声发射刀具失效监控系统研究

通过对钻、车、镗削刀具失效过程中产生的声发射信号的分析,获得了信号的频谱特性,建立了描述刀具破损、磨损状态的数学模型。依据分析及实验结果,设计了一个智能化的刀具状态监控系统。刀具破损面积的分辨率为0.01mm~2,刀具破损的响应时间小于0.1ms,漏报率及误报率小于5％。     

复合叠层材料制孔过程刀具声发射特征分析

声发射信号具有高频、高灵敏度与高信噪比等特性,被广泛应用于检测领域。复合叠层材料钻孔加工时,伴随着刀具的磨损,会产生丰富的声发射信号,声发射信号特征与刀具磨损情况之间存在密切的关系。为了研究叠层材料制孔过程声发射信号特征随刀具磨损的变化关系,采用高速钢和硬质合金钻头开展了一系列试验,采集制孔过程中刀具的声发射信号,并分析信号的时频域特征。分析结果表明,声发射信号的均方根值、小波包能量与刀具磨损密切相关。     

镗削声发射信号与镗刀磨损量关系的研究

 对镗削过程中声发射信号与刀具磨损之间的关系进行了实验研究和理论分析,得到了声发射信号的特征量与刀具磨损量之间的关系。本文提出用声发射信号随时间变化的记录长度内最大峰值电压V_(pmax)对时间f的累积均值(?)及累积均方差σ_t为在过程(In-Process)实时辨识镗刀磨损的特征量,以便实现刀具磨损的预报控制。     

基于混沌理论的滚动轴承振动信号融合模型预测

提出融合算法模型,在混沌理论的基础上对滚动轴承振动信号进行预测。基于相图法、最大Lyapunov指数法和关联维数法对滚动轴承振动信号进行混沌判别,证明其混沌性。以预测值和真值间差值范数最小为目标导向优化出Kriging模型、最小二乘支持向量机(LSSVM)模型和极端学习机(ELM)模型的权重,加权法构建融合算法模型。相空间重构法构建滚动轴承振动信号预测的训练样本,并对融合模型、Kriging模型、LSSVM模型和ELM模型进行训练,训练好的模型用于振动轴承振动信号混沌预测。以案例1和案例2共两个实验的滚动轴承振动信号为对象进行验证,两案例的最大Lyapunov指数大于0,从而判断这两个案例的轴承振动信号呈现混沌特性。另外,从方均误差、方均根误差和平均绝对误差指标来评价,融合算法模型的指标值均小于单一模型算法,融合算法模型的预测精度优于单一模型算法。     

锯切圆柱形42CrMoA的声发射监测试验

针对锯切加工中的带锯条磨损状态未知、锯切质量下降等问题，本文研究了新试制的FTCUT双金属带锯条锯切圆柱形42CrMoA合金结构钢过程中锯切行为的变化，探讨了声发射信号与单刀锯切过程、锯齿磨损和锯切表面质量变化的关联。研究表明：锯切圆柱材料时随着锯切深度的变化，参与齿数先增大后减小，带锯条约束条件不断变化，进而影响着声发射信号幅值和锯切表面质量；基于时域分析可知锯齿磨损过程分为磨合磨损、快速磨损、稳定磨损三个阶段；基于FFT频域分析发现当频谱图出现多个主频，且第一主频幅值下降时，表明声发射信号来源比较分散，即可认定带锯条失效；基于小波包频域分析发现第7频段信号占比最高，最能反映工件表面质量的变化，其波动情况与锯切表面的微纹和波纹情况可建立一定的联系。因此，可基于声发射信号时域和频域分析判断锯齿磨损和锯切表面恶化情况，为锯齿磨损和锯切表面质量的在线监测提供一定的思路。     

基于系统混沌指数的航空发动机状态监测

从混沌理论、分形学的角度研究了航空发动机失稳工作,计算了发动机失稳过程系统混沌特征量的变化.采用小波降噪对压气机压力数据作预处理,重构了系统相空间,改进了关联积分的计算方法,在此基础上采用滑动窗口方法计算了发动机失稳过程中系统李雅普诺夫指数、关联维数的变化.计算结果显示,发动机失稳过程中系统的混沌指数有显著的改变,系统进入失稳状态李雅普诺夫指数增大0.19,而关联维数则减小0.45,表明混沌指数可用于发动机系统的状态监控,亦为发动机失稳运动的特性研究提供了新思路.      

基于混沌理论滚动轴承振动稳健化试验数据的动态分析

提出改进的Huber M方法是以中位数和Huber M方法两种稳健化处理相融合的一种对数据进行稳健化处理的方法.用中位数和数据平均值相似度判断数据是否有变异,根据变异率变化趋势确定变异率.发现在0%~10%变异率范围内,滚动轴承振动数据的连续性和可信度随着变异率的增加而增强.用混沌理论分析滚动轴承的动态特性,发现同一批次的滚动轴承振动有相同的时间延时、嵌入维数、最大Lyapunov指数,其中最大Lyapunov指数均大于0即属于混沌特征,进一步计算最大可预测周期,最大可预测周期为667个单位.滚动轴承振动时间序列物理空间的中位数和相空间的估计关联维数为非线性非单调性的内在运行机制,为滚动轴承振动的动态分析进一步提供可靠的依据.      

基于声发射信号的高速铣削过程监测技术

叙述了如何将声发射技术应用于航空铝合金的高速铣削过程监测,介绍了监测装置硬件系统和信号数据采集平台的构成,最后运用小波分析进行信号分解,计算分解后的各频段能量,并从频段的能量对比中发现,信号能量可以作为刀具磨损的特征参数.     

飞机发动机混沌振动信号盲分离检测方法

发动机混沌振动信号携带着丰富的状态信息,依据混沌振动信号进行状态监测及故障诊断是一种很有前途的技术手段,但由于混沌信号具有伪随机特性及在低频段具有宽频谱等特点,使得传统的方法很难将其从振动信号中分离。在提取混沌振动信号方面,使用快速独立分量分析（Fast ICA）盲分离方法分离出飞机发动机振动信号中的混沌信号。利用功率谱和Lyapunov指数（LE）方法进行了判定,根据计算结果对发动机状态做出判断,验证了盲分离方法分离混沌振动信号的有效。盲分离检测混沌振动信号的方法不仅使依据混沌信号判断飞机发动机状态成为可能,也为利用混沌信号进行状态预测和控制提供了一种方法。     

二维RayleighBénard对流系统非线性特征的DSMC研究

应用发端于微观分子动力学的蒙特卡罗直接模拟(DSMC)方法实现了RB(RayleighBénard)对流的数值模拟,并在此基础上得到了与线性稳定性理论分析结果相一致的RB系统第一次分叉的临界瑞利数;通过对大瑞利数下RB系统中心点处温度信号进行功率谱分析,得到RB系统通向混沌的倍周期分叉路径,同时应用现代混沌分析方法研究了RB对流系统的关联维、最大Lyapunov指数等非线性特征。     

EMD和SVM在刀具故障诊断中的应用

与传统方法相比,声发射传感器在刀具故障诊断方面有很大的优势。将声发射传感器应用于刀具切削过程中,提出了基于经验模态分解（EMD）和支持向量机（SVM）的刀具故障诊断方法。该方法首先对标准化的声发射信号进行经验模态分解,将分解后的有限个固有模态函数（IMF）通过一定的削减算法增强故障类型特征,把每个IMF和残余项的能量以及整个信号的削减比作为特征向量,最后将特征向量输入支持向量机进行训练和测试,判断刀具的故障类型。通过对某一刀具的故障诊断结果进行分析,验证了该方法的实用性和有效性。     

基于域对抗门控网络的变工况刀具磨损精确预测方法

刀具磨损的精确预测对保证零件加工质量、提高生产效率和降低制造成本具有重要作用。在实际加工过程中,切削参数、刀具几何参数、刀具材料等工况复杂多变,工况信息和刀具磨损量对监测信号的耦合作用为刀具磨损的精确预测带来了很大挑战。针对以上问题,提出了一种基于域对抗门控网络（DAGNN）的变工况刀具磨损精确预测方法。引入工况分类网络并利用无磨损量标签样本,通过域对抗和门控过滤机制自适应地从不同工况的原始监测信号中提取表征刀具磨损且对工况变化不敏感的关键信号特征。对信号特征提取网络和刀具磨损预测网络进行迭代优化,从而实现变工况刀具磨损的精确预测。实验结果表明：相比已有的方法,本文方法能够利用少量带磨损量标签的目标工况样本实现刀具材料和刀具直径变化情况下的刀具磨损量精确预测,预测精度大幅提高。     

离心式压气机出口动态压力的关联维数特征分析

基于相空间重构理论,以800 kW离心式压气机在不同工况下的出口动态压力为研究对象,分析了其时域、频域和关联维数特征,目的是实现喘振识别。结果表明:系统稳态时,动态压力幅值小且随机特性强,系统的混沌特征较为明显。此状态下的关联维数曲线波动很大,饱和关联维数也较大(8~20),并且部分时段不存在饱和关联维数。而随着系统经过过渡过程进入喘振状态,压力幅值逐渐增大,频谱向低频段集中,表现出明显的周期特征,自相似特性增强。并且,关联维数曲线波动减小,饱和关联维数也相应减小。当进入喘振时,关联维数快速收敛到2左右并保持稳定,饱和关联维数也维持在2左右。在引入干扰信号的仿真实验结果显示,此方法的抗干扰性能较强,可以有效地判断离心式压气机的工作状态。     

声发射监测钻头折断的实验研究

 金属切削过程中会发出声讯号。用声发射技术监测刀具破损是一个很有潜力的新方法。本文研究了声发射技术在钻头折断在线监测中的应用。实验结果表明,所设计的实验监测系统能可靠地监测钻头的折断,并可提前预报直径大于1.5mm钻头的折断。     

铣削过程多参数监测策略研究

 通过在时域和频域对端铣过程铣削力和铣削振动信号特征的分析,提取出对铣刀磨损和破损状态变化十分敏感的特征参量,在此基础上提出了由基于铣削力的“时段比值”监测策略和基于铣削振动的“硬件比较”监测策略组成的多参数监测策略。     

基于相空间重构和神经网络的压气机机匣静压预测

建立了基于相空间重构和径向基神经网络的压气机机匣静压的预测模型。对试验数据进行相空间重构,分析其混沌特性,根据重构相空间的最小嵌入维数确定网络输入参数的个数,采用K均值聚类的方法优化网络的拓扑结构,根据时间序列的最大李亚普诺夫指数确定预测模型的最大有效预测步数,利用径向基神经网络的强大非线性映射能力,实现对时间序列的非线性预测,试验结果证明了该方法的有效性。该方法对压气机趋势监控具有一定的参考价值。      

基于多参量状态信息融合的刀具磨损状态智能识别

鉴于刀具磨损监控在自动化生产中的重要性,建立了基于切削力和基于相对切削时间的两种磨损检测模型．切削力模型是利用回归算法和模糊分类技术建立的,通过检测切削力信号可在线识别刀具磨损状态．基于相对切削时间模型利用回归技术直接建立刀具磨损量与切削参数及时间的关系,可在较大的切削条件变化范围内实现对刀具磨损的识别．     

Tool Materials Rapid Selection Based on Initial Wear

Based on a large amount of literature about tool wear research, 873 tool wear curves are taken as samples, and statistical analysis is carried out to select the most suitable tool from all the tool materials suggested by the tool manufacturers. Statistical relationships between the initial wear and uniform wear periods are obtained. The results show that there is qualitative relationship between wear rate during initial wear period (WRIWP) and wear rate in uniform wear period (WRUWP) to certain extent. On this basis, a tool material rapid selection method based on the initial wear is put forward, and suitable tool materials for machining titanium alloy are selected. The experimental results indicate that this method is effective and useful. The new tool materials rapid selection can be used to select suitable cutting tool materials quickly before carrying out systematic machinability tests with the most suitable tool materials. The technology can be applied to doing the initial selection of cutting tool materials in either the machinability research or the workshop production.