《表3 不同磨损程度截齿截割时的电机电流峰值Table 3 The motor current peak value during cutting of picks with different we

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《截齿磨损程度的多特征信号融合识别研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为实现截齿磨损程度的监测和识别，对截割过程中5种不同磨损程度截齿的振动加速度、声发射信号、电机电流和红外热像的时域信号进行提取和分析，并建立各特征信号的样本数据库。对5种不同磨损程度截齿进行分组实验，首先将滚筒上的齿座全部安装上新截齿，启动实验台工作系统进行截割实验，获取新截齿x方向（滚筒截割前进方向）的振动加速度时域曲线，如图2所示，每组新截齿进行20组测试实验。测试完新截齿截割特征信号之后，将该组截齿全部换下，安装下一组待测截齿，通过上述方法再依次获取中等磨损、中大磨损、严重磨损、截齿失效等状态下的截齿振动特征信号时域图像，此处不再一一列举。选取每种磨损程度截齿实验中的10组测试信号，提取每组测试信号中的加速度峰值作为特征样本，构建5种不同磨损程度截齿对应的振动加速度峰值特征样本库，如表1所示。根据上述测试方法，依次获取新截齿截割过程中的声发射信号值时域曲线，如图3所示，以及5种不同磨损程度截齿对应的声发射信号峰值特征样本库，如表2所示。新截齿截割时的电机电流时域曲线如图4所示，5种不同磨损程度截齿对应的电机电流峰值特征样本库如表3所示。提取新截齿截割中最高温度时的红外热图像，如图5所示，5种不同磨损程度截齿对应的红外热像信号峰值特征样本库如表4所示。