论文题目：基于拔刀力监测的加工中心自动换刀系统典型故障预测
摘要：加工中心作为在世界上应用最为广泛的机床之一,支撑着航空航天、汽车制造、电子信息、医疗健康等重要工业门类。近几年,虽然国产加工中心的产销量快速增长,但产品档次低、可靠性差等问题突出,已成为制约国产加工中心参与国际市场竞争的瓶颈。因此,亟需提高国产加工中心的可靠性水平。自动换刀系统作为加工中心的关键功能部件,也是加工中心发生故障率最高的子系统,对其开展状态监测与故障预测技术研究,有利于提前实施预测性维修策略,提高自动换刀系统及加工中心整机的使用可靠性水平。本文在对加工中心自动换刀系统进行故障分析的基础上,针对换刀系统典型退化型故障——刀套掉刀故障,将刀套锁紧力作为反映故障的监测指标,研制开发了一种无线拔刀力检测仪,结合实验室的圆盘式刀库可靠性试验台,开展了20000次的换刀试验,并利用拔刀力检测仪获得了表征刀套锁紧力变化的200个拔刀力数值。在此基础上,提出了一种综合利用灰色预测模型和BP神经网络模型的组合预测方法,并利用测得的拔刀力实现了对刀套掉刀故障的故障预测。本文完成的主要研究工作如下:（1）加工中心自动换刀系统故障分析。在掌握加工中心自动换刀系统的结构原理和换刀流程的基础上,采用故障树分析法（FTA）对其四种典型故障模式进行了故障树分析,探明了故障原因,由于掉刀故障为发生率最高的故障且拔刀力能够很好地监测掉刀故障,因此,本文选取了基于拔刀力来对加工中心自动换刀系统进行故障预测。（2）拔刀力检测仪的机械结构设计及多工况仿真分析验证。由于目前尚无专门检测拔刀力信号的仪器,并且由于拔刀力检测仪需要在刀套和主轴之间不停地插、拔和翻转,始终处于运动状态,传统的有线方式存在诸多不便,因此本文自行研制了一种拔刀力信号检测仪,将拔刀力检测仪设计为一个独立系统,重点对测力传感器的集成和电路系统的集成作了结构设计,并通过有限元分析的方法对拔刀力检测仪在拔刀、换刀多种工况下的刚度、强度进行了分析验证。（3）拔刀力检测仪的信息采集系统设计。首先对拔刀力信息采集系统的硬件部分进行了设计,主要包括单片机最小系统、通讯模块、数模转换模块、DCDC电压转换模块以及存储模块。然后利用层次化的程序设计方法,对数据采集模块、无线通讯模块的程序进行了设计。主要包括拔刀力数据的采集、存储、传输和无线通讯。实现了拔刀力信号的采集、SD卡存储和无线传输。（4）基于GM-BP组合预测模型的加工中心自动换刀系统故障预测。本文利用拔刀力检测仪、依托圆盘式刀库可靠性试验台进行了两万次的换刀试验并得到两百组拔刀力数据,基于此拔刀力数据,在综合考量灰色预测模型和BP神经网络模型优缺点的基础上,提出了一种综合灰色预测和BP神经网络的组合预测模型,并分别采用GM（1,1）灰色预测模型和GM-BP神经网络组合预测模型对自动换刀系统进行了故障预测,验证了其有效性。
关键词：圆盘式刀库;自动换刀系统;拔刀力;单片机;故障预测;灰色预测;神经网络;组合预测
学科专业：机械工程（专业学位）
摘要
Abstract
第一章 绪论
1.1 论文来源、选题背景及意义
1.1.1 论文来源
1.1.2 选题背景
1.2 课题研究目的与意义
1.3 国内外研究现状
1.3.1 加工中心ATC国内外研究现状
1.3.2 故障预测技术国内外研究现状
1.4 主要研究内容与研究路线
第二章 自动换刀系统结构及故障分析
2.1 自动换刀系统结构及工作原理
2.1.1 自动换刀系统结构分析
2.1.2 自动换刀系统换刀流程
2.2 自动换刀系统典型故障分析
2.2.1 故障分析方法
2.2.2 自动换刀系统故障树分析
2.3 自动换刀系统故障监测指标提取
2.4 本章小结
第三章 拔刀力检测仪结构设计及多工况仿真分析
3.1 拔刀力检测仪总体方案设计
3.1.1 拔刀力检测仪设计目标
3.1.2 拔刀力检测仪总体方案设计
3.2 拔刀力检测仪机械结构设计
3.2.1 测力传感器选型
3.2.2 测力传感器集成方案设计
3.2.3 电路部分集成方案设计
3.3 机械结构多工况仿真验证
3.3.1 有限元模型的建立
3.3.2 拔刀工况有限元仿真分析
3.3.3 换刀工况有限元仿真分析
3.3.4 有限元仿真结果分析
3.4 本章小结
第四章 拔刀力检测仪信息采集系统研发
4.1 拔刀力检测系统硬件设计
4.1.1 主控最小系统模块设计
4.1.2 无线通信模块设计
4.1.3 信号采集模块设计
4.1.4 数据存储模块设计
4.2 拔刀力检测系统软件设计
4.2.1 系统总体设计
4.2.2 数据采集模块设计
4.2.3 无线通讯模块设计
4.2.4 上位机软件
4.3 本章小结
第五章 基于GM-BP组合预测模型的加工中心ATC故障预测
5.1 拔刀力试验数据采集与处理
5.2 GM(1,1)灰色预测模型
5.2.1 GM(1,1)模型构建
5.2.2 GM(1,1)模型精度检验
5.2.3 GM(1,1)模型的缺点
5.3 GM(1,1)-神经网络组合预测模型
5.3.1 GM(1,1)模型与神经网络组合类型
5.3.2 改进的GM-BP组合预测模型
5.4 自动换刀系统故障预测
5.4.1 GM(1,1)模型自动换刀系统故障预测
5.4.2 GM-BP组合预测模型自动换刀系统故障预测
5.4.3 两种预测模型结果对比
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢