基于电涡流传感器的水润滑轴承磨损监测系统

为了实时监测轴承磨损状态,保证舰船航行安全,设计一种基于电涡流传感器的水润滑轴承磨损监测系统。将电涡流传感器固定安装在导流罩上,静态获取尾轴停止时的下沉位移测量磨损量,动态测量尾轴转动时输出的正弦信号,通过软件法求解瞬时转速。对系统主要硬件进行设计和选型,确保其满足磨损监测的需要,同时对软件的工作流程和主要功能模块进行设计,完成监测系统的研发。经过试验测试验证,该系统各项功能符合预期目标,能够有效监测水润滑轴承磨损状态。研究成果对水润滑轴承的使用和维修具有指导意义和应用价值。

微铣削刀具磨损监测系统中麦克风阵列的消噪性能研究

在切削加工过程中,基于切削加工声音信号的刀具状态监测系统容易受背景噪声的干扰,为确保监测系统的稳定性,提出使用麦克风阵列和维纳滤波来干扰噪声的方法。在实验过程中,采用直径为700μm的微细铣刀对SK4高碳钢工件进行切削加工,并在切削过程提供人工噪声源,然后利用麦克风阵列获取切削时的声音信号。针对获取的声音信号,结合麦克风阵列与维纳滤波器进行滤波处理。结果表明,麦克风阵列结合维纳滤波能有效改善噪声对微刀具磨损监测系统的影响。此外,分析麦克风阵列排列方式对刀具磨损识别的性能影响,结果显示,环形阵列比直线阵列麦克风阵列系统能更有效地去除噪声,在一定频带宽度下选择适当的特征值,刀具磨损识别率可达到100%。

递归特征消除与极端随机树在铣刀磨损监测中的研究

针对金属铣削过程中刀具磨损监测问题,本文提出了一种基于递归特征消除和极端随机树相结合的刀具磨损监测模型。首先对力、振动和声发射信号的时域、频域特征进行提取,分别采用逻辑回归、分类与回归树、线性回归、线性判别分析作为递归特征消除的基模型进行特征降维。再利用处理后的特征对K近邻、支持向量回归、极端随机树模型进行训练,得出多种监测模型。通过对比刀具磨损拟合曲线图和分析评估结果的标准差,可得出基模型为分类与回归树的递归特征消除,与极端随机树算法相结合模型拟合度达到99.74%,评估结果的标准差为4.04。结果表明该方法能够实现对铣刀磨损的有效监测,从而提高零件加工质量。

ET-GD与K近邻相结合的刀具磨损监测方法

针对铣削过程中刀具磨损量监测问题,提出一种基于极端随机树和高斯分布,与K近邻相结合的刀具磨损监测方法。该方法选用截断法和hampel滤波法剔除力、振动和声发射信号中的异常值和奇异点。其次通过极端随机树和高斯分布的偏离情况对特征集进行优选,降低数据矩阵的复杂性。分别对比分析了两次优选前后三种K近邻模型的拟合度和评估度量。利用优选后的特征对逻辑回归、极端随机树、支持向量回归和K近邻算法模型进行训练,并利用十折交叉验证法和测试集进行验证。最终得出,基于极端随机树和高斯分布与K近邻的刀具磨损监测模型的拟合度达到99.17%,均方误差和平均绝对误差分别为13.0688、1.8241。结果表明该方法能够实现对铣刀磨损的有效监测,从而提高工件加工质量。

基于振动信号功率谱能量的钛合金铣削过程刀具磨损监测研究

针对复杂切削工况下钛合金结构件加工过程中刀具磨损监测的难题,提出基于主轴振动信号功率谱能量的刀具磨损监测方法。首先,在剔除振动信号原始数据异常点的基础上,通过功率谱分布提取反映刀具磨损退化过程的0~7f_(0)频带能量指标、过齿频率基频f_(0)和倍频3f_(0)幅值等3个指标作为监测刀具退化过程的敏感指标。其次,提出基于结构件加工质量约束的刀具磨损失效阈值确定方法。最后,在钛合金槽腔结构件上验证了本方法的可行性。结果表明:相比于基于FFT谱、时域统计指标与小波包频带能量的刀具磨损监测方法,文章提出的复杂切削工况下的刀具磨损监测方法效果更加显著,可准确识别刀具的早期磨损。

基于ABiGRU的铣刀磨损监测方法研究

为了准确监测铣削加工过程中刀具磨损程度,提出了一种基于双向门控循环神经网络融合注意力机制(ABiGRU)的刀具磨损监测模型。在该监测模型中,通过对振动、力和声发射传感器采集到的时序数据进行时域、频域和时频域分析,使用spearman相关系数提取与后刀面平均磨损量强相关的20维特征。引入ELU激活函数来优化BiGRU网络,解决梯度消失问题;利用内部注意力机制提升模型对于重要特征信息的捕捉能力,快速实现从特征到刀具磨损值的映射。通过与RNN、LSTM、GRU、BiLSTM和BiGRU进行的对比分析,结果表明:该模型能够准确地表征刀具磨损程度,并使模型的精度和效率得到了较大的提高。

发电机碳刷磨损监测与维护研究

本文主要研究了发电机碳刷磨损监测与维护的相关问题。通过对发电机碳刷磨损监测的现状进行分析,发现了存在的问题,提出了解决方案,并通过实例分析具体说明了发电机碳刷磨损监测与维护的工作流程、关键问题以及解决方案。本文的研究成果对发电机碳刷磨损的监测和维护具有重要的指导意义和应用价值,可以为电力系统的稳定运行和安全生产提供有效保障。

基于深度学习的刀具磨损监测方法

为监测制造车间机械加工设备刀具的磨损程度,提出应用深度学习方法实施刀具的磨损监测。深度学习理论作为人工智能领域的最新研究成果,以其中的深度卷积神经网络构建刀具磨损监测的模型,给出刀具磨损监测的流程,采用微型铣床与无线三轴加速度计搭建了数据采集实验平台。实验结果表明,与其他两种常用深度神经网络以及传统神经网络模型相比较,所提基于深度学习方法监测过程简单,不仅具有较高的准确度与较低的损失函数值,还实现了刀具磨损程度分类。

基于小波包能量谱的HMM钻头磨损监测

从工程应用的角度论述了小波包分解原理及其能量谱监测理论,并将该理论应用于钻削力信号特征提取中,针对钻削过程特征矢量与钻头磨损之间具有较强的随机性和不确定性的特点,提出一种基于隐马尔可夫模型(HMM)的钻头磨损监测方法。实验结果表明,通过对钻削力信号进行多层小波包分解,提取各频段能量谱作为特征矢量可准确刻画工艺系统随钻头磨损的演化规律,利用HMM建立的各钻头磨损状态小波包能量谱的统计模型可有效跟踪钻头磨损的发展趋势,实现钻头磨损状态和寿命的监测。

基于Hough变换的刀具磨损监测加工表面纹理特征提取

采用工件表面纹理图像对刀具的磨损状态进行监测。建立了加工表面微观图像采集系统,运用Canny边缘检测算子对原始图像进行预处理,获得了原始图像的边缘图像。根据边缘图像随刀具磨损的变化特征,应用Hough变换对边缘图像中线段的分布特性进行了分析与检测,研究了线段长度和方向随刀具磨损的变化规律。实验结果表明这两个特征参数与刀具磨损状态之间存在密切联系,根据特征参数的变化规律可实现刀具磨损状态的监测。

磁力泵滑动轴承磨损监测系统的设计

针对磁力泵滑动轴承磨损在线监测,设计制作了传感器数据采集试验台,大量采集各种工况下的数据,综合使用EXCEL,MATLAB,NEUROSHELL等数据处理软件,用神经网络法和回归分析法进行了数据分析.在此基础上,提出了一种多传感器数据采集系统和多神经网络模型迭代求解的方法,用该方法实现的磁力泵滑动轴承磨损检测,可消除磁力泵轴向窜动变量的影响.试验结果表明测量值与实际值很接近,建立的检测系统能检测滑动轴承的间隙,并达到一定的测量精度.

基于自适应神经模糊推理系统的刀具磨损监测

为精确地监测高速铣床刀具在加工过程中的刀具磨损量,通过采集高速铣床加工过程中的振动信号、电流信号和噪声信号,经数据预处理与数据融合,建立基于自适应神经模糊推理系统的刀具磨损过程变化模型,实现在高速铣床不停机的前提下对铣床刀具进行状态监控。实验结果显示:针对铣床刀具磨损量的监测平均准确率为95.21%,最大监测准确率为99.74%。这表明文中所采用的方法具有较高的可行性。

一种新的铁谱磨损监测定量参数

在工程实际中，铁谱磨损监测技术已经获得广泛应用，但其主要缺点是所用特征参数不能直接反映机械设备的磨损劣化程度．为了弥补现用铁谱定量分析参数的不足，提出了一种新的铁谱磨损监测定量参数——劣化值．这种参数的优点是使被监测对象的磨损劣化程度具有直观性和可比．为了避免使用一种铁谱定量参数的劣化值进行磨损状态判别时存在的片面性，运用模糊评判理论，引入综合劣化值概念，建立了评判标准；针对引入的劣化值，开发了相应的数据处理系统，用于劣化值计算及磨损状态判别．应用实例表明，劣化值的引入，不仅提高了铁谱定量参数的直观性，而且还实现了不同机械铁谱定量参数的可比性。

数控机床刀具磨损监测实验数据处理方法研究

数控机床刀具磨损监测对于提高数控机床利用率,减小由于刀具破损而造成的经济损失具有重要意义。有针对性地回顾了国内外各种分析刀具磨损信号方法的研究工作,详细叙述了功率谱分析法、小波变换、人工神经网络以及多传感器信息融合技术的实现形式。通过比较各种数据处理方法的优缺点,提出基于混合智能多传感器信息融合技术是数控机床刀具磨损监测实验数据处理的未来发展的主要方向。

刀具磨损监测技术及其在重型切削中的应用

在现代化切削加工系统中,刀具的磨损和破损会导致工件的报废甚至机床的损坏。刀具状态监测可以有效地改善磨损和破损给切削过程带来的不利影响,将刀具状态监测应用到重型切削水室封头过程中对于提高大型零件的加工效率及加工质量具有重要的意义。为了深入探讨刀具磨损监测技术及其在重型切削中的应用,以普通切削刀具磨损监测为研究对象,从信号采集、特征处理、模式识别及决策控制等方面深入分析刀具磨损监测中应用最为广泛及新兴的关键技术、方法及其原理,并对它们的优缺点进行详细的剖析;阐明与分析刀具磨损监测在重型切削中的应用;对国内外学者在刀具磨损监测领域所取得的成果及进展进行阐述并对未来的发展趋势进行展望。通过以上研究过程,为重型切削过程刀具磨损监测技术提供理论与技术支持。

钻头磨损监测的小波方法研究

根据小波变换模极大值的多尺度传播特性，提出了一种去除钻削加工振动监测信号中的随机噪声从而对钻头状态进行评估的方法．实验结果表明，该方法是一种行之有效的方法．

数控机床刀具磨损监测数据处理方法

数控机床刀具磨损监测对于提高数控机床利用率,减小由于刀具破损而造成的经济损失具有重要意义。文章回顾了国内外各种分析刀具磨损信号处理方法的研究工作,详细叙述了功率谱分析法、小波变换、人工神经网络以及多传感器信息融合技术等四种数据处理方法,并简单展望了数据处理方法未来发展趋势。

XRF技术在设备磨损监测中的应用研究

通过对XRF分析技术在设备磨损状态监测中的应用历程、现状、特点的评述和分析,结合磨粒分析主要采用的铁谱和原子发射光谱的技术特点,提出了基于XRF技术的机械磨损状态监测策略,并对未来发展趋势做了展望,指出了亟待解决的问题。

磁力泵滑动轴承磨损监测装置设计

针对磁力泵滑动轴承磨损发生后易造成隔离套磨穿事故的特点,设计了一种磁力泵滑动轴承磨损实时检测装置。简要介绍磁力泵滑动轴承磨损实时检测装置的工作原理,并对该检测装置零件设计进行了技术说明,最后对该装置实时监测的可行性进行了理论分析。分析表明该监测装置能够有效满足实时监测的设计要求,对提高磁力泵运行可靠性,减少工业事故的发生有着一定的实际意义。

元素光谱分析技术在大型关键机组磨损监测中的应用

阐述元素光谱分析技术的原理及技术特点,应用于大型关键机组磨损监测中的方法和步骤,对于出现的设备问题,能准确地判断磨损部位,为设备的维修提供信息,从而保障机组的长周期平稳运行。