BTA深孔加工系統(tǒng)刀具磨損與排屑狀態(tài)監(jiān)測技術研究.pdf

1、深孔加工作為一種重要的加工方法被廣泛應用于現代制造業(yè)中，良好的刀具磨損與排屑狀態(tài)可以保證孔加工質量、提高生產效率、降低生產成本，對整個深孔加工系統(tǒng)有著非常大的影響。因此，研究準確、可靠的刀具磨損與排屑狀態(tài)監(jiān)測技術意義深遠。
　　 論文以BTA深孔加工系統(tǒng)為研究對象，在探討了該系統(tǒng)的加工原理、常見故障及其原因的前提下，設計出以刀桿扭轉振動信號和排屑系統(tǒng)的油壓信號為監(jiān)測信號的深孔加工狀態(tài)監(jiān)測方案，并根據該監(jiān)測方案搭建了基于DSP的深

2、孔加工狀態(tài)監(jiān)測系統(tǒng)的實驗平臺，成功實現對刀桿振動和油壓信號的采集。
　　 針對深孔加工過程監(jiān)測信號的非平穩(wěn)特性以及脈沖干擾噪聲給信號的分析處理及特征提取帶來的困難，提出采用希爾伯特黃變換(HHT)實現故障信號特征的提取，并對HHT算法實現中的終止準則、端點效應、曲線擬合等問題進行研究與改進，通過對模擬仿真信號的分析，證明了改進方法的有效性。
　　 對狀態(tài)監(jiān)測系統(tǒng)中狀態(tài)識別技術進行了研究，將最小二乘支持向量機(LSSVM)

3、用于狀態(tài)識別。鑒于懲罰因子C與核函數的寬度系數σ嚴重影響其分類性能，提出一種基于改進模擬退火的LSSVM參數優(yōu)化算法；運用UCI數據集上的數據進行了仿真分類研究，結果顯示該參數優(yōu)化算法與其他參數優(yōu)化算法相比，具有尋優(yōu)速度和尋優(yōu)質量上的優(yōu)勢。此外，對BP網絡、GA-SVM和GA-LSSVM三種狀態(tài)識別算法進行了對比實驗研究，驗證了LSSVM在分類精度、分類速度方面的有效性。
　　 在分別分析刀桿振動信號和油壓信號的特點后，發(fā)現振動

4、信號與刀具磨損狀態(tài)密切相關的特征頻率段在1～150HZ，其經BEMD分解后imf3分量的峰值和能量可作為判斷刀具磨損狀態(tài)的特征參數；油壓信號與排屑狀態(tài)密切相關的特征頻率段為100～400HZ，其經BEMD分解后imf1分量的方差和均值與排屑狀態(tài)之間存在較強的映射關系。成功提取出分別與刀具磨損狀態(tài)和排屑狀態(tài)密切相關的特征參數。
　　 利用提取的特征參數所建立的針對深孔加工過程刀具磨損與排屑狀態(tài)的LSSVM分類模型，對實際數據的識別