排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
为实现批量钻削工序质量在线监测和分析,根据钻削加工特性、切削刃与工件的接触受力状况以及多维监控信号的分析,将一个钻削过程划分为7个阶段。通过分析实验中功率信号和声信号在钻削过程中各阶段的变化特征,采用离散RMS分析和离散求导方法进行特征识别,提取与钻削过程7个阶段相对应的功率和声信号变化特征点,并建立钻削过程与监控信号的特征映射模型。研究结果表明:该模型可在0.7%的时间误差范围内找到钻刃刃尖切入特征点,0.05%的时间误差范围内找到钻刃完全切入特征点,1.2%的时间误差范围内找到钻刃刃尖切出特征点以及1.1%的时间误差范围内找到钻刃完全切出特征点,因此,可在1.2%左右的时间误差范围内,建立监控钻削加工过程中功率信号和声信号与钻削过程在时间上的同步映射关系。该模型可用于钻削过程与监控信号映射机理的进一步研究。 相似文献
2.
针对批量钻削工序质量的快速监测和分析问题,利用批量钻削加工过程主轴功率信号和声信号的时域统计特征和频域能量特征构造了批量工序钻削过程特征矩阵。应用K均值聚类技术从时域统计、频域能量和时频域综合特征三个角度依据钻孔本身的质量特征对钻孔进行分类,分析批量工序过程特征分布状况,间接反映批量钻削工序质量。对比人工质量检测结果,分析批量钻削过程监控信号时频域特征矩阵聚类纯净度,结果显示其工序质量分布状况检测准确率高达94.19% 相似文献
1