資源描述：
《基于多尺度主元分析的刀具磨損狀態(tài)監(jiān)測(cè)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、天津大學(xué)碩士學(xué)位論文基于多尺度主元分析的刀具磨損狀態(tài)監(jiān)測(cè)研究TheResearchofToolConditionMonitoringBasedonMulti-scalePrincipalComponentAnalysis領(lǐng)域：機(jī)械工程作者姓名：張彥超指導(dǎo)教師：王國鋒副教授企業(yè)導(dǎo)師：宋慶東高工天津大學(xué)機(jī)械工程學(xué)院二零一五年十二月中文摘要難加工材料由于其硬度高、導(dǎo)熱性差，銑削時(shí)切削力較大，切削溫度高，刀具磨損劇烈。而刀具狀態(tài)直接影響到工件表面質(zhì)量和精度，因此亟需對(duì)刀具磨損狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)。但是，傳統(tǒng)的模式識(shí)別方法的建模過程需要獲得刀具多種磨
2、損狀態(tài)下的信號(hào)，耗費(fèi)大量精力，顯然不適合實(shí)際切削過程中的刀具磨損監(jiān)測(cè)。本文提出了一種基于多尺度主元分析（MSPCA）的刀具磨損監(jiān)測(cè)方法，這種方法只需要正常加工狀態(tài)下的數(shù)據(jù)就能建立監(jiān)測(cè)模型。在該監(jiān)測(cè)方法中，首先利用離散小波分解（DWT）將數(shù)據(jù)分解到多個(gè)尺度，然后通過主元分析（PCA）建立各尺度下的主元模型，選擇顯著尺度進(jìn)行小波重構(gòu)。最終建立多尺度主元分析監(jiān)測(cè)模型，并通過多變量統(tǒng)計(jì)控制圖顯示監(jiān)測(cè)結(jié)果。為了驗(yàn)證該方法的有效性，本文選用了GH4169高溫合金進(jìn)行銑削實(shí)驗(yàn)，采用了測(cè)力儀和振動(dòng)加速度傳感器采集信號(hào)。根據(jù)兩種信號(hào)的特點(diǎn)，分別選用低通和
3、帶通濾波器進(jìn)行預(yù)處理，并截取刀具真正參與切削時(shí)的傳感器信號(hào)。通過提取時(shí)域、頻域特征組成了訓(xùn)練樣本集和測(cè)試樣本集，對(duì)多尺度主元分析模型進(jìn)行了訓(xùn)練和測(cè)試。磨損狀態(tài)控制圖的顯示結(jié)果表明：多尺度主元分析模型的監(jiān)測(cè)精度最高可達(dá)到100%，完全滿足刀具磨損監(jiān)測(cè)的要求。并且結(jié)合本文所研究的方法，開發(fā)了一套基于虛擬儀器技術(shù)的刀具狀態(tài)智能在線監(jiān)測(cè)軟件。本文的研究結(jié)果表明：多尺度主元監(jiān)測(cè)模型只需要正常加工狀態(tài)下的信號(hào)就能建立有效的監(jiān)測(cè)模型，克服傳統(tǒng)模式識(shí)別方法的缺點(diǎn)，取得了很高的監(jiān)測(cè)精度，因此更適合用于難加工材料的刀具磨損狀態(tài)監(jiān)測(cè)。關(guān)鍵詞：高溫合金；多尺度
4、主元分析；刀具磨損監(jiān)測(cè)；虛擬儀器IAbstractDifficulttocutmaterialspossessthecharacteristicsofhighhardnessandlowthermalconductivity.Whenthesematerialsaremachining,thecuttingforceandtemperatureareveryhighandthewearofthecuttingtoolissevere.Thetoolconditionaffectsthesurfacequalityandprecision
5、ofthework-piece.Soitisnecessarytomonitorthewearstateofthecuttingtoolinrealtime.Buttraditionalpatternrecognitionmethodsarecostly.Theyarenotsuitableformonitoringtherealprocessofmachiningobviously.Inthispaper,anewtoolconditionmonitoringmethodbasedonmulti-scaleprincipalcompo
6、nentanalysis(MSPCA)wasproposedinthispaper.Itsmodelcanbebuiltonlybysamplesundernormalconditions.Inthismethod,thetrainingsamplesetofnormaloperationalconditionisdecomposedintodifferentscalesusingwaveletmultiresolutionanalysis.Thenprincipalcomponentanalysis(PCA)modelofeachsc
7、alewasconstructedtoselectsignificancescales.ThestatisticalindicesandthecorrespondingcontrollimitsareconstructedtomonitorthetoolwearbasedonPCA.Totesttheeffectivenessoftheproposedmethod,superalloy4169millingexperimentwascarriedout.Forceandvibrationsignalsduringthemachining
8、processwerecollectedsimultaneouslytodepictthecharacteristicsofthetoolwearvariation.Basedontheextractedf
