基于聲發(fā)射和振動的刀具磨損監(jiān)測研究.pdf

1、刀具作為機床切削加工的直接執(zhí)行者，在切削過程中不可避免地會出現(xiàn)磨損現(xiàn)象。刀具磨損程度的增大不僅會使產(chǎn)品的加工質(zhì)量下降，還容易引起機床故障。為了保證產(chǎn)品加工質(zhì)量，提高生產(chǎn)效率，有必要深入地研究刀具磨損在線監(jiān)測技術。
　　本文基于振動傳感器和聲發(fā)射傳感器，實現(xiàn)了對刀具磨損量的智能預測。首先搭建了刀具磨損實驗平臺，采集了不同磨損狀態(tài)的刀具切削時產(chǎn)生的振動信號和聲發(fā)射信號。對信號分別進行了時域分析和頻域分析，發(fā)現(xiàn)不同磨損量刀具之間的頻率成

2、分和頻率幅值均具有較大差異，可將其作為識別刀具磨損狀態(tài)的特征向量。為了獲取足夠的訓練樣本，對信號進行了短時傅里葉變換，并將振動信號6250Hz以下頻段的頻率幅值和聲發(fā)射信號52KHz~400KHz之間頻段的頻率幅值作為 BP神經(jīng)網(wǎng)絡的輸入向量，充分利用神經(jīng)網(wǎng)絡自身的學習能力，使神經(jīng)網(wǎng)絡建立從信號頻譜到刀具磨損量之間的映射關系，從而實現(xiàn)對刀具磨損量的預測。為了更好地研究神經(jīng)網(wǎng)絡算法并將其應用于實際生產(chǎn)，利用 C＃語言編寫了神經(jīng)網(wǎng)絡程序，實