基于泛在制造的數控機床加工狀態(tài)監(jiān)測研究.pdf

1、感知和智能為特征的新技術的出現及相互融合，以泛在網絡為基礎、泛在感知為核心的泛在信息制造技術成為制造技術發(fā)展的新驅動力，同時也促進了設備狀態(tài)監(jiān)測的進步。基于泛在感知網絡，能夠快速全面地采集到與機床加工狀態(tài)相關的信息參數，利用融合算法，通過泛在網絡，使相關管理和操作人員及時了解數控機床的加工狀態(tài)。
　　本文根據泛在制造的體系架構，建立了數控機床加工狀態(tài)監(jiān)測系統(tǒng)，在被監(jiān)測對象布置相應的傳感器，利用無線網絡，把采集到的信號傳輸給監(jiān)測中心

2、，監(jiān)測中心對信號進行時域分析，利用綜合系數法對特征進行選擇，通過神經網絡對機床加工狀態(tài)進行模式識別，機床的狀態(tài)參數利用泛在網絡傳輸給PDA或異地服務器。
　　通過分析機床加工狀態(tài)，對與機床加工密切相關的刀具的磨損狀態(tài)進行了監(jiān)測試驗。通過提取切削時的振動信號和聲發(fā)射信號，通過時域分析，抽取時域特征中的靜態(tài)均值和能量平均值作為智能狀態(tài)識別和刀具磨損量預測的依據。
　　在模式識別方面，利用神經網絡的非線性映射功能，采用三層結構的B

3、P人工神經網絡實現加工狀態(tài)和相關特征量之間的非線性映射，通過神經網絡的訓練，實現數控機床加工狀態(tài)的監(jiān)測。另外，利用LabVIEW軟件中的Matlab Script節(jié)點調用Matlab的神經網絡工具包，減少了程序開發(fā)周期，同時提高了程序的可靠性。通過指狀銑刀的切削試驗，驗證了BP人工神經網絡能夠實現刀具狀態(tài)識別和磨損量預測。
　　本文在試驗設計、信號分析、特征選擇以及模式識別等方面進行了積極的探索，在實驗室中通過無線網絡實現了指狀銑