目錄
序
前言
第1章 緒論 1
1.1 磨削加工過(guò)程監(jiān)控與優(yōu)化決策技術(shù)簡(jiǎn)介 1
1.2 磨削加工過(guò)程監(jiān)控與優(yōu)化決策技術(shù)發(fā)展 2
1.3 磨削功率/能耗智能監(jiān)控與優(yōu)化決策技術(shù)研究現(xiàn)狀 5
1.3.1 智能監(jiān)控技術(shù) 5
1.3.2 能耗指標(biāo)評(píng)價(jià)體系與模型 14
1.3.3 能耗與質(zhì)量、效率多目標(biāo)優(yōu)化方法 21
1.3.4 磨削數(shù)據(jù)庫(kù)與決策系統(tǒng) 23
1.4 本書(shū)研究?jī)?nèi)容 26
參考文獻(xiàn) 28
第2章 磨削功率/能耗智能監(jiān)控與優(yōu)化決策硬件系統(tǒng) 39
2.1 磨削功率/能耗智能監(jiān)控與優(yōu)化決策硬件系統(tǒng)總體設(shè)計(jì) 39
2.2 磨削功率/能耗在線(xiàn)監(jiān)控硬件系統(tǒng) 41
2.2.1 功率傳感器安裝與調(diào)試 41
2.2.2 功率信號(hào)數(shù)模-模數(shù)轉(zhuǎn)換與采集 44
2.3 磨削功率/能耗遠(yuǎn)程監(jiān)控硬件系統(tǒng) 46
2.4 自適應(yīng)反饋控制硬件系統(tǒng) 47
參考文獻(xiàn) 50
第3章 磨削功率/能耗智能監(jiān)控與優(yōu)化決策軟件系統(tǒng) 52
3.1 EconG?總體框架與功能結(jié)構(gòu) 52
3.2 軟件開(kāi)發(fā)工具和互聯(lián)方法 55
3.2.1 LabVIEW 55
3.2.2 SQL Server 55
3.2.3 LabVIEW與LabVIEW遠(yuǎn)程網(wǎng)絡(luò)連接 56
3.2.4 LabVIEW與SQL Server連接 56
3.3 EconG?系統(tǒng)模塊設(shè)計(jì) 56
3.3.1 磨削功率/能耗實(shí)時(shí)監(jiān)測(cè)模塊 56
3.3.2 時(shí)頻域磨削功率/能耗特征提取模塊 61
3.3.3 砂輪狀態(tài)監(jiān)測(cè)和比較模塊 63
3.3.4 磨削燒傷實(shí)時(shí)判別模塊 65
3.3.5 磨削工藝參數(shù)多目標(biāo)優(yōu)化模塊 66
3.3.6 磨削工況總結(jié)模塊 67
3.4 EconG?數(shù)據(jù)傳輸與管理 68
參考文獻(xiàn) 69
第4章 磨削過(guò)程監(jiān)測(cè)海量功率信號(hào)的時(shí)頻域特征提取方法 71
4.1 信號(hào)的時(shí)域與頻域性質(zhì) 71
4.2 數(shù)字濾波 73
4.2.1 數(shù)字濾波流程 73
4.2.2 快速傅里葉變換基本理論 74
4.2.3 噪聲識(shí)別與濾波 80
4.3 時(shí)域與頻域特征提取 86
4.3.1 時(shí)域特征提取 86
4.3.2 頻域特征提取 90
參考文獻(xiàn) 91
第5章 磨削工藝參數(shù)多目標(biāo)優(yōu)化方法 93
5.1 磨削加工時(shí)間歷程 93
5.2 磨削加工能耗指標(biāo)評(píng)估模型 96
5.2.1 磨削加工過(guò)程能耗流分析 96
5.2.2 材料去除能耗的深度學(xué)習(xí)模型 97
5.2.3 總能耗的物理參數(shù)/深度學(xué)習(xí)混合模型 102
5.2.4 能耗效率評(píng)估 111
5.3 表面質(zhì)量的三層映射aANN模型 115
5.3.1 功率信號(hào)關(guān)鍵特征與表面質(zhì)量聚類(lèi)分析 115
5.3.2 三層映射自適應(yīng)人工神經(jīng)網(wǎng)絡(luò)模型 115
5.4 Pareto優(yōu)化方法 123
5.4.1 基于動(dòng)態(tài)慣性權(quán)重粒子群優(yōu)化算法的能耗單目標(biāo)優(yōu)化 123
5.4.2 生產(chǎn)-環(huán)境多目標(biāo)優(yōu)化 126
參考文獻(xiàn) 134
第6章 用戶(hù)-基礎(chǔ)-過(guò)程-知識(shí)結(jié)構(gòu)的遠(yuǎn)程磨削數(shù)據(jù)庫(kù) 137
6.1 磨削數(shù)據(jù)的多源異構(gòu)分析 137
6.1.1 磨削數(shù)據(jù)及其來(lái)源分析 137
6.1.2 磨削數(shù)據(jù)結(jié)構(gòu) 140
6.2 海量動(dòng)態(tài)功率數(shù)據(jù)壓縮與存儲(chǔ)方法 140
6.2.1 高效壓縮方法 140
6.2.2 快速存儲(chǔ)調(diào)用方法 148
6.2.3 案例分析與討論 150
6.3 遠(yuǎn)程磨削數(shù)據(jù)庫(kù)總體設(shè)計(jì) 151
6.3.1 數(shù)據(jù)庫(kù)開(kāi)發(fā)架構(gòu)與傳輸管理 151
6.3.2 數(shù)據(jù)發(fā)送和接收管理 155
6.4 遠(yuǎn)程磨削數(shù)據(jù)庫(kù)數(shù)據(jù)操作與開(kāi)發(fā) 156
6.4.1 基于LabVIEW的遠(yuǎn)程磨削數(shù)據(jù)庫(kù)數(shù)據(jù)操作 156
6.4.2 基于LabVIEW的遠(yuǎn)程磨削數(shù)據(jù)庫(kù)模塊結(jié)構(gòu)與配置方法 162
參考文獻(xiàn) 165
第7章 磨削加工智能控制技術(shù) 167
7.1 磨削功率/能耗智能監(jiān)控與優(yōu)化決策軟硬件系統(tǒng)調(diào)用 167
7.2 磨削知識(shí)數(shù)據(jù)的動(dòng)態(tài)配置 170
7.2.1 知識(shí)數(shù)據(jù)離散化處理 170
7.2.2 知識(shí)數(shù)據(jù)判定索引 171
7.2.3 知識(shí)數(shù)據(jù)挖掘及關(guān)聯(lián)性分析 173
7.2.4 知識(shí)數(shù)據(jù)配置 175
7.3 自適應(yīng)反饋控制技術(shù) 177
7.3.1 自適應(yīng)反饋控制系統(tǒng) 177
7.3.2 機(jī)床交互控制 179
7.3.3 自適應(yīng)反饋控制技術(shù)應(yīng)用 185
參考文獻(xiàn) 187
第8章 磨削功率/能耗智能監(jiān)控與優(yōu)化決策系統(tǒng)應(yīng)用及展望 189
8.1 典型材料磨削加工的功率/能耗智能監(jiān)控與優(yōu)化決策 189
8.1.1 金屬材料磨削加工 189
8.1.2 陶瓷材料磨削加工 198
8.1.3 復(fù)合材料磨削加工 204
8.2 典型零部件磨削加工的磨削功率/能耗智能監(jiān)控與優(yōu)化決策 215
8.2.1 軸承磨削加工 215
8.2.2 曲軸磨削加工 226
8.3 磨削加工過(guò)程智能監(jiān)控與優(yōu)化決策系統(tǒng)展望 235
參考文獻(xiàn) 236