基于支持向量機(jī)的刀具磨損狀態(tài)預(yù)測(cè).pdf

1、現(xiàn)如今，部分零件的加工過(guò)程已經(jīng)實(shí)現(xiàn)了全自動(dòng)化的生產(chǎn)模式，無(wú)人全自動(dòng)化的工廠加工模式是制造業(yè)的發(fā)展趨勢(shì)。在這種形勢(shì)下，如何保證加工工件的加工精度和表面質(zhì)量顯得尤為重要，這將直接影響整個(gè)加工過(guò)程的成本和效率。刀具磨損預(yù)測(cè)可以保證刀具的高效利用，這直接決定了工件的加工精度和表面質(zhì)量，從而決定整個(gè)生產(chǎn)環(huán)節(jié)的效益，因此對(duì)刀具磨損狀態(tài)預(yù)測(cè)的研究具有重要的現(xiàn)實(shí)意義。針對(duì)車(chē)削加工工況的特點(diǎn)，本文選取切削力信號(hào)和聲發(fā)射信號(hào)對(duì)加工過(guò)程中的刀具磨損狀態(tài)進(jìn)行監(jiān)

2、測(cè)。刀具的切削力會(huì)隨著刀具磨損的加劇而增大，它可以明顯的表征刀具的磨損狀況。刀具的聲發(fā)射信號(hào)來(lái)源于切削過(guò)程中的刀具切削區(qū)，隨著刀具磨損的加劇，聲發(fā)射信號(hào)的頻率會(huì)發(fā)生明顯改變，且聲發(fā)射信號(hào)的頻率高(100KHz-1MHz)，可以很好的避開(kāi)低頻區(qū)的噪聲污染，因此聲發(fā)射信號(hào)可以用來(lái)表征刀具的磨損狀態(tài)。本文針對(duì)切削力信號(hào)和聲發(fā)射信號(hào)對(duì)刀具磨損狀態(tài)預(yù)測(cè)做了以下研究：
　　1.利用不同的特征提取算法分別對(duì)切削力和聲發(fā)射信號(hào)進(jìn)行特征提取，得到能

3、有效反映刀具磨損狀態(tài)的特征向量。對(duì)刀具切削力信號(hào)進(jìn)行時(shí)域分析和小波包分析，得到時(shí)域因子和小波包分解所得到的頻段能量比值作為特征值。將聲發(fā)射信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)分析，得到真實(shí)本征模函數(shù)(IMF)的能量比值作為特征值。應(yīng)用主元分析(PCA)降維方法，對(duì)特征向量進(jìn)行降維，去除相關(guān)性，減少冗余度。
　　2.建立支持向量機(jī)分類(lèi)器模型，實(shí)現(xiàn)對(duì)每一次走刀后刀具磨損狀態(tài)的準(zhǔn)確預(yù)測(cè)；建立支持向量機(jī)回歸模型，實(shí)現(xiàn)對(duì)每一次走刀后刀具后刀面磨損