切削状态智能监控技术PDF电子书下载

第一章 绪论 1

1.1 关于切削状态监控技术 1

1.2 切削监控技术在自动化加工中的地位和作用 2

1.3 切削监控技术的发展阶段 4

1.4 切削监控方法与信号处理方法分类 6

1.5 几种常用的切削状态监控方法综合评述 8

1.6 关于切削智能监控技术 12

1.7 中国切削监控技术的研究与发展 14

1.8 国外切削监控技术现状与发展方向 17

第二章 切削力监控法 21

2.1 用于切削监控的力传感器与测力仪 21

2.1.1 通用型力传感器 21

2.1.2 测力轴承——一种监控专用的测力传感器 24

2.1.3 用于监控的切削测力仪 33

2.2 测力轴承结构优化设计 46

2.2.1 轴向测力轴承有限元应力分析和结构优化设计 46

2.2.2 径向测力轴承有限元应力分析和结构优化设计 50

2.2.3 外环开槽式径向测力轴承结构优化设计 54

2.3 径向测力轴承系列化设计 56

2.3.1 径向测力轴承变形梁力学模型 56

2.3.2 径向测力轴承系列化设计 58

2.4 监控特征信号及其监控策略 65

2.4.1 以进给抗力作为监控特征信号 66

2.4.2 以切削分力比率作为监控特征信号 67

2.4.3 以双向切削力相干函数作为监控特征信号 68

2.4.4 利用动态切削力功率谱分析法监控刀具磨损 70

2.4.5 利用切削力的时间序列分析法在线监控刀具磨损与破损 71

2.5 典型切削力监控系统设计 75

2.5.1 DJY—1型智能测力轴承监控系统设计 75

2.5.2 XJTWA—TMS型刀具监控系统设计 99

第三章 声发射（AE）监控法 101

3.1 声发射（AE）现象与定义 101

3.2 AE传感器设计 102

3.2.1 AE传感器的特点 102

3.2.2 AE传感器的力学模型 103

3.2.3 AE传感器的灵敏度 103

3.2.4 AE传感器的谐振频率 103

3.2.5 AE传感器的结构 104

3.2.6 带有AE传感器的车刀 105

3.2.7 AE信号测量电路特点 106

3.3 金属切削过程中AE信号产生机理 106

3.4 刀具破损AE信号特征 108

3.4.1 AE信号特征 108

3.4.2 钻头破损的AE信号特征 111

3.4.3 切削条件对AE信号的影响规律 113

3.5 AE信号切削监控系统 117

3.5.1 利用AE信号监控刀具破损 117

3.5.2 利用AE信号监控刀具磨损（基于模糊神经网络的刀具磨损状态识别） 121

3.5.3 利用AE信号和电机功率信号监控刀具破损 122

3.5.4 利用AE信号和电机电流信号监控刀具破损 124

第四章 切削功率（电流）监控法 125

4.1 切削功率（电流）监控法的特点 125

4.2 功率（电流）传感器 126

4.2.1 直流电流传感器 126

4.2.2 交流电流传感器 126

4.2.3 过流检测传感器 127

4.2.4 直流伺服电机功率传感器 129

4.2.5 直流伺服电机的脉冲调宽功率传感器 130

4.3 几种典型切削刀具状态动率监控系统 133

4.3.1 电流传感器监控系统 133

4.3.2 主轴电机“功率／转速（扭矩）”监控系统 134

4.3.3 机床进给功率及主轴短时转速的集成监控系统 135

4.3.4 基于电流信号的刀具破损识别 136

4.3.5 基于电流信号刀具磨损状态的模糊模式识别 138

4.3.6 刀具状态功率控制的全息特征识别 141

第五章 振动（加速度）监控法 144

5.1 振动监控用传感器 144

5.2 振动监控法 145

5.3 切削自激振动参量间的相关性研究 148

5.3.1 自激振动时动态切削面积的可视化与数值解析 148

5.3.2 自激振动时动态切削力Fy与切削深度ap及切削面积Ac的相关性 153

5.4 本章结论 156

第六章 多传感器信息融合监控法 158

6.1 多传感器的信息融合的概念 158

6.2 传感器的数量、种类与配置 159

6.3 多传感器多模型监控系统 160

6.4 刀具磨损状态的多参数模糊融合识别 162

6.5 多传感器的数据融合法 165

第七章 神经网络在切削监控中的应用 167

7.1 关于适于切削监控的神经网络的拓扑结构与算法概述 167

7.2 用于BP网络的样本添加法 168

7.2.1 样本添加法的工作原理与算法 168

7.2.2 样本添加法用于三倍冗余的表决处理 169

7.3 函数链神经网络及其在切削监控中的应用 172

7.3.1 函数链神经网络 172

7.3.2 用函数链神经网络实现钻削状态监控 173

7.4 神经网络用做刀具状态的表决器 176

7.4.1 信号采集与特征提取 177

7.4.2 BP网络的改善算法 177

7.4.3 实时切削试验分两个阶段 178

7.5 神经网络用做刀具状态监控的分类器 179

7.5.1 AE信号的特征函数 179

7.5.2 基于模糊神经网络的刀具磨损状态识别 181

7.6 神经网络用于数据融合 181

7.6.1 神经网络的结构 182

7.6.2 神经网络的识别 183

参考文献 185