發(fā)布時(shí)間：2018-03-30 01:18

  本文選題：多傳感器融合　切入點(diǎn)：在線檢測(cè)系統(tǒng)　出處：《山東大學(xué)》2017年碩士論文

【摘要】：磨削加工作為一種常用的精密和超精密加工工藝,是決定工件加工精度和表面質(zhì)量的關(guān)鍵因素之一,在實(shí)際生產(chǎn)中占據(jù)著重要的地位。面對(duì)小批量、多品種、高質(zhì)量的產(chǎn)品生產(chǎn)需求,對(duì)砂輪和磨削工藝參數(shù)的選用要求越來越高,這與砂輪磨削性能的檢測(cè)息息相關(guān)。而由于磨削加工的復(fù)雜性與磨削性能評(píng)價(jià)指標(biāo)的多樣性,采用單個(gè)傳感器無法滿足在線檢測(cè)的要求,基于多傳感器融合的在線檢測(cè)已成為智能加工的必然發(fā)展方向。本文基于激光測(cè)微儀、多分量測(cè)力儀、聲發(fā)射傳感器和功率計(jì),借助LabVIEW的開發(fā)平臺(tái)和MATLAB的工具包設(shè)計(jì)開發(fā)了一套多傳感器融合系統(tǒng),完成了信息融合各流程的自動(dòng)處理,實(shí)現(xiàn)了包括砂輪磨損狀態(tài)的在線識(shí)別、磨削工件表面粗糙度和磨削比的在線預(yù)測(cè)在內(nèi)的砂輪磨削性能的在線檢測(cè)。對(duì)于多傳感器融合的在線檢測(cè)系統(tǒng),針對(duì)多個(gè)傳感器提取的特征種類眾多的問題,提出了采用基于主成分分析的人工神經(jīng)網(wǎng)絡(luò)信息融合算法(PCA-ANN),通過提取的特征的關(guān)聯(lián)性采用主成分分析降維,然后經(jīng)人工神經(jīng)網(wǎng)絡(luò)完成信息的表達(dá)。該算法減少了提取的特征的冗余信息,加快了系統(tǒng)的運(yùn)行速度,提升了系統(tǒng)在線檢測(cè)的精度。針對(duì)在線檢測(cè)系統(tǒng)的設(shè)計(jì)和開發(fā),本文通過FFT頻譜、功率譜和小波包分析等方法對(duì)信號(hào)進(jìn)行頻域和時(shí)頻域的分析,根據(jù)分析結(jié)果選定信號(hào)時(shí)頻域段落進(jìn)行基于統(tǒng)計(jì)量的特征提取,獲取與砂輪磨削性能有關(guān)的信號(hào)特征,之后對(duì)照磨削性能表征量通過PCA-ANN方法完成特征融合和信息表達(dá)。以此流程在LabVIEW平臺(tái)根據(jù)信號(hào)分析、特征提取、磨削性能表征量提取的方法和信息融合算法的原理,完成了整套系統(tǒng)的具體編程開發(fā)。通過微晶剛玉砂輪磨削淬硬20CrMnTi工件的樣本實(shí)驗(yàn),對(duì)提取的特征與砂輪磨削性能表征量進(jìn)行分析。避免了磨削加工時(shí)功率信號(hào)存在延遲的影響,提出了融合系統(tǒng)提取的特征對(duì)磨削加工工藝的指導(dǎo)作用,驗(yàn)證了系統(tǒng)選用特征的有效性.并通過對(duì)系統(tǒng)進(jìn)行測(cè)試與調(diào)試,證明了 PCA-RBF方法在本領(lǐng)域的優(yōu)異性,設(shè)計(jì)開發(fā)的系統(tǒng)能夠?qū)崿F(xiàn)高精度的砂輪磨損狀態(tài)在線識(shí)別,高精度的磨削加工工件表面粗糙度和磨削比的在線預(yù)測(cè)。
[Abstract]:Grinding, as a common precision and ultra-precision machining technology, is one of the key factors to determine the machining accuracy and surface quality of workpiece, and occupies an important position in practical production. The requirement of high quality product production, the selection of grinding wheel and grinding process parameters is more and more high, which is closely related to the grinding performance testing. However, because of the complexity of grinding processing and the diversity of grinding performance evaluation index, The on-line detection based on multi-sensor fusion has become the inevitable development direction of intelligent machining. This paper is based on laser micrometer, multi-component dynamometer, acoustic emission sensor and power meter. With the help of LabVIEW development platform and MATLAB toolkit, a set of multi-sensor fusion system is designed and developed. The automatic processing of each flow of information fusion is completed, and the on-line recognition of grinding wheel wear state is realized. On-line inspection of grinding wheel grinding performance, including on-line prediction of grinding workpiece surface roughness and grinding ratio. An artificial neural network information fusion algorithm based on principal component analysis (PCA) is proposed. The correlation of extracted features is reduced by principal component analysis (PCA). Then the information is expressed by artificial neural network. The algorithm reduces the redundant information of extracted features, speeds up the running speed of the system, and improves the accuracy of on-line detection. In this paper, FFT spectrum, power spectrum and wavelet packet analysis are used to analyze the signal in frequency domain and time-frequency domain. According to the analysis results, the time-frequency segment of the signal is selected for statistical feature extraction. The signal features related to grinding performance of grinding wheel are obtained, and then the feature fusion and information expression are completed by PCA-ANN method compared with the grinding performance characterization. The process is based on signal analysis and feature extraction in LabVIEW platform. The method of extracting the characteristic quantity of grinding performance and the principle of information fusion algorithm have been completed. The sample experiment of grinding hardened 20CrMnTi workpiece with microcrystalline corundum grinding wheel is carried out. The feature extraction and grinding performance characterization of grinding wheel are analyzed. The influence of delay in power signal in grinding process is avoided, and the guiding effect of feature extraction by fusion system on grinding process is put forward. By testing and debugging the system, the PCA-RBF method is proved to be excellent in this field. The system designed and developed can realize the on-line identification of grinding wheel wear state with high precision. High precision on-line prediction of workpiece surface roughness and grinding ratio.
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP212;TG743

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 袁曉斌;砂輪磨削在加工中心上的應(yīng)用[J];機(jī)械工人.冷加工;2004年03期

2 E.H.馬斯洛夫 ,Б.A.依格那托夫 ,徐紹原;砂輪耐磨時(shí)間與磨削用量的關(guān)系[J];機(jī)床與工具;1955年08期

3 ;寬砂輪磨削[J];技術(shù)情報(bào)通訊;1970年22期

4 ;300毫米寬砂輪磨削試驗(yàn)小結(jié)[J];技術(shù)情報(bào)通訊;1972年02期

5 董慶年;怎樣選擇砂輪(二)[J];人造金剛石與砂輪;1980年03期

6 于敏璽;;浸二硫化鉬的砂輪[J];機(jī)械工人.冷加工;1985年12期

7 張忠躍,軒維高;砂輪破碎事故的教訓(xùn)[J];勞動(dòng)保護(hù);1990年12期

8 鄭清超,鄭鳳超,荊長(zhǎng)生;磨瓦楞機(jī)輥砂輪的研制[J];磨料磨具與磨削;1993年05期

9 葉偉昌,梁萍;砂輪技術(shù)的新進(jìn)展[J];機(jī)械制造;2000年03期

10 自立;選擇合理的磨削砂輪[J];世界制造技術(shù)與裝備市場(chǎng);2001年04期

相關(guān)會(huì)議論文 前4條

1 王大川;王金柱;;如何選擇正確的砂輪[A];中國(guó)特殊鋼年會(huì)2005論文集[C];2005年

2 鄭清超;荊長(zhǎng)生;;磨瓦楞機(jī)輥砂輪的研制[A];中國(guó)電子學(xué)會(huì)生產(chǎn)技術(shù)學(xué)會(huì)機(jī)械加工專業(yè)委員會(huì)第五屆學(xué)術(shù)年會(huì)論文集（下）[C];1992年

3 王君明;賓鴻贊;湯漾平;;汽車及其零部件的先進(jìn)制造技術(shù)與裝備——盆狀砂輪磨削鐘形殼橢圓溝道的工藝及磨床的研究[A];2009年促進(jìn)中部崛起專家論壇暨第五屆湖北科技論壇——裝備制造產(chǎn)業(yè)發(fā)展論壇論文集（上）[C];2009年

4 杜存記;沈劍云;徐西鵬;;樹脂結(jié)合劑CBN砂輪磨削高速鋼時(shí)的溫度測(cè)量與分析[A];福建省科協(xié)第五屆學(xué)術(shù)年會(huì)數(shù)字化制造及其它先進(jìn)制造技術(shù)專題學(xué)術(shù)年會(huì)論文集[C];2005年

相關(guān)重要報(bào)紙文章 前1條

1 唐萍;防止一瞬間出現(xiàn)的致命傷害[N];中國(guó)安全生產(chǎn)報(bào);2009年

相關(guān)博士學(xué)位論文 前2條

1 王君明;盆狀砂輪磨削鐘形殼橢圓溝道的研究[D];華中科技大學(xué);2009年

2 田業(yè)冰;大尺寸硅片磨削平整化理論與工藝技術(shù)的研究[D];大連理工大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 邵美麗;磨粒葉序排布端面砂輪磨削機(jī)理的若干研究[D];沈陽理工大學(xué);2015年

2 馬飛;葉序排布磨粒族砂輪磨削性能試驗(yàn)研究[D];沈陽理工大學(xué);2015年

3 李光;單層電鍍CBN砂輪磨削區(qū)界線劃分理論與實(shí)驗(yàn)研究[D];太原理工大學(xué);2016年

4 房資揚(yáng);鋼坯修磨砂輪動(dòng)平衡技術(shù)的研究[D];東北大學(xué);2014年

5 王義磊;鋼坯修磨砂輪在線自動(dòng)平衡裝置控制系統(tǒng)的研究[D];東北大學(xué);2014年

6 閆江波;新型點(diǎn)磨削砂輪磨削性能實(shí)驗(yàn)研究[D];東北大學(xué);2014年

7 閆志瑞;300mm硅片的磨削加工工藝研究[D];大連理工大學(xué);2016年

8 王起碩;基于多傳感器融合的微晶剛玉砂輪磨削性能在線檢測(cè)系統(tǒng)的研究[D];山東大學(xué);2017年

9 張冰峰;高效磨削用熱管砂輪設(shè)計(jì)與換熱性能仿真分析[D];南京航空航天大學(xué);2011年

10 路遙;螺桿轉(zhuǎn)子磨削砂輪在線修整方法研究[D];大連理工大學(xué);2012年

，

本文編號(hào)：1683713