基于多參量信息融合的刀具磨損狀態(tài)識別及預(yù)測技術(shù)研究.pdf

1、本文來源于國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃分課題“大型動力裝備制造基礎(chǔ)研究”(2007CB707703-4)。在深入分析當(dāng)前刀具狀態(tài)監(jiān)測技術(shù)研究成果和現(xiàn)狀的基礎(chǔ)上，針對存在的問題開展了一系列的研究。首先，科學(xué)地設(shè)計(jì)了試驗(yàn)方案，對不同切削條件下數(shù)控車削加工中切削力、振動、聲發(fā)射、切削溫度信號進(jìn)行了刀具全壽命周期的實(shí)時(shí)采集，采用近似聯(lián)合對角化下的總體經(jīng)驗(yàn)?zāi)B(tài)分解(J-EEMD)算法對觀測信號進(jìn)行刀具磨損狀態(tài)的特征提取，并在用神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識別的基

2、礎(chǔ)上，應(yīng)用基于支持向量機(jī)的刀具磨損融合技術(shù)實(shí)現(xiàn)了對刀具磨損狀態(tài)的二次決策識別，實(shí)驗(yàn)結(jié)果證明，該方法具有良好的識別率和魯棒性。本文還應(yīng)用灰色-隱馬爾可夫模型對刀具磨損狀態(tài)進(jìn)行了科學(xué)的預(yù)測。
　　本文開展了以下研究工作:
　　(1)為了對基于多參量信息融合的切削刀具磨損狀態(tài)規(guī)律進(jìn)行研究，選用測力儀、陶瓷加速度計(jì)、紅外熱像儀、聲發(fā)射傳感器及數(shù)字采集系統(tǒng)等搭建了試驗(yàn)平臺，建立了能夠適時(shí)及監(jiān)測數(shù)控車削加工過程中切削力、振動、切削熱和聲

3、發(fā)射信號的刀具磨損狀態(tài)監(jiān)測系統(tǒng)。對加工過程中刀具全生命周期切削狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)控，為信號特征的提取、模式識別和刀具狀態(tài)預(yù)測提供了科學(xué)依據(jù)。
　　(2)采用近似聯(lián)合對角化下的總體經(jīng)驗(yàn)?zāi)B(tài)分解(J-EEMD)方法對觀測信號進(jìn)行處理，該方法基于信號本身特征，自適應(yīng)地將原振動信號和聲發(fā)射分解為多個(gè)內(nèi)蘊(yùn)模式函數(shù)(IMF)，然后根據(jù)各個(gè)IMF之間的能量比對變換，提取出了不同磨損狀態(tài)下的刀具狀態(tài)特征。實(shí)驗(yàn)證明，在該方法對測得數(shù)據(jù)進(jìn)行處理的基礎(chǔ)上，

4、能夠很好地識別出刀具磨損程度的不同狀態(tài)。并通過對BP網(wǎng)絡(luò)和Elman網(wǎng)絡(luò)的訓(xùn)練實(shí)現(xiàn)了對其磨損狀態(tài)特征的模式識別。
　　(3)針對常用的貝葉斯算法和D-S證據(jù)論的局限性提出了基于支持向量機(jī)的決策融合方法，接著利用所測數(shù)據(jù)，在BP和Elman神經(jīng)網(wǎng)絡(luò)識別結(jié)果的基礎(chǔ)上，利用該方法實(shí)現(xiàn)了決策融合。實(shí)驗(yàn)結(jié)果證明，基于支持向量機(jī)的決策融合方法具有良好的識別率和魯棒性，且比單用某一種網(wǎng)絡(luò)節(jié)省時(shí)間。
　　(4)建立了反映數(shù)控車削加工刀具磨損