊断的比较 |
| 5 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间研究成果 |
| 致谢 |
（8）面向网络制造环境的设备自律控制器的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题概述 |
| 1.1.1 课题来源 |
| 1.1.2 课题的提出 |
| 1.1.3 课题的主要研究内容 |
| 1.1.4 课题研究的目的及意义 |
| 1.2 文献综述 |
| 1.2.1 制造技术和制造系统的发展趋势 |
| 1.2.2 网络制造系统的研究和发展概况 |
| 1.2.3 设备自律控制器在制造系统中的应用研究及发展概况 |
| 1.3 本文的主要工作内容及创新 |
| 1.3.1 本学位论文的主要工作内容 |
| 1.3.2 本学位论文的主要创新之处 |
| 2 设备自律控制器需求分析与功能设计 |
| 2.1 网络环境下制造设备需求分析 |
| 2.1.1 分布式网络化制造模式及运行方式 |
| 2.1.2 网络环境下制造设备的功能需求 |
| 2.2 设备自律控制器的体系结构设计 |
| 2.2.1 设备自律控制器的基本概念 |
| 2.2.2 设计的内容、目标和原则 |
| 2.2.3 体系结构框架 |
| 2.3 设备自律控制器的功能设计 |
| 2.3.1 面向制造行为自律性的功能设计 |
| 2.3.2 面向制造环境自律性的功能设计 |
| 2.3.3 设备自律控制器支撑环境的功能设计 |
| 2.4 本章小结 |
| 3 面向制造行为的设备自律性研究 |
| 3.1 制造行为自律控制技术及实现方案 |
| 3.1.1 制造行为自律控制的定义和特征 |
| 3.1.2 实现结构及实施方案 |
| 3.2 基于设备驱动部件电量的铣削力实时辨识 |
| 3.2.1 加工过程中铣削力实时辨识的系统结构 |
| 3.2.2 基于机床伺服电流的铣削力间接测量的技术思路 |
| 3.2.3 铣削加工过程状态信息特征提取方法 |
| 3.2.4 铣削加工过程电流特征值的提取与实时辨识 |
| 3.3 铣削加工过程自适应控制策略 |
| 3.3.1 基于神经网络的自适应模糊控制策略 |
| 3.3.2 基于自适应预测算法的控制策略 |
| 3.4 设备自律控制器实验研究 |
| 3.4.1 设备自律控制器智能自适应控制结构 |
| 3.4.2 实验分析 |
| 3.5 本章小结 |
| 4 面向制造环境的设备自律性研究 |
| 4.1 面向制造环境的自律控制体系结构与实现方案 |
| 4.1.1 面向制造环境的自律性及其功能特点 |
| 4.1.2 面向制造环境的设备自律控制器实现结构 |
| 4.1.3 面向制造环境的设备自律控制器实现思路 |
| 4.2 面向制造环境的集成与协作 |
| 4.2.1 面向制造环境的集成框架 |
| 4.2.2 制造设备Agent 间的协作机制 |
| 4.2.3 协作资源的搜索与定位机制 |
| 4.3 环境信息感知与自主决策 |
| 4.3.1 环境信息感知 |
| 4.3.2 自主规划与决策机制 |
| 4.4 本章小结 |
| 5 设备自律控制器通信功能研究 |
| 5.1 设备自律控制器的设备接口 |
| 5.1.1 设备接口的物理结构 |
| 5.1.2 通讯协议 |
| 5.2 设备自律控制器的网络接口总体方案 |
| 5.2.1 设备Agent 的网络运行环境特性分析 |
| 5.2.2 MMS 通信协议 |
| 5.2.3 基于MMS 的网络接口总体方案 |
| 5.3 基于CORBA－MMS 的网络通信功能实现方案 |
| 5.3.1 VDM 到实际设备的映射 |
| 5.3.2 基于CORBA 的MMS 协议的实现 |
| 5.4 本章小结 |
| 6 基于设备自律控制器的网络制造系统原型及验证实验 |
| 6.1 原型系统的组成 |
| 6.2 原型系统的网络结构及软硬件配置 |
| 6.3 原型系统的运行实验 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读博士学位期间发表的学术论文 |
（9）加工中心铣刀破损监测技术（论文提纲范文）
| 第1章 绪论 |
| 1.1 课题概述 |
| 1.2 文献综述 |
| 1.3 本文的主要工作 |
| 第2章 加工中心铣削刀具状态的监测系统 |
| 2.1 引言 |
| 2.2 铣削过程的切削力模型 |
| 2.3 主轴受力振动位移信号的分析 |
| 2.4 铣刀破损的在线监测装装置 |
| 2.5 空间域信号的采样方法 |
| 2.6 小结 |
| 第3章 铣刀破损机床功率监测方法的研究 |
| 3.1 引言 |
| 3.2 铣削过程的切削功率模型 |
| 3.3 机床功率监测原理 |
| 3.4 机床输入功率信号跟踪切削功率的性能分析 |
| 3.5 铣刀破损的功率监测法延迟差分法 |
| 3.6 实验结果分析 |
| 3.7 小结 |
| 第4章 基于神经网络的铣刀破损监测方法的研究 |
| 4.1 引言 |
| 4.2 刀具状态监测的神经网络方法 |
| 4.3 神经网络在铣刀破损状态监测中的应用 |
| 4.4 实验结果分析 |
| 4.5 小结 |
| 第5章 全文总结 |
| 致谢 |
| 作者在攻读硕士学位期间完成的学术论文 |
| 参考文献 |
| 附录A |
| A. 1 |
| A. 2 |
（10）图像检测技术与切屑形态识别技术的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 引言 |
| 1.1.1 数字图像处理技术的发展 |
| 1.1.2 图像处理系统的发展 |
| 1.1.3 数字图像处理技术的应用状况 |
| 1.2 本文的研究内容 |
| 1.2.1 课题的提出背景 |
| 1.2.2 课题来源 |
| 1.2.3 研究内容 |
| 第2章 神经网络计算的基础理论 |
| 2.1 概述 |
| 2.2 神经网络的基础理论 |
| 2.2.1 神经网络模型 |
| 2.2.2 神经网络的结构 |
| 2.2.3 神经网络的学习和训练 |
| 2.2.4 神经网络的学习规则 |
| 2.3 本章小结 |
| 第3章 系统组成与标定原理及方法 |
| 3.1 概述 |
| 3.2 系统组成 |
| 3.2.1 输入设备 |
| 3.2.2 主机系统 |
| 3.2.3 输出设备 |
| 3.3 图像采集系统原理及标定方法 |
| 3.3.1 灰度图采集 |
| 3.3.2 成像变换与摄像机模型 |
| 3.4 实验系统标定的方法 |
| 3.4.1 实验仪器 |
| 3.4.2 实验结果与分析 |
| 3.5 本章小结 |
| 第4章 基于特征拓展和RBF网络的切屑形态识别 |
| 4.1 切屑形态识别概述 |
| 4.2 模式识别技术基础知识 |
| 4.3 切屑种类及预处理 |
| 4.4 特征拓展的识别方法 |
| 4.4.1 识别原理 |
| 4.4.2 流程图 |
| 4.4.3 识别结果及分析 |
| 4.5 基于神经网络的识别方法 |
| 4.5.1 神经网络的构造 |
| 4.5.2 神经网络输入输出矢量的确定 |
| 4.5.3 神经网络训练及识别 |
| 4.6 本章小结 |
| 第5章 刀具磨损及切屑的尺寸测量 |
| 5.1 概述 |
| 5.2 磨损特征分析及预处理 |
| 5.3 识别原理 |
| 5.3.1 面积的计算 |
| 5.3.2 周长的计算 |
| 5.3.3 磨损区域长度和宽度的计算 |
| 5.4 检测结果及分析 |
| 5.5 锯齿形切屑的长宽及角度的测量 |
| 5.5.1 边缘拟合 |
| 5.5.2 锯齿形切屑的长度与宽度的计算 |
| 5.6 本章小结 |
| 结论 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文 |
| 参考文献 |
四、切削过程刀具监视与声发射(AE)车削监视仪的研制（论文参考文献）
- [1]动静载荷下不同含水状态岩石的声电效应研究[D]. 刘永宏. 湖南科技大学, 2020(06)
- [2]基于多传感器融合的切削过程监测系统研制及数据处理[D]. 甘梓舜. 北京理工大学, 2018(07)
- [3]数控机床刀具状态监测与诊断系统的研究[D]. 刘宇. 南京理工大学, 2016(02)
- [4]数控蜗杆砂轮磨齿机自动对刀技术研究[D]. 刘海宁. 南京理工大学, 2013(07)
- [5]不锈钢异型线材数控钻切专机的研制及其相关技术研究[D]. 孔令林. 广东工业大学, 2012(08)
- [6]基于声表面波传感技术的智能刀具的建模仿真研究[D]. 王磊. 哈尔滨工业大学, 2010(02)
- [7]小波分析与神经网络在刀具故障诊断中的应用[D]. 魏春燕. 西华大学, 2008(08)
- [8]面向网络制造环境的设备自律控制器的研究[D]. 李斌. 华中科技大学, 2006(03)
- [9]加工中心铣刀破损监测技术[D]. 张明江. 武汉理工大学, 2002(01)
- [10]图像检测技术与切屑形态识别技术的研究[D]. 张利国. 哈尔滨理工大学, 2002(02)