刀具磨損狀態(tài)識(shí)別及預(yù)測(cè)研究.pdf

1、金屬切削加工是機(jī)械設(shè)計(jì)制造之中最常用的加工方式，而刀具又是金屬切削加工過程中至關(guān)重要的生產(chǎn)要素。因此，刀具的性能、質(zhì)量及管理能夠直接影響加工過程的穩(wěn)定性、產(chǎn)品的可靠性、加工節(jié)拍和生產(chǎn)效率。所以，對(duì)刀具磨損狀態(tài)監(jiān)測(cè)，提取有用信息，分析刀具磨損狀況，從而能夠?qū)崿F(xiàn)減低生產(chǎn)成本，減少生產(chǎn)故障，提高生產(chǎn)效率的功能。在刀具磨損狀態(tài)監(jiān)測(cè)的基礎(chǔ)上，利用已知的刀具磨損量值對(duì)未來時(shí)刻刀具磨損量值進(jìn)行預(yù)測(cè)，可以在刀具磨鈍前及時(shí)采取相應(yīng)措施。因此，刀具磨損量的

2、預(yù)測(cè)也非常重要。
　　采集刀具從新刀至刀尖崩裂整個(gè)過程中每一次走刀的振動(dòng)信號(hào)和切削力信號(hào)，同時(shí)測(cè)量并記錄每一次走刀完成后刀具后刀面的磨損量值;然后，在時(shí)域和頻域分別對(duì)切削力信號(hào)進(jìn)行特征提取，從提取到的特征中選擇與刀具磨損敏感的特征值。通過對(duì)振動(dòng)信號(hào)進(jìn)行分析，發(fā)現(xiàn)在時(shí)域和頻域中，不同磨損狀態(tài)下的振動(dòng)信號(hào)特征區(qū)別不明顯，很難提取到與刀具磨損敏感的特征值。因此，對(duì)振動(dòng)信號(hào)進(jìn)行小波包分析，選擇部分頻帶能量作為有效特征值。
　　選擇的

3、所有特征值歸一化處理后，作為神經(jīng)網(wǎng)絡(luò)的輸入向量。建立三層BP神經(jīng)網(wǎng)絡(luò)，并利用訓(xùn)練樣本進(jìn)行訓(xùn)練，然后利用測(cè)試樣本進(jìn)行測(cè)試，發(fā)現(xiàn)刀具不同磨損狀態(tài)均能夠較好地被識(shí)別。
　　分別利用ARMA模型，BP神經(jīng)網(wǎng)絡(luò)，以及基于以上兩種方法的組合模型對(duì)刀具磨損量值進(jìn)行預(yù)測(cè)。通過選擇適當(dāng)?shù)膮?shù)進(jìn)行建模，利用ARMA模型和BP網(wǎng)絡(luò)得到的刀具未來時(shí)刻的磨損量值，預(yù)測(cè)值效果均比較理想。利用結(jié)合兩種模型優(yōu)勢(shì)的組合模型進(jìn)行預(yù)測(cè)，雖然并非每個(gè)預(yù)測(cè)值的效果都優(yōu)于單