基于協(xié)整建模的刀具磨損預(yù)測(cè)研究.pdf

1、在切削加工過(guò)程中，刀具的磨損會(huì)影響到工件表面質(zhì)量，因此有必要對(duì)刀具的磨損做出實(shí)時(shí)的監(jiān)測(cè)。對(duì)刀具磨損的監(jiān)測(cè)通常通過(guò)采集切削過(guò)程中產(chǎn)生的信號(hào)，從中提取特征，然后建立起特征與刀具磨損量之間的數(shù)學(xué)模型。建模通常有人工智能方法和數(shù)理統(tǒng)計(jì)方法。但是人工智能方法的訓(xùn)練通常需要大量樣本，且算法復(fù)雜。而對(duì)于常用的線性回歸方法來(lái)說(shuō)，由于信號(hào)特征或刀具磨損量的不平穩(wěn)性，容易導(dǎo)致虛假回歸產(chǎn)生，從而使得預(yù)測(cè)結(jié)果不準(zhǔn)確。
　　 本文將協(xié)整理論用于刀具磨損監(jiān)

2、測(cè)中，建立起了信號(hào)特征與刀具磨損量之間的協(xié)整模型，實(shí)現(xiàn)刀具磨損量的預(yù)測(cè)。首先闡述了協(xié)整建模的理論方法與建模過(guò)程，并通過(guò)實(shí)例分析比較了協(xié)整模型和多元線性回歸模型之間的區(qū)別。為驗(yàn)證協(xié)整建模的有效性，本文進(jìn)行了TC4鈦合金切削實(shí)驗(yàn)，對(duì)切削過(guò)程中的切削力、振動(dòng)信號(hào)和聲發(fā)射信號(hào)進(jìn)行了分析，從中提取出了與刀具磨損量相關(guān)的特征用于刀具磨損的預(yù)測(cè)。最后，運(yùn)用協(xié)整建模方法建立起了信號(hào)特征與刀具磨損量之間的協(xié)整模型，這其中包括單位根檢驗(yàn)和Johansen檢

3、驗(yàn)等過(guò)程。通過(guò)與線性回歸模型的對(duì)比發(fā)現(xiàn)，所建協(xié)整預(yù)測(cè)模型能夠識(shí)別虛假回歸的產(chǎn)生，因此預(yù)測(cè)結(jié)果更加準(zhǔn)確。另外，本文同樣運(yùn)用了兩種人工智能方法.廣義回歸神經(jīng)網(wǎng)絡(luò)和小波神經(jīng)網(wǎng)絡(luò)建立了刀具磨損預(yù)測(cè)模型，發(fā)現(xiàn)也能得到比較準(zhǔn)確的預(yù)測(cè)結(jié)果，但是對(duì)建模樣本分布范圍之外的樣本的預(yù)測(cè)能力要弱于協(xié)整預(yù)測(cè)模型。
　　 理論分析及實(shí)驗(yàn)驗(yàn)證表明，協(xié)整預(yù)測(cè)模型具有預(yù)測(cè)速度快、結(jié)果準(zhǔn)確和采集建模樣本過(guò)程快等特點(diǎn)，能夠?qū)崿F(xiàn)刀具磨損的實(shí)時(shí)預(yù)測(cè)，這對(duì)提高加工效率和表