振动自感知刀具磨损无线监测

郭宏; 胡孔耀; 闫献国; 伊亚聪; 徐延

您当前的位置：

首页 >

文章列表页 >

振动自感知刀具磨损无线监测

专题智能检测 | 更新时间：2025-07-09

- 振动自感知刀具磨损无线监测
- 暂无标题
- 西安交通大学学报 2022年第11期页码：1-10
- 作者机构：
  
  太原科技大学机械工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(51675363);山西省回国留学人员科研教研资助项目(HGKY2019079)
- DOI：
  中图分类号： TN92;TG71;TH117.1;TP212.9
- 纸质出版：2022
- 稿件说明：
移动端阅览
郭宏, 胡孔耀, 闫献国, 等. 振动自感知刀具磨损无线监测[J]. 西安交通大学学报, 2022,(11):1-10.
郭宏, 胡孔耀, 闫献国, 等. 振动自感知刀具磨损无线监测[J]. 西安交通大学学报, 2022,(11):1-10. DOI：

DOI：

摘要

Zigbee无线技术监测切削刀具磨损的振动传感器系统，存在通信距离近、组网复杂等问题，故提出一种基于WiFi无线传感器网络采集振动信号的刀具磨损状态监测方法。首先，组建以ESP8266 WiFi开发板为核心、高精度振动传感器ADXL345为敏感元件的无线采集振动信号网络；然后，根据刀具整体形状，将振动传感器粘贴在刀具表面，并使用自感知刀具进行45钢棒料外圆切削实验无线采集振动信号，同时在相同的切削条件下采集振动信号与有线方式进行对比，验证该装置可行性；最后，将时域信号中部分统计量作为特征向量导入至支持向量机回归模型中进行训练，并获得刀具磨损预测模型。实验结果表明，自感知刀具无线采集信号的相对误差在3.61%以内，具有较好的可行性；支持向量机回归刀具磨损预测模型的分辨准确率达到94.38%

证明所设计的无线系统可以准确地监测刀具磨损。

Abstract

关键词

Keywords

references

Yosuke TANIGAWA,Shu NISHIKORI,Kazuhiko KINOSHITA,Hideki TODE,Takashi WATANABE.Joint Channel Allocation and Routing for ZigBee/Wi-Fi Coexistent Networks:Special Section on the Architectures, Protocols, and Applications for the Future Internet[J].IEICE Transactions on Information and Systems,2021.

aff > .Research on mechanical vibration monitoring based on wireless sensor network and sparse Bayes[J].EURASIP Journal on Wireless Communications and Networking,2020.

Anton Panda,Štefánia Olejárová,Jan Valíček,Marta Harničárová.Monitoring of the condition of turning machine bearing housing through vibrations[J].The International Journal of Advanced Manufacturing Technology,2018.

Wang Haonan,Dong Linxi,Wei Wei,Zhao Wen Sheng,Xu Kuiwen,Wang Gaofeng.The WSN Monitoring System for Large Outdoor Advertising Boards Based on ZigBee and MEMS Sensor[J].IEEE Sensors Journal,2018.

Sabato Alessandro,Niezrecki Christopher,Fortino Giancarlo.Wireless MEMS-Based Accelerometer Sensor Boards for Structural Vibration Monitoring: A Review[J].IEEE Sensors Journal,2017.

陈吕洲, 编著.Arduino程序设计基础[M].北京航空航天大学出版社,2014.

马海辉,余小玲,吕倩,叶君超.一维卷积神经网络在往复式压缩机气阀故障诊断中的应用[J].西安交通大学学报,2022(04).

徐洲常,王林军,刘洋,蔡康林,陈正坤,陈保家.采用改进回归型支持向量机的滚动轴承剩余寿命预测方法[J].西安交通大学学报,2022(03).

李建斌,武颖莹,李鹏宇,郑霄峰,徐剑安,鞠翔宇.基于局部线性嵌入和支持向量机回归的TBM施工参数预测[J].浙江大学学报(工学版),2021(08).

李霖,张西宁,刘书语,雷建庚,常鸽.基于二维经验小波纹理域特征自适应提取的轴承故障诊断方法[J].西安交通大学学报,2021(12).

聂鹏,马尧,张锴锋,刘思瑶.刀具磨损监测技术研究现状与进展[J].工具技术,2021(06).

李天梅,司小胜,刘翔,裴洪.大数据下数模联动的随机退化设备剩余寿命预测技术[J].自动化学报,2022(09).

肖静,刘琦,陈锐,廖志良.基于ZigBee网络的盾构滚刀磨损在线监测系统设计[J].现代制造工程,2021(05).

薛晨阳,张浩凌,崔娟,刘丹,崔丹凤,郑永秋.基于复合振动能量采集器的自供电无线传感微系统研究[J].机械工程学报,2021(08).

刘献礼,李雪冰,丁明娜,岳彩旭,王力翚,梁月昇,张博闻.面向智能制造的刀具全生命周期智能管控技术[J].机械工程学报,2021(10).

张泽宇,鲍爱达,马游春,杜壮波.基于三轴数字加速度计的尾翼振动测试系统研究[J].电子测量技术,2021(02).

隆勇,郭瑜,伍星,于印鑫.基于振动信号分离的行星轴承故障特征提取[J].振动与冲击,2020(13).

徐磊,房立清,李旭,霍瑞坤,齐子元,郭德卿.MEMS加速度传感器的数据采集系统设计[J].仪表技术与传感器,2019(09).

肖鑫,汤宝平,邓蕾,黄艺.机械振动无线传感器网络跨层同步采集累积误差控制方法[J].机械工程学报,2019(15).

朱星星,赵亮,雷默涵,王帅,凌正,杨军,梅雪松.精密进给系统热误差的协同训练支持向量机回归建模与补偿方法[J].西安交通大学学报,2019(10).

李少林,张维路,刘民,张卓夫.基于ZigBee/WiFi技术的无线数据采集与控制系统[J].组合机床与自动化加工技术,2018(09).

汤明,郑婧,黄文婷,吴迪,黄海.基于ZigBee的无线振动传感器设计与实现[J].传感技术学报,2018(02).

刘冬明,武兵.三轴高频采样的无线传感器网络节点设计[J].机械设计与制造,2017(04).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

面向多目标探测的无线传感器网络资源调度方法

精密进给系统热误差的协同训练支持向量机回归建模与补偿方法

局部倒频谱编辑方法及其在齿轮箱微弱轴承故障特征提取中的应用

一种保障时延能量高效的无线传感器网络路由协议

一种利用天线旋转的无线传感器网络定位算法