基于递归分析的机械加工过程状态监测.pdfVIP

摘要 摘 要 近年来，随着大数据、人工智能、物联网等新技术的兴起，制造业智能化 发展得到了全新的启示。机械加工作为制造业的重要过程，一旦加工状态出现 异常，如果无法在短时间内监测到异常，会造成巨大的资源浪费和经济损失。 机械加工过程状态监测是保证加工过程有序完成的重要手段，是智能制造领域 研究的关键内容。递归分析作为研究非线性时间序列的有效工具，在研究机械 加工数据领域有着良好的效果。本文以现代制造业中广泛使用的流水线生产模 式和多样化个性化的小批量生产模式为主体，针对两种生产模式下的机械加工 过程分别建立了两种以递归分析为基础的状态监测的模型，并通过实验验证两 种模型的有效性。 首先，本文研究了相空间重构原理和递归分析基础，并验证了递归分析在 处理机械加工过程中功率信号的有效性。 其次，本文研究了流水线生产模式的运行特点，建立了一种基于递归分析 和控制图分析的状态监测模型：（1）收集工件历史加工功率信号作为样本，对 样本数据进行递归分析得到递归定量参数；（2）通过递归定量参数构成多元观 测矩阵并进行控制图分析，得到样本数据的统计量；（3）实时加工工件功率信 号通过递归分析后依次加入多元观测矩阵并进行控制图分析，通过观测控制限， 实时监测机械加工状态。 随后，本文研究了小批量生产模式的运行特点，建立了一种基于交叉递归 分析和机器学习的状态监测模型：（1）根据加工计划取少量工件进行试加工；（2） 将预处理后的试加工工件功率信号输入深度信念网络，进行预训练和微调，得 到训练好的深度信念网络。将实时加工工件功率信号输入训练好的深度信念网 络对加工工件种类进行识别；（3）基于工件识别结果，将工件的实时加工功率 与同类工件的试加工功率进行交叉递归分析，基于交叉递归分析结果，运用迭 代自组织数据分析算法实时监测机械加工状态。 最后，本文根据两种生产模式分别设计实验，并通过实验验证了两种状态 监测模型的有效性。 关键词：机械加工；状态监测；递归分析；控制图分析；机器学习 I 目录 目 录 摘 要I ABSTRACTII 目 录IV 第1章 绪论1 1.1 研究背景及意义1 1.1.1 研究背景1 1.1.2 研究意义2 1.2 研究现状及总结2 1.2.1 关于机械加工过程状态监测的研究综述2 1.2.2 关于递归图的研究综述5 1.2.3 文献综述总结6 1.3 研究内容和组织结构7 第2 章 递归分析方法10 2.1 相空间重构11 2.1.1 相空间轨迹11 2.1.2 延迟时间的计算11 2.1.3 嵌入维数的计算12 2.2 递归分析12 2.2.1 递归图和交叉递归图12 2.2.2 递归定量分析14 2.2.3 递归分析有效性验证16 2.3 本章小结17 3 18 第 章 流水线生产模式下机械加工过程状态监测 3.1 流水线生产模式下机械加工功率信号特性分析19 3.2 流水线生产模式下机械加工过程状态监测模型20 3.2.1 流水线生产模式下机械加工过程状态监测框架20 3.2.2 流水线生产模式下机械加工过程递归分析21 IV 目录 3.2.3 流水线生产模