2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩71頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、目前,機械制造行業(yè)正在向柔性化、無人化方向發(fā)展,在大規(guī)模的自動化生產(chǎn)過程中,對刀具狀態(tài)的在線監(jiān)測是保證生產(chǎn)順利進行的關(guān)鍵,這對于延長機床設備無故障運行時間、提高加工效率和產(chǎn)品質(zhì)量具有重要的意義.本文在分析刀具狀態(tài)監(jiān)測技術(shù)研究現(xiàn)狀的基礎(chǔ)上,從切削聲信號入手對刀具狀態(tài)的監(jiān)測進行了研究,主要進行了以下工作: (1)搭建了切削聲信號采集平臺,在數(shù)控加工中心上進行了切削聲信號的采集實驗,對采集的切削聲信號進行了統(tǒng)計分析和功率譜密度分析,發(fā)

2、現(xiàn)了切削聲信號中存在著與刀具磨損變化相應的特征成分,證明了利用切削聲信號進行刀具狀態(tài)監(jiān)測的可行性. (2)對刀具磨損狀態(tài)的監(jiān)測,依據(jù)切削過程中刀具磨損狀態(tài)的變化與產(chǎn)生的切削聲信號之間存在著的對應關(guān)系,提出了一種基于切削聲譜隱馬爾科夫模型(HiddenMarkov Model,HMM)識別的刀具磨損狀態(tài)在線監(jiān)測方法.通過建立HMM,提取切削聲信號的線性預測倒譜系數(shù)(Linear Prediction Cepstrum Coeffi

3、cient,LPCC)作為其特征參數(shù),進行了刀具磨損狀態(tài)的識別實驗,實現(xiàn)了刀具磨損程度的分級識別. (3)對刀具破損狀態(tài)的監(jiān)測,依據(jù)其發(fā)生時產(chǎn)生的切削聲信號中的突變特征,運用小波分析提取了它的特征參數(shù),并去除了與其具有相似突變特征的干擾聲信號,通過設定合適的監(jiān)測閾值,實現(xiàn)了對刀具破損的良好監(jiān)測. (4)完成了監(jiān)測系統(tǒng)硬件平臺的設計.針對識別算法的需要,選擇了ARM處理器作為監(jiān)測系統(tǒng)的CPU,并圍繞其進行了外圍電路設計.

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論