基于泛在制造的數控機床加工狀態(tài)監(jiān)測研究.pdf_第1頁
已閱讀1頁,還剩78頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、感知和智能為特征的新技術的出現及相互融合,以泛在網絡為基礎、泛在感知為核心的泛在信息制造技術成為制造技術發(fā)展的新驅動力,同時也促進了設備狀態(tài)監(jiān)測的進步。基于泛在感知網絡,能夠快速全面地采集到與機床加工狀態(tài)相關的信息參數,利用融合算法,通過泛在網絡,使相關管理和操作人員及時了解數控機床的加工狀態(tài)。
  本文根據泛在制造的體系架構,建立了數控機床加工狀態(tài)監(jiān)測系統(tǒng),在被監(jiān)測對象布置相應的傳感器,利用無線網絡,把采集到的信號傳輸給監(jiān)測中心

2、,監(jiān)測中心對信號進行時域分析,利用綜合系數法對特征進行選擇,通過神經網絡對機床加工狀態(tài)進行模式識別,機床的狀態(tài)參數利用泛在網絡傳輸給PDA或異地服務器。
  通過分析機床加工狀態(tài),對與機床加工密切相關的刀具的磨損狀態(tài)進行了監(jiān)測試驗。通過提取切削時的振動信號和聲發(fā)射信號,通過時域分析,抽取時域特征中的靜態(tài)均值和能量平均值作為智能狀態(tài)識別和刀具磨損量預測的依據。
  在模式識別方面,利用神經網絡的非線性映射功能,采用三層結構的B

3、P人工神經網絡實現加工狀態(tài)和相關特征量之間的非線性映射,通過神經網絡的訓練,實現數控機床加工狀態(tài)的監(jiān)測。另外,利用LabVIEW軟件中的Matlab Script節(jié)點調用Matlab的神經網絡工具包,減少了程序開發(fā)周期,同時提高了程序的可靠性。通過指狀銑刀的切削試驗,驗證了BP人工神經網絡能夠實現刀具狀態(tài)識別和磨損量預測。
  本文在試驗設計、信號分析、特征選擇以及模式識別等方面進行了積極的探索,在實驗室中通過無線網絡實現了指狀銑

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論