声明
1. 绪论
1.1课题来源
1.2课题研究背景及意义
1.3 研究综述
1.3.1机器人加工颤振特性研究
1.3.2基于机器学习方法的颤振辨识研究
1.3.3基于深度学习方法的颤振辨识研究
1.4 主要工作
2. 机器人铣削颤振特性分析
2.1机器人铣削颤振叶瓣图绘制
2.1.1机器人刀具端模态测试实验及分析
2.1.2机器人加工颤振解析预测方法
2.2机器人铣削加工实验及振动数据集构建
2.2.1实验平台以及参数设置
2.2.2同一颤振状态的振动数据集构建方法
2.3机器人铣削加工的时变颤振成分分析
2.3.1基于已加工工件表面振纹的颤振状态分析
2.3.2振动样本的频域特征分析
2.3.3振动样本的时频域特征分析
2.3.4机器人铣削颤振解析预测模型精度分析
2.4本章小结
3. 基于ResNet模型的机器人铣削颤振离线辨识算法及验证
3.1 ResNet深度残差卷积网络模型
3.1.1卷积神经网络前馈算法
3.1.2卷积神经网络反馈更新算法
3.1.3深度残差卷积网络
3.2基于VMD-CWT的机器人铣削颤振时频谱图构建
3.2.1基于CWT的颤振时频谱图
3.2.2基于VMD-CWT的颤振时频谱图
3.3模型预测结果及分析
3.3.1不同小波分解尺度对预测精度的影响
3.3.2输入归一化对预测精度的影响
3.3.3基于VMD-CWT颤振时频谱图的预测结果分析
3.4机器人铣削颤振离线辨识软件模块开发与验证
3.4.1基于Python的深度颤振辨识算法模块开发
3.4.2基于Qt的交互界面开发
3.4.3机器人铣削颤振离线辨识验证
3.5本章小结
4. 基于VMD-SVM模型的机器人铣削颤振在线辨识算法
4.1基于VMD算法的机器人铣削颤振特征构建方法
4.1.1 VMD算法及振动信号子序列提取
4.1.2基于信息熵的机器人铣削颤振特征提取
4.2 VMD-SVM算法模型
4.2.1颤振稳定性分布规律
4.2.2 SVM算法及其适用性分析
4.3基于三维超参数寻优算法的VMD-SVM模型优化
4.3.1基于网格搜索法的SVM二维超参数寻优方法
4.3.2 kMap三维超参数寻优算法
4.3.2 VMD-SVM模型预测结果及分析
4.4本章小结
5. 机器人铣削颤振在线辨识模块开发与实验验证
5.1振动信号在线采集硬件模块搭建
5.1.1整体硬件模块
5.1.2振动数据采集模块
5.2基于C#的软件模块开发与实验验证
5.2.1基于C#的VMD-SVM算法模块开发
5.2.2软件模块交互界面开发
5.2.3机器人铣削颤振在线辨识实验验证
5.3本章小结
6. 总结与展望
6.1全文总结
6.2研究展望
致谢
参考文献
附录1攻读学位期间发表学术论文专利目录
