学位论文 > 优秀研究生学位论文题录展示

基于振动信号的PCB微钻刀具磨损状态监测研究

作　者: 任振华
导　师: 王海丽
学　校: 上海交通大学
专　业: 机械制造及其自动化
关键词: PCB微孔钻削刀具磨损振动信号小波变换神经网络
分类号: TP274
类　型: 硕士论文
年　份: 2012年
下　载: 21次
引　用: 0次
阅　读: 论文下载

内容摘要

刀具状态实时监测是先进制造系统的关键技术，是机械加工过程中的一个重要环节，特别是对如印刷电路板（PCB）这种高密度孔的加工。有效的刀具状态监测系统对于提高生产效率，降低生产成本，改善产品质量等具有十分重要的实践意义。本文在分析刀具状态监测技术研究现状的基础上，从振动信号入手对刀具磨损状态的监测进行了研究，主要工作如下：本文首先设计并搭建了微切削加工平台，并根据此平台设计信号的采集系统，通过试验获取了刀具在不同磨损状态下的振动信号。对振动信号分别进行时域、频域和小波分析，在小波变换的基础上提取了能量、均方根值、峰度系数三类特征，并通过正常刀具、初步磨损刀具和严重磨损刀具三类振动信号特征比较，证明三类特征能够有效地反映刀具状态的变化。通过特征量对刀具状态和切削用量的敏感性分析，优化了刀具状态监测特征向量。然后构建了基于BP神经网络的刀具磨损监测系统并进行了训练及测试，发现了BP网络存在的问题。引入了模糊神经网络，基于模糊神经网络的监测系统成功地建立起刀具磨损状态与信号特征之间的非线性映射关系，克服了BP网络的缺点，进一步提高了系统识别速度和稳定性。本文在实验设计、信号采集、信号分析、特征提取和模式识别方面做了积极的探索，提高了刀具状态监测系统的精度与稳定性。

全文目录

摘要  3-4
ABSTRACT  4-8
第一章绪论  8-17
  1.1 本课题研究的目的和意义  8-9
  1.2 刀具状态监测技术概述  9-15
    1.2.1 刀具状态监测方法介绍  10-12
    1.2.2 刀具状态监测的关键技术及其发展趋势  12-14
    1.2.3 微孔钻削监测技术国内外的发展现状  14-15
  1.3 刀具状态监测系统组成  15-16
    1.3.1 信号检测  15
    1.3.2 特征提取  15-16
    1.3.3 状态识别  16
  1.4 本论文主要研究内容  16-17
第二章 PCB 微钻刀具磨损状态监测试验  17-26
  2.1 引言  17
  2.2 试验系统  17-22
    2.2.1 硬件组成  17-20
    2.2.2 软件组成  20-22
  2.3 试验内容  22-25
    2.3.1 试验影响因素选择  23
    2.3.2 试验设计  23-25
    2.3.3 试验步骤  25
  2.4 本章小结  25-26
第三章振动信号的时域和频域分析  26-33
  3.1 时域分析与时域特征  26-27
  3.2 频域分析与频域特征  27-30
  3.3 振动信号分析  30-32
    3.3.1 振动信号的时域分析  30-31
    3.3.2 振动信号的频域分析  31-32
  3.4 本章小结  32-33
第四章基于小波变换的振动信号分析  33-54
  4.1 小波变换  33-41
    4.1.1 连续小波变换  34-37
    4.1.2 离散小波变换  37-38
    4.1.3 多分辨率分析  38-40
    4.1.4 常用小波函数及其性质  40-41
  4.2 振动信号的小波分析  41-46
    4.2.1 振动信号的小波变换  41-43
    4.2.2 基于小波变换的特征提取  43-46
  4.3 特征量的优化  46-53
    4.3.1 特征量对刀具状态的敏感度  46-49
    4.3.2 特征量对切削用量的敏感度  49-53
  4.4 本章小结  53-54
第五章基于神经网络的 PCB 微钻刀具状态监测系统设计  54-72
  5.1 人工神经网络概述  54-56
    5.1.1 神经元模型  54-56
    5.1.2 神经网络结构的基本特点  56
  5.2 BP 神经网络  56-60
    5.2.1 BP 神经网络模型的结构  56-57
    5.2.2 BP 神经网络模型的学习算法  57-59
    5.2.3 BP 算法的改进  59-60
  5.3 基于 BP 神经网络的 PCB 微钻刀具状态监测系统  60-66
    5.3.1 BP 网络结构参数的确定  60-61
    5.3.2 BP 网络测试样本的选择  61-64
    5.3.3 BP 网络实验验证及分析  64-66
  5.4 基于模糊神经网络的 PCB 微钻刀具状态监测系统  66-71
    5.4.1 模糊神经网络结构及各层计算  67-68
    5.4.2 模糊神经网络的学习算法  68-69
    5.4.3 模糊神经网络训练及实验验证  69-71
  5.5 本章小结  71-72
第六章总结与展望  72-74
  6.1 主要结论  72
  6.2 研究展望  72-74
参考文献  74-77
致谢  77-78
攻读硕士学位期间已发表或录用的论文  78-80

基于振动信号的PCB微钻刀具磨损状态监测研究

内容摘要

全文目录

相似论文