摘要：高新机电产品的进展使微孔运用范围越来越广泛，需要微孔加工的场合越来越多，对微孔加工的表面质量、尺寸精度、位置精度和微孔加工的效率等也提出了更高的要求，微孔的加工面对着巨大的挑战。利用麻花钻的机械钻孔作为传统的孔加工策略，因为其设备简单、操作方便、合理而受到大多数加工企业的青睐，并且机械钻孔具有加工效率高、微孔表面质量好、精度高，加工不受材料导电性能的限制和影响等诸多优点，成为在众多微孔加工策略中，生产成本最低、最经济实用的策略。微钻头直径小，长径比大的结构特点决定了微钻头强度低、刚性差、易折断、入钻困难、易产生入钻偏移、易切屑堵塞等加工缺陷，往往造成微钻头的折断，给生产带来不利影响。微孔钻削加工难度大，微钻头易折断又难以预测，由此在钻削历程中，如何避开微钻头的折断，提升微钻头的利用寿命成为国内外学者普遍关注和致力于解决的不足之一。本论文探讨旨在通过对微孔钻削在线监测，有效预防和避开微钻头折断，提升微钻头的利用率和加工效率。钻削力是表征微钻头工作状态的基本信息，通过实时监测钻削轴向力和钻削扭矩两种力信号可实现对微钻头工作状态的在线监测，以而有效预防和避开微钻头的折断。本论文提出了将微钻头接近折断时的钻削力信号归结为两种方式：一种是渐进型的磨损折断方式，另一种是突变型的异常折断方式。构建了监测两种折断方式的双神经网络模型，以微钻头钻削轴向力和扭矩时域最大幅值及其对时间一阶导数作为特点量，构成神经网络的输入层向量，利用实验数据构成训练样本集对双神经网络模型进行网络训练，得到两组监测阈值的参考数据，用于微孔钻削的在线监测。本论文充分发挥LabVIEW软件图形化的编程语言的优势，将其强大的编程功能与钻削力检测的硬件实验装置有机结合，设计了基于虚拟仪器技术的微孔钻削力在线监测系统，该系统由应变式传感器、电荷放大器、A/D数采卡、计算机软件监测系统、单片机制约单元、功率放大器、驱动电源、步进电机、减速传动链、精密钻床等几大部分构成，通过监测软件系统实现对钻削力信号的实时采集和处理、实时显示和历史数据重现、神经网络决策与报警退刀等功能，并实时发出制约信号通过单片机实现对主轴进给运动的伺服制约，执行报警退刀或正常钻削等制约指令。通过监测系统进行了微孔钻削力在线监测实验，其监测历程为：将实时检测的钻削力信号与预先设定的钻削力监测数值作比较，根据钻削力取值情况来选择双神经网络之一进行计算；将双神经网络输出与预先设置的监测阈值做比较，若双神经网络输出小于监测阈值，意味着微钻头工作正常，工作状态安全，单片机发出制约指令，微钻头继续钻削加工；若网络输出大于或等于监测阈值，则预示微钻头磨损严重或遭遇异常情况，出现工作异常，无法保证正常工作，单片机制约单元发出报警指令，要求步进电机停止工作，不再进给，微钻头退刀。监测实验结果表明，用双神经网络来进行微孔钻削在线监测效果较好，该监测对策具有可行性。本论文主要革新点如下：（1）组建了微孔钻削力实验系统，对微孔钻削轴向力和钻削扭矩进行实验探讨。结果表明，随着钻孔数量的增加，微钻头磨损程度不断加剧，钻削轴向力和钻削扭矩两种信号幅值也随之增大，其变化走势与微钻头磨损情况具有关联性，表明钻削力信号的幅值变化对微钻头磨损程度非常敏感，将钻削力信号作为表征微钻头工作状态的特点量是可行的，为微孔钻削在线监测确定了特点参数。实验还表明，微钻头接近折断时钻削力信号呈现出渐变型和突变型两种不同的幅值增加方式，为双神经网络监测模型设计提供依据。（2）构建了对微钻头接近折断时钻削力信号渐变型和突变型两种方式进行监测的双神经网络模型，并对两种不同折断方式进行网络训练，得到了相对稳定的神经网络，为微孔钻削历程的智能化在线监测提供了一种有效的策略。（3）采取LabVIEW软件与硬件相结合，设计了基于双神经网络的微孔钻削在线监测系统，进行了单、双神经网络微孔钻削在线监测比较实验，验证了双神经网络比单神经网络更能准确地预报微钻头的工作状态，预防微钻头折断的效果更好。关键词：微钻头论文微孔钻削论文钻削力论文双神经网络论文在线监测论文
摘要4-6
ABSTRACT6-11
第1章 绪论11-25
1.1 课题探讨的目的及作用11-14
1.2 微孔钻削的国内外探讨近况及进展走势14-23
1.2.1 微钻头折断机理探讨14-16
1.2.2 微孔钻削基础论述探讨16-18
1.2.3 微孔钻削工艺及钻削技术的探讨18-23
1.3 本论文探讨内容23-25
第2章 微孔钻削在线监测技术的比较探讨25-39
2.1 微孔钻削历程的监测物理量25-27
2.1.1 声发射信号监测25-26
2.1.2 进给力和电机功率监测26
2.1.3 钻削力监测26
2.1.4 主轴电机电流监测26-27
2.1.5 机床振动信号监测27
2.2 多信息融合技术在微孔钻削历程监测中的运用27-28
2.2.1 进给电机电流信号与声发射信号的融合27
2.2.2 钻削力信号与主轴电机电流信号的融合27
2.2.3 功率信号与声信号的融合27-28
2.2.4 机床振动信号、声发射信号与主轴电机电流信号的融合28
2.3 钻削历程监测系统设计28-32
2.3.1 钻头破损的声发射在线检测系统设计28-29
2.3.2 钻削历程与监测信号映射监测系统设计29-30
2.3.3 微孔钻削监测系统的设计30-32
2.4 钻削历程监测技术的探讨32-37
2.4.1 可靠性论述监测技术33-34
2.4.2 神经网络监测技术34-35
2.4.3 模糊神经网络监测技术35-36
2.4.4 基于粗糙—模糊制约的监测技术36-37
2.4.5 小波—模糊—神经网络监测技术37
2.4.6 基于主轴电机电流的 DSP 监测技术37
2.5 本章小结37-39
第3章 微孔钻削力实验探讨39-57
3.1 实验装置与实验条件39-42
3.1.1 主要部件39-40
3.1.2 LabVIEW 软件40-42
3.1.3 钻削条件42
3.2 正常钻削历程浅析42-45
3.3 异常钻削历程浅析45-56
3.3.1 微钻头磨损对钻削力信号的影响46-51
3.3.2 微钻头其他异常对钻削力信号的影响51-56
3.4 本章小结56-57
第4章 微孔钻削双神经网络监测模型设计57-77
4.1 人工神经网络57-60
4.1.1 神经网络的特点57-58
4.1.2 人工神经网络拓扑结构58-59
4.1.3 神经网络常用的激活函数及学习策略59-60
4.2 BP 神经网络改善算法60-64
4.2.1 BP 神经网络60-61
4.2.2 BP 网络学习历程61-64
4.3 BP 神经网络的 Matlab 实现64
4.4 微孔钻削双神经网络监测模型64-76
4.4.1 神经网络模型构建65-66
4.4.2 神经网络训练参数的确定66-70
4.4.3 离线实验70-76
4.5 本章内容小结76-77
第5章 微孔钻削力在线监测实验77-100
5.1 微孔钻削历程实时监测系统的构建77-96
5.1.1 微孔钻削在线监测硬件系统设计77-81
5.1.2 微孔钻削在线监测软件系统设计81-96
5.2 微孔钻削在线监测实验96-99
5.2.1 钻削力在线监测流程图设计96-97
5.2.2 监测实验97-98
5.2.3 在线监测实验结果浅析98-99
5.3 本章小结99-100
第6章 结论100-102
本站原创