當(dāng)前位置：
沈陽一機(jī) > >
新聞中心 > >
行業(yè)動(dòng)態(tài) > > 數(shù)控機(jī)床檢測(cè)信號(hào)的提取
數(shù)控機(jī)床檢測(cè)信號(hào)的提取
日期：2009年11月09 來源：沈陽第一機(jī)床廠 關(guān)鍵字：數(shù)控機(jī)床
由傳感器檢測(cè)到的隨機(jī)信號(hào)刁；能自接用于／j具的狀態(tài)識(shí)別，而必須經(jīng)過預(yù)處琿，提取特征，將分析的結(jié)果的持槍測(cè)模式與標(biāo)準(zhǔn)模式(正常模式或異常模式)相比較才能做出診斷結(jié)論。
⑴頻譜分析法
劉振動(dòng)信號(hào)而言，頻譜分析是用得最＼‘也是最成熟的分析方法之一。例如，選垂直于刀桿方向的加速度什為原始信弓，通過頻踏分析研究L刀削過程中隨著／J具的磨損信號(hào)功率譜的變化規(guī)律，并假設(shè)刀桿固有頻率公高頻段，高頻段頻譜特性的變化是刀具磨損通過切削力激發(fā)刀撲振數(shù)控機(jī)床動(dòng)模態(tài)參數(shù)變化所造成的， 日同前刀面與切屑的接觸長(zhǎng)度和后刀畫與了件表面的摩擦面的長(zhǎng)度有關(guān)。而低頻段是山于刀具磨損通過工件激發(fā)加丁系統(tǒng)振動(dòng)模忐參數(shù)史化所造成的。因此，高頻段司以有效地隔離或削弱加—I系統(tǒng)的頻串成分，而主要與刀具磨損的變化有關(guān)。另外，叫序模型的參數(shù)、結(jié)構(gòu)、殘差和特性函數(shù)(如格林函數(shù)、自協(xié)方差函數(shù))也都能表達(dá)動(dòng)態(tài)過程的特性，時(shí)域統(tǒng)計(jì)特征量(特別是二階矩統(tǒng)計(jì)特性)對(duì)刀具磨損狀態(tài)變化的反應(yīng)也非常敏感。
⑵甚于小波外蝕包分析法
由J：切削機(jī)胛的復(fù)雜性，刀具磨損引起的1：藝系統(tǒng)動(dòng)力學(xué)性能的變化足極其微小和不確定的。而小波變形具有多分辨率分析的特點(diǎn)，對(duì)非千穩(wěn)特點(diǎn)分析具有無刮比擬的優(yōu)點(diǎn)，因此數(shù)控機(jī)床小波分析就成為刀具狀態(tài)監(jiān)測(cè)的重要上具之一。研究表明，利用小波分解快速算法對(duì)刀具不司磨損狀態(tài)下切削力的信兮功率增進(jìn)行分解與黃構(gòu)處理，獲得切削力信號(hào)功率喈在√；同分辨聲十腫變拈特扯，分＼拆棄月度重荷檸導(dǎo)腫聲者潞睜／J方差肚刀月磨損村變形屈申。疋／鉀少披分析技術(shù)可以有效地實(shí)現(xiàn)印削力信號(hào)功率譜特征值提取，提取的信兮功率蠟特征對(duì)刀具磨損狀態(tài)的變形十分敏感，是刀具監(jiān)測(cè)的有效辦法。以小波分析作為原始信號(hào)凈化處理方法，為后續(xù)的模糊神經(jīng)網(wǎng)絡(luò)卿纖網(wǎng)絡(luò)提供高信噪比的榆入信號(hào)，提高了網(wǎng)絡(luò)的輸出精度。
(3)基f分形維數(shù)的／J只狀態(tài)在線監(jiān)測(cè)
在不問的切削參數(shù)條件／，當(dāng)／J具磨損量達(dá)數(shù)控機(jī)床到同一值時(shí)，聲發(fā)射的某些特征(如均方根、振鈴、計(jì)數(shù)、陡度、幅度期望等)存在很大的差開，若以這些特征作為刀具磨損狀態(tài)的判掂，則必須同時(shí)考慮切削參數(shù)、工件、丁件材料等因素。而分形維數(shù)反映的是信兮的不規(guī)則程度，刁；受信兮能量人小的影響。同時(shí)聲發(fā)則法拾取的信號(hào)足很復(fù)雜的，近年來發(fā)展起來的分形幾何學(xué)為研究各種復(fù)雜信號(hào)的幾何特性捉供了有效的分析方法，將分形兒何學(xué)知識(shí)應(yīng)用于刀具膳損的在線監(jiān)測(cè)，為／J具磨損在線監(jiān)測(cè)的研究開腫丁一條新思路。一些文獻(xiàn)以分形理論為基礎(chǔ)，分析聲發(fā)割信號(hào)在／J具磨損過程巾分形維數(shù)的變形情況，提出以聲發(fā)射信號(hào)分形維數(shù)進(jìn)行刀具磨損的枚；線監(jiān)洲新方法。其結(jié)果表叫，聲發(fā)射信號(hào)分形維數(shù)反映了戶發(fā)射信號(hào)的幾何特征，受切削參數(shù)變形的影響較小，隨數(shù)控機(jī)床著刀具磨損量的增加，／J具與工件之間的摩擦加劇，聲發(fā)射信號(hào)的波形變得越來越不規(guī)則，聲發(fā)射信號(hào)的分形維數(shù)逐漸增大。
(4)神經(jīng)網(wǎng)絡(luò)注
切削過程是一個(gè)復(fù)雜的物理過程，刀具的磨損破損狀態(tài)與各信號(hào)之間是一個(gè)典型的非線性系統(tǒng)。人丁神經(jīng)網(wǎng)絡(luò)以其強(qiáng)大的信息綜合處理能力、很弛的學(xué)習(xí)能力、泛化功能和非線性逼近能力而受到人們的重視。神經(jīng)網(wǎng)絡(luò)被越來越多地用于刀具狀態(tài)監(jiān)測(cè)系統(tǒng)。
近年來隨著人們智能技術(shù)的迅猛發(fā)屜和多傳感揣信號(hào)融合的應(yīng)用，信號(hào)特征值的提取方法得到新的發(fā)展。采用小波變換對(duì)傳感器組荻取的豐軸電動(dòng)機(jī)電流、卞軸驅(qū)動(dòng)速度、進(jìn)給驅(qū)動(dòng)電流、進(jìn)給速度進(jìn)行凈化預(yù)處理，再以凈化后的信號(hào)作為神經(jīng)網(wǎng)絡(luò)的輸入，從而為后續(xù)的神經(jīng)網(wǎng)絡(luò)提供高信噪比的數(shù)控機(jī)床輸入，提高網(wǎng)絡(luò)的預(yù)期精度。最典型的是將小波包分析、模糊琿論及人㈠*經(jīng)網(wǎng)絡(luò)相結(jié)合的智能刀具在線臨測(cè)系統(tǒng)，其基本方法是利用小波包將聲發(fā)射信號(hào)分解為不同頻帶的時(shí)間序列，從中抽取，¨J具切削狀態(tài)緊密相關(guān)的序列信號(hào)的均方根值什為信號(hào)特征值，再以這些信兮特征值為模糊神經(jīng)網(wǎng)絡(luò)的輸入，并對(duì)神經(jīng)網(wǎng)格采用自組織競(jìng)個(gè)學(xué)川與BP算法相結(jié)合的混合學(xué)習(xí)算法，實(shí)現(xiàn)對(duì)刀具狀態(tài)的可靠、迅速的實(shí)時(shí)識(shí)別。
切削過程刀具的在線狀態(tài)識(shí)別，作為機(jī)械制造過程監(jiān)測(cè)與診斷的重要內(nèi)容，也是敏捷制造系統(tǒng)的關(guān)鍵技術(shù)之一，已受到越來越多的研究者的重視。然而，作為—個(gè)完善的數(shù)控機(jī)床監(jiān)視系統(tǒng)，它必然是 個(gè)以狀態(tài)識(shí)別為中心的信弓處理系統(tǒng)，山十加I—過程的復(fù)雜性，劉刀只切削狀態(tài)的識(shí)別也提出了越來越高的要求，如快速響應(yīng)性、最人叫靠性、強(qiáng)魯棒性等。多仕脯器信息融合是／J具切削狀態(tài)監(jiān)測(cè)與識(shí)別的發(fā)展方向，可選信息的合理組合(即系統(tǒng)的最小化)，j特征信息傘回性之間矛盾的解決方法，安裝方便、可靠和實(shí)用性，以及對(duì)所采集信號(hào)靈敏度高的傳感器的合群選取與研究開發(fā)，仍是當(dāng)前要解決的基礎(chǔ)性工作。隨著多路傳感器技術(shù)的應(yīng)用，帶來的足信息量的成倍增長(zhǎng)，如何從這些寵人的原始信號(hào)中提取我們所需的特征信息值，—直是冊(cè)窮帥船廟衄題。這包括原始信號(hào)肘凈化頂處理拄術(shù)和掙化信心偽內(nèi)：數(shù)控機(jī)床處周技術(shù)(即從凈化信息山提取劉切削狀態(tài)最為敏感的信弓特征值)兩個(gè)方面�，F(xiàn)有研究成果多間限T：某一特定丁況下的驗(yàn)證，也就是說，這些方法對(duì)具體丁況下切削參數(shù)(如切削速度、進(jìn)給、刀具構(gòu)料等)的敏感性并未得到驗(yàn)證，其實(shí)用性受到限制。例如，采用神經(jīng)網(wǎng)絡(luò)模型，把眾多的切削參數(shù)都作為網(wǎng)絡(luò)的輸入，則無疑十分復(fù)雜，計(jì)算量也很大。因此，如果能尋求某種對(duì)切削參數(shù)不敏感，而又對(duì)刀具磨損敏感的信號(hào)特征值，將是一件很有意義的事。
上一篇：常用的檢測(cè)數(shù)控機(jī)床刀具的狀態(tài) 下一篇：
加工中心高速切削加工用刀柄的選用
銷售電話
