基于聲發(fā)射的刀具磨損狀態(tài)識別與預(yù)測.pdf

1、如今，從國際角度來看，制造業(yè)地位日益凸顯，以智能制造為代表的科技變革，正在將全球制造業(yè)推倒重建，形成新的“工業(yè)互聯(lián)網(wǎng)”世界，并成為國際競爭戰(zhàn)略高地。在制造業(yè)都在向智能制造方向發(fā)展的同時，數(shù)控加工技術(shù)的智能化水平也得到迅速提高。在機械加工中，大部分的零件都是由切削加工生產(chǎn)得到的，刀具的使用是最直接最頻繁的。實時準(zhǔn)確獲知刀具的磨損狀態(tài)對提高加工產(chǎn)品精度和表面質(zhì)量、實現(xiàn)個性化制造，提高機床智能化水平、提高系統(tǒng)誤差補償技術(shù)具有實際意義。本文的工

2、作內(nèi)容如下：
　　1、研究了聲發(fā)射信號的特點，確定了以聲發(fā)射信號為監(jiān)測信號的在線監(jiān)測方案。搭建了刀具磨損試驗系統(tǒng)，通過試驗研究了切削過程中刀具磨損形式，確定了刀具磨損的磨鈍標(biāo)準(zhǔn)，將刀具磨損劃分為前期、中期、后期磨損三個階段。基于正交試驗研究了聲發(fā)射信號隨刀具磨損、主軸轉(zhuǎn)速、進給量和背吃刀量四個因素的變化規(guī)律。
　　2、用不同的信號處理方法提取刀具磨損的特征值。基于時域分析方法，提取了均值、均方根、方差和方根幅值；基于小波包變

3、換的分析方法，提取頻段的能量比作為刀具磨損的特征值；基于經(jīng)驗?zāi)B(tài)分析方法，提取特征模態(tài)函數(shù)的均方根作為刀具磨損的特征值。對提取的時域特征值和時頻特征值進行選擇和優(yōu)化。
　　3、將優(yōu)化后的特征值輸入到LS-SVM算法中進行學(xué)習(xí)，建立刀具磨損狀態(tài)識別模型。LS-SVM算法中的懲罰因子c和核參數(shù)g對識別的準(zhǔn)確率有很大的影響，將粒子群算法應(yīng)用到LS-SVM算法中，在全局化與收斂速度方面具有較大優(yōu)勢，能夠?qū)崿F(xiàn)參數(shù)c和g的快速尋優(yōu)。建立基于P