車削加工離線狀態(tài)監(jiān)測與質(zhì)量辨識研究.pdf

1、制造業(yè)離不開先進制造技術(shù)，隨著機械加工系統(tǒng)自動化、智能化水平的不斷提高，為確保加工過程能夠安全可靠的進行，必須對加工過程進行有效監(jiān)測，加工過程的動態(tài)特性直接影響了加工產(chǎn)品的質(zhì)量。車削過程幾乎都是在無人操作下自動運行，這時車削過程的有效監(jiān)測與加工質(zhì)量的自動辨識就顯得非常必要。本文旨在對振動與電流信號的分析，提取影響加工質(zhì)量的敏感特征，實現(xiàn)對車削加工的狀態(tài)監(jiān)測與質(zhì)量辨識。主要工作如下：
　　首先，確定以CA6140車削加工過程為研究對

2、象，選擇振動傳感器、電流互感器作為信號檢測元件，針對不同傳感器的結(jié)構(gòu)和特性及車床結(jié)構(gòu)，結(jié)合TST信號采集系統(tǒng)，建立車削加工方式下的監(jiān)測系統(tǒng)。分析車削加工振動模型、電機電流模型及模型與加工質(zhì)量參數(shù)間的關(guān)系，分別選擇直線度與表面粗糙度作為衡量加工軸類零件的質(zhì)量指標。采用均勻?qū)Ρ葘嶒灧ㄟM行車削加工實驗，利用對比實驗研究特征數(shù)據(jù)變化的統(tǒng)計規(guī)律，研究不同加工條件下信號的變化規(guī)律及其影響因素，為車削加工狀態(tài)監(jiān)測技術(shù)的研究成功奠定了基礎。
　　

3、其次，對車削加工過程中的傳感器信號進行時域、頻域分析。將小波包分解、經(jīng)驗模式分解與信息熵相結(jié)合等信號處理方法應用于振動信號與電流信號的特征提取，從時域和頻域提取影響加工質(zhì)量的敏感特征。小波包分解：能清楚的看到信號在各個頻段的變化情況，尤其是特征頻段的能量分布情況與質(zhì)量參數(shù)間的匹配關(guān)系；經(jīng)驗模式分解：則能自適應地將信號中真實存在的不同尺度波動或趨勢逐級分解出來，掌握信號內(nèi)在的結(jié)構(gòu)及其變化趨勢，以相對熵作為反映加工質(zhì)量變化的敏感特征。特征選

4、取的好壞直接影響后續(xù)辨識模型的準確性，對辨識結(jié)果有著至關(guān)重要的影響。因此，這些信號處理方法所提取的有效特征為車削加工質(zhì)量辨識HMM模型提供了基礎。
　　最后，利用多種信號處理方法所提取的多個狀態(tài)特征數(shù)據(jù)，采用自組織競爭神經(jīng)網(wǎng)絡依據(jù)一定準則來融合多個狀態(tài)特征數(shù)據(jù)，對傳感器特征進行矢量量化，量化編碼特征包含了全面、準確的車削狀態(tài)信息，為建立HMM辨識模型做好前期數(shù)據(jù)準備。根據(jù)反映車削狀態(tài)信息的量化編碼，建立了各車削加工質(zhì)量狀態(tài)下的HM