高速切削刀具磨損狀態(tài)的智能監(jiān)測技術(shù)研究.pdf

1、刀具狀態(tài)監(jiān)測可以有效避免加工設(shè)備故障和工件破壞,對于自動化生產(chǎn)的實現(xiàn)至關(guān)重要。目前該研究領(lǐng)域存在兩大障礙尚未有效解決:監(jiān)測模型在變切削狀態(tài)條件下的適應(yīng)性問題和“示教樣本”的獲取問題。本文將人工智能技術(shù)引入刀具狀態(tài)監(jiān)測領(lǐng)域,利用模糊邏輯和自組織神經(jīng)網(wǎng)絡(luò)相結(jié)合的手段建立模糊自組織刀具狀態(tài)檢測系統(tǒng),提出智能化實時刀具狀態(tài)監(jiān)測體系,并采用神經(jīng)網(wǎng)絡(luò)規(guī)則提取技術(shù)實現(xiàn)有效模糊規(guī)則的獲取,為解決傳感器信號與刀具磨損狀態(tài)的復(fù)雜對應(yīng)關(guān)系,進而實現(xiàn)刀具磨損在

2、線監(jiān)測提供一個新思路。
　　 1、針對車削過程建立名為Fuzzy-SOM-TWC的刀具磨損狀態(tài)檢測系統(tǒng)。在切削條件組合模糊劃分基礎(chǔ)上建立自組織網(wǎng)絡(luò)陣列。對于具體切削條件,運用模糊推理來完成從傳感器信號特征到對應(yīng)子網(wǎng)絡(luò)的映射。系統(tǒng)基于切削力、聲發(fā)射以及電機電流信號來進行刀具磨損狀態(tài)的檢測識別。切削試驗的試驗結(jié)果顯示該系統(tǒng)可達到較高的正確識別率。同時,將其同有教師型BP網(wǎng)絡(luò)模型做對比測試,結(jié)果顯示在訓(xùn)練樣本量短缺的情況下依然可以保持

3、很高的正確識別率,且在計算效率上亦有提高。
　　 2、在刀具磨損規(guī)律分析基礎(chǔ)上,提出針對高速銑削加工的具備自學(xué)習(xí)能力的智能化實時刀具狀態(tài)監(jiān)測體系?？勺詣舆M行不同刀具狀態(tài)的識別和磨損程度的數(shù)值估計,較大程度上擺脫了對“教學(xué)”或“訓(xùn)練”過程的依賴。綜合運用時域分析、離散小波分解和希爾伯特譜分析等技術(shù)對銑削過程中的三向切削力信號進行時域及其各個子頻段特征進行提取,并利用相關(guān)性分析技術(shù)進行特征篩選。監(jiān)測系統(tǒng)構(gòu)建基于兩個嵌套的循環(huán)運行過程

4、,核心在于特征量的線性擬合和馬氏距離計算。高速銑削試驗證明了所提出的智能刀具狀態(tài)監(jiān)測體系的有效性。
　　 3、自動化特征提取方法旨在自動選擇合適的傳感器和信號處理技術(shù)來提取出“敏感特征”,減少監(jiān)測系統(tǒng)開發(fā)時間和成本。針對高速銑削過程刀具磨損監(jiān)測,采用切削力、振動、聲音和聲發(fā)射傳感器來采集信號,并運用時域、頻域和小波分析技術(shù)對信號進行處理。提出改進的敏感系數(shù)計算指標,兼顧靈敏性與穩(wěn)定性,提高了優(yōu)選特征質(zhì)量。試驗驗證結(jié)果顯示該方法可