基于協(xié)整建模的銑刀磨損狀態(tài)監(jiān)測技術(shù)研究.pdf

1、銑削加工是常用的加工方式之一，其刀具的磨損狀態(tài)直接影響到工件的加工表面質(zhì)量和尺寸精度。針對銑刀磨損狀態(tài)的在線監(jiān)測，本文采用協(xié)整建模的方法實現(xiàn)了切削力信號的參數(shù)化建模，并通過智能診斷的技術(shù)實現(xiàn)了刀具磨損狀態(tài)的分類。具體的研究內(nèi)容如下：
　　 對銑削過程切削力信號的協(xié)整建模進行了深入的研究。針對當前刀具狀態(tài)監(jiān)測中非參數(shù)化特征提取無法給出精確的數(shù)學模型的缺點，通過廣義單位根檢驗、協(xié)整性檢驗和協(xié)整向量估計，建立了不同磨損狀態(tài)下的切削力信

2、號協(xié)整模型，以更為清晰地反映磨損狀態(tài)的動態(tài)變化。
　　 基于切削力信號協(xié)整過程的平穩(wěn)性檢驗實現(xiàn)了刀具磨損狀態(tài)的辨識。根據(jù)銑削力信號的周期性時變的特點，本文分別將三種磨損狀態(tài)的銑削力信號代入其他兩種磨損狀態(tài)的協(xié)整模型中，對得到的協(xié)整過程進行平穩(wěn)性檢驗，通過判斷其平穩(wěn)性來實現(xiàn)不同磨損狀態(tài)的辨識。研究表明這種識別方法可以有效避免銑削力信號周期時變的干擾。
　　 基于協(xié)整向量特征，采用支持向量機分類技術(shù)實現(xiàn)了銑刀磨損狀態(tài)的辨識。

3、以不同磨損狀態(tài)的協(xié)整向量為特征，分別用人工神經(jīng)網(wǎng)絡BP、隱馬爾科夫和支持向量機模型對其進行訓練和辨識。研究結(jié)果表明，對于低維的小樣本特征，支持向量機的識別效果明顯優(yōu)于其他兩種模型。
　　 以上研究表明，采用協(xié)整建模的方法可以更為精確的反映刀具磨損過程中的動態(tài)變化特性。同時，協(xié)整建模結(jié)合支持向量機模型可以在小樣本低維特征的條件下更為準確識別刀具的不同磨損狀態(tài)。這些研究的開展對于提高刀具磨損監(jiān)測的準確性以及切削過程的加工效率和工件質(zhì)