切削状态智能监控技术【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

切削状态智能监控技术PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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