基于協(xié)整建模的刀具磨損預(yù)測研究.pdf

1、在切削加工過程中，刀具的磨損會影響到工件表面質(zhì)量，因此有必要對刀具的磨損做出實時的監(jiān)測。對刀具磨損的監(jiān)測通常通過采集切削過程中產(chǎn)生的信號，從中提取特征，然后建立起特征與刀具磨損量之間的數(shù)學(xué)模型。建模通常有人工智能方法和數(shù)理統(tǒng)計方法。但是人工智能方法的訓(xùn)練通常需要大量樣本，且算法復(fù)雜。而對于常用的線性回歸方法來說，由于信號特征或刀具磨損量的不平穩(wěn)性，容易導(dǎo)致虛假回歸產(chǎn)生，從而使得預(yù)測結(jié)果不準(zhǔn)確。
　　 本文將協(xié)整理論用于刀具磨損監(jiān)

2、測中，建立起了信號特征與刀具磨損量之間的協(xié)整模型，實現(xiàn)刀具磨損量的預(yù)測。首先闡述了協(xié)整建模的理論方法與建模過程，并通過實例分析比較了協(xié)整模型和多元線性回歸模型之間的區(qū)別。為驗證協(xié)整建模的有效性，本文進(jìn)行了TC4鈦合金切削實驗，對切削過程中的切削力、振動信號和聲發(fā)射信號進(jìn)行了分析，從中提取出了與刀具磨損量相關(guān)的特征用于刀具磨損的預(yù)測。最后，運用協(xié)整建模方法建立起了信號特征與刀具磨損量之間的協(xié)整模型，這其中包括單位根檢驗和Johansen檢

3、驗等過程。通過與線性回歸模型的對比發(fā)現(xiàn)，所建協(xié)整預(yù)測模型能夠識別虛假回歸的產(chǎn)生，因此預(yù)測結(jié)果更加準(zhǔn)確。另外，本文同樣運用了兩種人工智能方法.廣義回歸神經(jīng)網(wǎng)絡(luò)和小波神經(jīng)網(wǎng)絡(luò)建立了刀具磨損預(yù)測模型，發(fā)現(xiàn)也能得到比較準(zhǔn)確的預(yù)測結(jié)果，但是對建模樣本分布范圍之外的樣本的預(yù)測能力要弱于協(xié)整預(yù)測模型。
　　 理論分析及實驗驗證表明，協(xié)整預(yù)測模型具有預(yù)測速度快、結(jié)果準(zhǔn)確和采集建模樣本過程快等特點，能夠?qū)崿F(xiàn)刀具磨損的實時預(yù)測，這對提高加工效率和表