CN112781820A - 一种滚刀性能退化趋势评估方法 - Google Patents
一种滚刀性能退化趋势评估方法 Download PDFInfo
- Publication number
- CN112781820A CN112781820A CN202011589950.4A CN202011589950A CN112781820A CN 112781820 A CN112781820 A CN 112781820A CN 202011589950 A CN202011589950 A CN 202011589950A CN 112781820 A CN112781820 A CN 112781820A
- Authority
- CN
- China
- Prior art keywords
- vibration signal
- hob
- performance degradation
- sequence
- frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M7/00—Vibration-testing of structures; Shock-testing of structures
- G01M7/08—Shock-testing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供一种滚刀性能退化趋势评估方法,包括如下步骤:进行滚刀主轴冲击试验;利用均方根值法确定滚刀主轴冲击试验中的优选共振频带B和优选中心频率fc;对滚刀性能退化过程中的振动信号共振频带进行特征提取;构建滚刀性能退化指标p;计算滚刀全寿命周期的性能退化指标序列P;将性能退化指标序列P与常用时域指标序列对比评估提出的性能退化指标;本发明以滚刀切削过程中主轴振动信号频谱共振频带为基础,可以有效避免采集信号中高峰值脉冲对性能退化指标的影响。
Description
技术领域
本发明涉及信号处理技术领域,具体涉及一种基于振动信号共振频段能量的滚刀性能退化趋势评估方法。
背景技术
滚齿机广泛应用汽车、拖拉机、机床、工程机械、矿山机械、冶金机械、石油、仪表、飞机航天器等各种机械制造业,是齿轮加工机床中应用最广泛的一种机床。作为滚齿机的关键部件之一,刀具无疑是重中之重。滚齿机工作过程中刀具对工件进行切削、挤压,是最易磨损的部件之一。刀具可靠性不仅影响设备的整体稳定性,而且直接关系到加工效率。准确估计加工中刀具的磨损状态,合理选择需要更换刀具的时机,不仅可以提高经济效益,而且能够保证工件加工精度。因此基于状态监测方法提出有效评价滚刀磨损程度性能退化指标对于监测刀具磨损和设备运行状态具有重要的意义。
滚刀从正常状态到退化直至失效要经历一系列性能退化状态。迄今为止,已经提出了多种方法并应用于刀具性能退化领域。现有技术有的是通过对退化数据进行建模分析,但是目前存在着退化数据难以获得,获取退化数据时可能影响设备自身退化情况,测量精度不足等不利影响;现有技术有的是通过实时反映设备健康状态的状态监测方法,刀具性能退化跟踪依赖于特征提取技术,主要是将传感器获得的信号通过一定的信号处理方法提取得到可以描述退化过程的特征;例如中国专利文献CN111967640A公开了一种考虑刀具磨损量和表面粗糙度的刀具剩余寿命预测方法,通过建立基于非线性Wiener过程刀具磨损退化模型、表面粗糙度退化模型,并采用Copula函数建立考虑二者相关性的多退化指标刀具剩余寿命预测模型,实现同时考虑刀具磨损量和表面粗糙度的刀具剩余寿命预测;例如中国专利文献CN110119551A公开了基于机器学习的盾构机刀具磨损退化关联特征分析方法,通过数据资源集对LightGBM特征排序模型进行训练获取的,数据资源集包含有除过累计量特征和受盾构机司机控制影响的特征的其他所有特征。
总体来说,现有技术中的研究对滚刀提取出的特征对退化过程的表征能力较弱,同时通过传感器采集设备信号时,往往会存在噪声干扰而导致从信号中提取得到的特征鲁棒性差的问题,而对基于具有较强鲁棒性和表征能力的滚刀性能退化方法研究涉及较少。
发明内容
本发明的目的是提供一种滚刀性能退化趋势评估方法,该方法从共振频段的能量出发,以均方根值作为衡量滚刀性能退化的标准,对滚刀性能退化过程具有较好的敏感性,提高了振动信号特征对退化过程的表征能力。
为了实现上述目的本发明提供以下技术方案:
本发明提供一种滚刀性能退化趋势评估方法,包括如下步骤:
(1)进行滚刀主轴冲击试验;
(2)利用均方根值法确定滚刀主轴冲击试验中的优选共振频带B和优选中心频率fc;
(3)对滚刀性能退化过程中的振动信号优选共振频带进行特征提取;
(4)构建滚刀性能退化指标p;
(5)计算滚刀全寿命周期的性能退化指标序列P;
步骤(1)确定滚刀优选共振频带和优选中心频率的具体过程如下:
设置冲击试验中采集到的振动信号采样点数为N,采样频率为fs,对对冲击试验过程中采集到的振动信号进行离散傅里叶变换计算振动信号频谱sk并绘制振动信号频谱图,振动信号频谱sk的计算公式如下:
其中,n是振动信号初始数据序列中的序列个数;
k是优选共振频带的谱线序列号;
j是虚数单位;
π是常数,数值为3.1415926;
e是常数,数值为2.718281828459;
所述均方根值法的具体计算过程如下:
根据振动信号离散傅里叶变换选取对应幅值最大的频率作为滚刀固有频率fc’,在根据所述振动信号频谱图的纵坐标上寻找半功率点,即振动信号频谱sk峰值的并过此值沿横坐标作一水平线,所述水平线与振动信号频谱图中频谱曲线的交点设为计算频带的下限频率σ1和计算频带的上限频率σ2,计算带宽Bw的计算公式为:
Bw=σ2-σ1;
设置计算频带为[sp,sp+Bw],以sp为迭代变量,sp的初始值为0,设置迭代步长step=fs/N,迭代变量sp的范围为[0,fs/2-Bw],计算振动信号在计算频带[sp,sp+Bw]上的多个均方根值,并得到均方根值序列,所述均方根值序列对一个振动信号取不同计算频带,每迭代(即为取不同计算频带)一次产生一个均方根值;
均方根值计算公式为:
其中:i是共振频带中的谱线序列号;
均方根值序列中最大均方根值R的计算公式如下:
设置均方根值序列的最大均方根值为Xrms(m),则优选中心频率的计算公式为:
优选共振频带B带宽的计算公式为:
其中,fs是采样频率;
m是均方根值序列中最大均方根值所对应的序列号;
Bw是计算带宽;
N是振动信号采样点数。
步骤(3)中,特征提取是振动信号在优选共振频带的均方根值,也将此值作为滚刀性能退化指标;
步骤(4)构建滚刀性能退化指标p具体过程如下:
采集滚齿机加工过程滚刀全生命周期主轴z向振动加速度信号,设置一个零件加工周期为一组数据;选取每组数据切削稳定阶段一定元素数量的采样点集合作为初始数据,能较好得表征滚刀的滚切规律。
随着滚刀磨损程度的增大,滚刀与工件接触表面产生的冲击能量将提高,相应的在优选共振频带上的均方根值也将增大,因此将振动信号在优选共振频带的均方根值作为滚刀性能退化指标。性能退化指标的计算公式如下:
步骤(5)中计算滚刀全寿命周期的性能退化指标序列P的具体过程如下:
测定待评估滚刀全寿命周期加工工件c个,工件序号为d,d=1,...,c;设置Xn=(xn(1),xn(2),...,xn(c))为振动信号初始数据序列,其中xn(d)为第d个工件的振动信号初始数据;对振动信号初始数据序列进行离散傅里叶变换,得到频谱序列Sk=(sk(1),sk(2),…,sk(c)),其中sk(d)为第d个工件的振动信号初始数据的频谱,振动信号初始数据的频谱sk(d)计算公式为:
其中,k是优选共振频带的谱线序列号;
j为虚数单位;
π是常数,数值为3.1415926;
e是常数,数值为2.718281828459;
n是振动信号初始数据序列中的序列个数;
N是采样点数;
计算频谱序列Sk在优选共振频带的均方根值可以得到性能退化指标序列P=(p(1),p(2),…,p(c)),p(d)为加工第d个工件时滚刀的性能退化指标,性能退化指标序列的表达式如下:
其中,B1是优选共振频带的下限频率;
B2是优选共振频带的上限频率;
A是计算带宽的谱线数;
sk是振动信号频谱;
k是优选共振频带的谱线序列号;
d是工件序号。
本发明具有以下有益技术效果:
(1)本发明提供一种滚刀性能退化趋势评估方法,以滚刀切削过程中主轴振动信号频谱共振频带为基础,大大减少了人为失误和环境因素造成的振动信号误差,可以有效避免采集信号中高峰值脉冲对性能退化指标的影响,有效提高性能退化指标的准确性;
(2)本发明使用一定频谱范围的均方根值来自适应的确定优选共振频带,剔除了噪声和人为干扰的影响,提高了特征信息的敏感度;提取振动信号频谱优选共振频带的均方根值作为滚刀退化特征,对退化过程有较高的敏感度,改善了特征对滚刀退化过程的表征能力。该方法对于滚刀退化特征的有效提取和实现基于滚刀状态检测的维修具有一定的促进意义。
附图说明
图1为本发明的方法流程图。
图2是本发明的能量采集及性能退化评估装置示意图。
图3为确定优选共振频带和优选中心频率的算法流程图。
图4为待处理脉冲振动信号的时域波形图。
图5为待处理脉冲振动信号的频域波形图。
图6为不同中心频率下对应优选共振频带的均方根值的波形图。
图7为滚刀全寿命周期性能退化指标序列图。
具体实施方式
以下结合附图对本发明的具体实施方式做详细描述,应当指出的是,实施例只是对本发明的具体阐述,不应视为对本发明的限定,实施例的目的是为了让本领域技术人员更好地理解和再现本发明的技术方案,本发明的保护范围仍应当以权利要求书所限定的范围为准。
如图1所示,一种滚刀性能退化趋势评估方法,包括如下步骤:
(1)进行滚刀主轴冲击试验;
(2)利用均方根值法确定滚刀主轴冲击试验中的优选共振频带B和优选中心频率fc;
(3)对滚刀性能退化过程中的振动信号共振频带进行特征提取;
(4)构建滚刀性能退化指标p;
(5)计算滚刀全寿命周期的性能退化指标序列P;
如图2所示,本实施例还提供了一种基于振动信号优选共振频带能量的采集及性能退化评估装置,以实现滚刀主轴z向振动信号采集和实时性能退化评估;该装置包括:振动加速度传感器1,数据采集卡2,个人电脑3,采集系统4;振动加速度传感器安装在滚齿机滚刀主轴上,用于分别获取脉冲激励和滚刀切削在滚刀主轴上的振动信号;数据采集卡将振动加速度传感器采集的振动信号传输到电脑上;采集系统对振动信号进行实时显示和存储。
如图3所示,获取优选共振频带和优选中心频率的具体过程如下:
用模态锤敲击滚刀,滚刀主轴上布置的加速度传感器获取其产生的脉冲振动信号,振动信号的时域波形图和频域波形图如图4-5,确定优选中心频率和优选共振频带的过程如下:
首先设置滚刀主轴冲击试验中采集到的振动信号采样点数为N,采样频率为fs,对冲击试验过程中采集到的振动信号进行离散傅里叶变换计算振动信号频谱sk并绘制振动信号频谱图,振动信号频谱sk的计算公式如下:
其中,n是振动信号初始数据序列中的序列个数;
k是优选共振频带的谱线序列号;
j是虚数单位;
π是常数,数值为3.1415926;
e是常数,数值为2.718281828459;
其次计算优选共振频带和优选中心频率的算法描述如下:
所述均方根值法的具体计算过程如下:
根据振动信号离散傅里叶变换选取对应幅值最大的频率作为滚刀固有频率fc’,在根据所述振动信号频谱图的纵坐标上寻找半功率点,即振动信号频谱sk峰值的并过此值沿横坐标作一水平线,所述水平线与振动信号频谱图中频谱曲线的交点设为计算频带的下限频率σ1和计算频带的上限频率σ2,计算带宽Bw的计算公式为:
Bw=σ2-σ1;
设置计算频带为[sp,sp+Bw],以sp为迭代变量,sp的初始值为0,设置迭代步长step=fs/N,迭代变量sp的范围为[0,fs/2-Bw],计算振动信号在计算频带[sp,sp+Bw]上的多个均方根值,并得到均方根值序列,均方根值计算公式为:
其中:i是共振频带中的谱线序列号;
均方根值序列中最大均方根值R的计算公式如下:
设置均方根值序列的最大均方根值为Xrms(m),则优选中心频率的计算公式为:
优选共振频带B带宽的计算公式为:
其中,fs是采样频率;
m是均方根值序列中最大均方根值所对应的序列号;
Bw是计算带宽;
N是振动信号采样点数。
如图6所示,不同中心频率下对应频带的均方根值,最大均方根值说明在相同的带宽下这个中心频率对应的频带上能量最大,即为优选中心频率和优选共振频带。
采集滚齿机加工过程滚刀全生命周期主轴z向振动加速度信号,设置一个零件加工周期为一组数据。选取每组数据切削稳定阶段一定元素数量的采样点集合作为初始数据,能较好得表征滚刀的滚切规律。
随着滚刀磨损程度的增大,滚刀与工件接触表面产生的冲击能量将提高,相应的在优选共振频带上的均方根值也将增大,因此将振动信号在优选共振频带的均方根值作为滚刀性能退化指标。性能退化指标的计算公式为:
测定待评估滚刀全寿命周期加工工件c个,工件序号为d,d=1,...,c;设置Xn=(xn(1),xn(2),...,xn(c))为振动信号初始数据序列,其中xn(d)为第d个工件的振动信号初始数据;对振动信号初始数据序列进行离散傅里叶变换,得到频谱序列Sk=(sk(1),sk(2),…,sk(c)),其中sk(d)为第d个工件的振动信号初始数据的频谱,测定待评估滚刀全寿命周期加工工件c个,工件序号为d,d=1,...,c;设置Xn=(xn(1),xn(2),...,xn(c))为振动信号初始数据序列,其中xn(d)为第d个工件的振动信号初始数据;对振动信号初始数据序列Xn进行离散傅里叶变换,得到频谱序列Sk=(sk(1),sk(2),…,sk(c)),其中sk(d)为第d个工件的振动信号初始数据的频谱,振动信号初始数据的频谱sk(d)计算公式为:
其中,k是优选共振频带的谱线序列号;
j为虚数单位;
π是常数,数值为3.1415926;
e是常数,数值为2.718281828459;
n是振动信号初始数据序列中的序列个数;
N是采样点数;
计算频谱序列Sk在优选共振频带的均方根值,得到性能退化指标序列P=(p(1),p(2),…p(c));p(d)为加工第d个工件时滚刀的性能退化指标,c为加工工件的个数,性能退化指标p(d)的计算公式如下:
其中,B1是优选共振频带的下限频率;
B2是优选共振频带的上限频率;
A是计算带宽的谱线数;
sk是振动信号频谱;
k是优选共振频带的谱线序列号;
d是工件序号。
如图7所示,计算的滚刀全寿命周期性能退化指标序列。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种滚刀性能退化趋势评估方法,其特征是,包括如下步骤:
(1)进行滚刀主轴冲击试验;
(2)利用均方根值法确定滚刀主轴冲击试验中的优选共振频带B和优选中心频率fc;
(3)对滚刀性能退化过程中的振动信号优选共振频带进行特征提取;
(4)构建滚刀性能退化指标p;
(5)计算滚刀全寿命周期的性能退化指标序列P。
2.根据权利要求1所述的一种滚刀性能退化趋势评估方法,其特征是,步骤(2)中确定优选共振频带的带宽B和优选中心频率fc的具体过程如下:
设置滚刀主轴冲击试验中采集到的振动信号采样点数为N,采样频率为fs,对冲击试验过程中采集到的振动信号(振动信号初始数据xn)进行离散傅里叶变换计算振动信号频谱sk并绘制振动信号频谱图,振动信号频谱sk的计算公式如下:
其中,n是振动信号初始数据序列中的序列个数;
k是优选共振频带的谱线序列号;
j是虚数单位;
π是常数,数值为3.1415926;
e是常数,数值为2.718281828459;
所述均方根值法的具体计算过程如下:
根据振动信号离散傅里叶变换选取对应幅值最大的频率作为滚刀固有频率fc’,在根据所述振动信号频谱图的纵坐标上寻找半功率点,即振动信号频谱sk峰值的并过此值沿横坐标作一水平线,所述水平线与振动信号频谱图中频谱曲线的交点设为计算频带的下限频率σ1和计算频带的上限频率σ2,计算带宽Bw的计算公式为:
Bw=σ2-σ1;
设置计算频带为[sp,sp+Bw],以sp为迭代变量,sp的初始值为0,设置迭代步长step=fs/N,迭代变量sp的范围为[0,fs/2-Bw],计算振动信号在计算频带[sp,sp+Bw]上的多个均方根值,并得到均方根值序列,均方根值计算公式为:
其中:i是共振频带中的谱线序列号;
均方根值序列中最大均方根值R的计算公式如下:
设置均方根值序列的最大均方根值为Xrms(m),则优选中心频率的计算公式为:
优选共振频带B带宽的计算公式为:
其中,fs是采样频率;
m是均方根值序列中最大均方根值所对应的序列号;
Bw是计算带宽;
N是振动信号采样点数。
4.根据权利要求1所述的滚刀性能退化趋势评估方法,其特征是,步骤(5)中计算滚刀全寿命周期的性能退化指标序列P的具体过程如下:
测定待评估滚刀全寿命周期加工工件c个,工件序号为d,d=1,...,c;设置Xn=(xn(1),xn(2),...,xn(c))为振动信号初始数据序列,其中xn(d)为第d个工件的振动信号初始数据;对振动信号初始数据序列Xn进行离散傅里叶变换,得到频谱序列Sk=(sk(1),sk(2),...,sk(c)),其中sk(d)为第d个工件的振动信号初始数据的频谱,振动信号初始数据的频谱sk(d)计算公式为:
其中,k是优选共振频带的谱线序列号;
j为虚数单位;
π是常数,数值为3.1415926;
e是常数,数值为2.718281828459;
n是振动信号初始数据序列中的序列个数;
N是采样点数;
计算频谱序列Sk在优选共振频带的均方根值,得到性能退化指标序列P=(p(1),p(2),...p(c));p(d)为加工第d个工件时滚刀的性能退化指标,c为加工工件的个数,性能退化指标p(d)的计算公式如下:
其中,B1是优选共振频带的下限频率;
B2是优选共振频带的上限频率;
A是计算带宽的谱线数;
sk是振动信号频谱;
k是优选共振频带的谱线序列号;
d是工件序号。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011589950.4A CN112781820B (zh) | 2020-12-29 | 2020-12-29 | 一种滚刀性能退化趋势评估方法 |
PCT/CN2021/141537 WO2022143502A1 (zh) | 2020-12-29 | 2021-12-27 | 一种滚刀性能退化趋势评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011589950.4A CN112781820B (zh) | 2020-12-29 | 2020-12-29 | 一种滚刀性能退化趋势评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112781820A true CN112781820A (zh) | 2021-05-11 |
CN112781820B CN112781820B (zh) | 2022-01-11 |
Family
ID=75753242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011589950.4A Active CN112781820B (zh) | 2020-12-29 | 2020-12-29 | 一种滚刀性能退化趋势评估方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112781820B (zh) |
WO (1) | WO2022143502A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022143502A1 (zh) * | 2020-12-29 | 2022-07-07 | 浙江大学 | 一种滚刀性能退化趋势评估方法 |
CN114812484A (zh) * | 2022-03-30 | 2022-07-29 | 有研工程技术研究院有限公司 | 一种楔焊劈刀有效寿命的高效检验方法 |
WO2023186208A1 (de) * | 2022-03-29 | 2023-10-05 | MTU Aero Engines AG | Zerspanungsmaschine und verfahren zum überwachen einer dynamischen steifigkeit einer zerspanungsmaschine |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103802022A (zh) * | 2014-03-04 | 2014-05-21 | 上海理工大学 | 数控机床动态特性衰变的评估方法 |
CN104568444A (zh) * | 2015-01-28 | 2015-04-29 | 北京邮电大学 | 变转速火车滚动轴承故障特征频率提取方法 |
EP3462764A1 (en) * | 2017-09-29 | 2019-04-03 | Ordnance Survey Limited | Radio frequency propagation simulation tool |
CN110119551A (zh) * | 2019-04-29 | 2019-08-13 | 西安电子科技大学 | 基于机器学习的盾构机刀具磨损退化关联特征分析方法 |
CN110370080A (zh) * | 2019-07-19 | 2019-10-25 | 广东寰球智能科技有限公司 | 一种修边机切刀的监测方法及监测系统 |
CN111476430A (zh) * | 2020-04-21 | 2020-07-31 | 南京凯奥思数据技术有限公司 | 一种基于机器学习回归算法的刀具剩余寿命预测方法 |
CN111644900A (zh) * | 2020-05-21 | 2020-09-11 | 西安交通大学 | 一种基于主轴振动特征融合的刀具破损实时监测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4504065B2 (ja) * | 2004-03-31 | 2010-07-14 | 中国電力株式会社 | 転がり軸受の余寿命診断方法 |
JP6496061B1 (ja) * | 2018-03-30 | 2019-04-03 | オークマ株式会社 | 転がり軸受の異常診断方法及び異常診断装置 |
CN109596354B (zh) * | 2018-12-21 | 2020-06-09 | 电子科技大学 | 基于自适应共振频带识别的带通滤波方法 |
CN112781820B (zh) * | 2020-12-29 | 2022-01-11 | 浙江大学 | 一种滚刀性能退化趋势评估方法 |
-
2020
- 2020-12-29 CN CN202011589950.4A patent/CN112781820B/zh active Active
-
2021
- 2021-12-27 WO PCT/CN2021/141537 patent/WO2022143502A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103802022A (zh) * | 2014-03-04 | 2014-05-21 | 上海理工大学 | 数控机床动态特性衰变的评估方法 |
CN104568444A (zh) * | 2015-01-28 | 2015-04-29 | 北京邮电大学 | 变转速火车滚动轴承故障特征频率提取方法 |
EP3462764A1 (en) * | 2017-09-29 | 2019-04-03 | Ordnance Survey Limited | Radio frequency propagation simulation tool |
CN110119551A (zh) * | 2019-04-29 | 2019-08-13 | 西安电子科技大学 | 基于机器学习的盾构机刀具磨损退化关联特征分析方法 |
CN110370080A (zh) * | 2019-07-19 | 2019-10-25 | 广东寰球智能科技有限公司 | 一种修边机切刀的监测方法及监测系统 |
CN111476430A (zh) * | 2020-04-21 | 2020-07-31 | 南京凯奥思数据技术有限公司 | 一种基于机器学习回归算法的刀具剩余寿命预测方法 |
CN111644900A (zh) * | 2020-05-21 | 2020-09-11 | 西安交通大学 | 一种基于主轴振动特征融合的刀具破损实时监测方法 |
Non-Patent Citations (5)
Title |
---|
PING MA等: "Early fault diagnosis of bearing based on frequency band extraction and improved tunable Q-factor wavelet transform", 《MEASUREMENT》 * |
SHUIGUANG TONG等: "The identification of gearbox vibration using the meshing impacts based demodulation technique", 《JOURNAL OF SOUND AND VIBRATION》 * |
张龙等: "基于自适应频带冲击强度的滚动轴承故障量化评估", 《振动与冲击》 * |
杨治飞: "滚动轴承的故障特征提取及剩余寿命预测研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
高鹏磊等: "数控机床刀具磨损状态特征参数提取", 《组合机床与自动化加工技术》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022143502A1 (zh) * | 2020-12-29 | 2022-07-07 | 浙江大学 | 一种滚刀性能退化趋势评估方法 |
WO2023186208A1 (de) * | 2022-03-29 | 2023-10-05 | MTU Aero Engines AG | Zerspanungsmaschine und verfahren zum überwachen einer dynamischen steifigkeit einer zerspanungsmaschine |
CN114812484A (zh) * | 2022-03-30 | 2022-07-29 | 有研工程技术研究院有限公司 | 一种楔焊劈刀有效寿命的高效检验方法 |
CN114812484B (zh) * | 2022-03-30 | 2024-02-13 | 中国有研科技集团有限公司 | 一种楔焊劈刀有效寿命的高效检验方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2022143502A1 (zh) | 2022-07-07 |
CN112781820B (zh) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112781820B (zh) | 一种滚刀性能退化趋势评估方法 | |
CN105718876B (zh) | 一种滚珠丝杠健康状态的评估方法 | |
CN109932179B (zh) | 一种基于ds自适应谱重构的滚动轴承故障检测方法 | |
CN102155988B (zh) | 设备监诊方法 | |
US20040179915A1 (en) | Dynamical instrument for machining | |
CN105834835A (zh) | 一种基于多尺度主元分析的刀具磨损在线监测方法 | |
CN112692646B (zh) | 一种刀具磨损状态智能评估方法及装置 | |
CN110346130A (zh) | 一种基于经验模态分解和时频多特征的镗削颤振检测方法 | |
CN1309229A (zh) | 研究和鉴定基础的类型用的方法和装置 | |
CN110160765A (zh) | 一种基于声音或振动信号的冲击特征识别方法及系统 | |
CN112207631B (zh) | 刀具检测模型的生成方法、检测方法、系统、设备及介质 | |
CN105033763A (zh) | 一种数控机床滚珠丝杠磨损状态的预测方法 | |
Kulkarni et al. | Investigations on mother wavelet selection for health assessment of lathe bearings | |
CN106002490A (zh) | 基于刀位轨迹和冗余剔除的铣削工件粗糙度监测方法 | |
Shi et al. | The VMD-scale space based hoyergram and its application in rolling bearing fault diagnosis | |
CN116432071A (zh) | 一种滚动轴承剩余寿命预测方法 | |
CN109605128A (zh) | 一种基于功率谱熵差的铣削颤振在线检测方法 | |
CN115741235A (zh) | 基于五轴加工中心刀具的磨损预测与健康管理方法 | |
CN111780866A (zh) | 一种柴油机试验底座安装状态固有频率测试方法及装置 | |
CN114739671A (zh) | 一种基于改进广义s变换的轴承故障诊断方法 | |
CN114871850A (zh) | 一种基于振动信号和bp神经网络的刀具磨损状态评估方法 | |
CN113092113A (zh) | 一种基于谱值比的滚动轴承故障诊断方法 | |
Zhao et al. | Incipient chatter fast and reliable detection method in high-speed milling process based on cumulative strategy | |
Hazra et al. | Gearbox fault detection using synchro-squeezing transform | |
CN111351655A (zh) | 一种铁路机车齿轮箱中齿轮故障诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |