BTA深孔鉆削刀具磨損與排屑狀態(tài)監(jiān)測技術研究.pdf

1、深孔鉆削技術作為一種重要的孔加工方法具有系統(tǒng)復雜、鉆削條件惡劣、故障模式多樣的特點，研究深孔鉆削過程的狀態(tài)監(jiān)測技術對提高加工過程可靠性、實現(xiàn)加工過程自動化具有重要的實際工程意義。
　　本文以BTA深孔鉆削系統(tǒng)為研究對象，分析了刀具磨破損和堵屑的產生機理以及對鉆桿扭轉振動和油路系統(tǒng)壓力的影響規(guī)律，建立了基于鉆桿振動信號和油壓信號的BTA深孔鉆削狀態(tài)監(jiān)測方案，采用DSP構建深孔鉆削狀態(tài)監(jiān)測的實驗系統(tǒng)，實現(xiàn)對鉆桿振動信號和油壓信號的可靠

2、獲取。
　　針對監(jiān)測信號的非平穩(wěn)、非線性特點，采用HHT自適應時頻分析方法實現(xiàn)監(jiān)測信號處理，研究了HHT的端點效應和模態(tài)混疊問題，利用基于反對稱延拓法來抑制端點效應和去脈沖擾動法來抑制模態(tài)混疊，通過對測試信號的變換結果表明該方法對抑制HHT端點效應和模態(tài)混疊具有較好的效果。
　　分析了鉆桿振動信號和油壓信號在時域、頻域及時頻域的變化特征，研究了監(jiān)測信號特征在整個鉆削歷程中的變化規(guī)律，提取了與鉆頭磨損狀態(tài)密切相關的振動信號HH

3、T變換的IMF1能量Q、IMF2均值μ以及IMF3均方根作為樣本特征向量，提取了與排屑狀態(tài)密切相關的油壓信號的油壓變化率P(')、能量Q及峰值因子C作為樣本特征向量。
　　針對鉆削狀態(tài)與特征向量之間的隨機性和不確定性，采用小樣本非線性分類的最小二乘支持向量機(LSSVM)構建鉆削狀態(tài)識別系統(tǒng)，并研究了LSSVM的懲罰因子C及核函數(shù)寬度參數(shù)σ對其性能的影響，采用自適應遺傳算法(AGA)優(yōu)化LSSVM參數(shù)，建立了基于AGA的LSSVM

4、狀態(tài)識別系統(tǒng)。仿真測試和對刀具磨損狀態(tài)和排屑狀態(tài)的識別結果表明該模型在小樣本條件下能夠實現(xiàn)鉆削狀態(tài)的準確可靠識別。
　　基于LABVIEW平臺開發(fā)了深孔鉆削狀態(tài)監(jiān)測信號的數(shù)據(jù)采集系統(tǒng)，開發(fā)了數(shù)據(jù)接收、顯示以及存儲的上位機程序。在CCS3.3開發(fā)環(huán)境下開發(fā)了DSP嵌入式實時監(jiān)測系統(tǒng)，完成系統(tǒng)初始化，并開發(fā)信號處理和狀態(tài)識別以及報警輸出程序。在線與離線監(jiān)測結果表明該系統(tǒng)具有較高的精度和較好的實時性，能夠滿足BTA深孔鉆削狀態(tài)實時監(jiān)測的