BTA深孔鉆削鉆頭磨損狀態(tài)卷積神經(jīng)網(wǎng)絡識別技術研究.pdf

1、在制造業(yè)智能化、信息化的背景下，通過在生產(chǎn)制造過程中采集與制造相關的信息數(shù)據(jù)，利用這些信息數(shù)據(jù)達到對生產(chǎn)過程進行監(jiān)測，并在這些數(shù)據(jù)中得到生產(chǎn)過程出現(xiàn)的問題時對生產(chǎn)過程做出調整有著重要的作用。機械切削加工中，刀具作為直接與加工表面接觸的部分，刀具也是整個加工系統(tǒng)中最薄弱的環(huán)節(jié)，要使自動化的加工過程高效穩(wěn)定地進行，研究和開發(fā)加工過程中刀具狀態(tài)監(jiān)測技術就顯得尤為重要。而現(xiàn)有的刀具狀態(tài)監(jiān)測技術大多針對車削、銑削加工，很少有針對深孔鉆削的刀具狀態(tài)

2、監(jiān)測方法
　　本文針對BTA深孔加工的特點，整個加工過程在封閉的環(huán)境中進行，刀具的磨損狀態(tài)無法直接觀察，由主軸電機電流與鉆頭磨損之間內在關系，直接從電機驅動器中采集了鉆削過程中主軸電機電流信號作為監(jiān)測信號，并介紹了一種將信號進行連續(xù)小波變換的信號分析方法與卷積神經(jīng)網(wǎng)絡的模式識別方法相融合的刀具狀態(tài)監(jiān)測方法。
　　建立了基于深孔鉆削數(shù)控機床的數(shù)控系統(tǒng)通訊模塊的主軸電機電流信號采集系統(tǒng)，通過鉆削實驗獲取了主軸電機電流信號，對采集

3、得到的主軸電流信號進行初步分析，記錄了鉆削過程鉆頭磨損量，獲取了鉆頭的磨損規(guī)律信息。
　　結合鉆頭在不同磨損階段的主軸電流信號特征以及信號時域分析和頻域分析的不足，為了描述信號頻率隨時間的變化規(guī)律，獲取鉆頭的磨損規(guī)律信息及變化特征，采用連續(xù)小波變換，得到不同磨損階段的小波尺度譜。并在連續(xù)小波變換中，通過不同小波基函數(shù)的特征，確定了最佳小波基函數(shù)，利用小波信號熵的方法確定了最優(yōu)小波分解層數(shù)。分析結果發(fā)現(xiàn)，鉆頭在不同磨損階段的小波尺度

4、譜表現(xiàn)出了很明顯的不同，很好的反映了信號頻率隨時間變化規(guī)律。在信號小波尺度譜中高頻成分隨時間逐漸減小，而中頻成分則在逐漸增加，很好的映射了鉆頭磨損規(guī)律。
　　針對小波尺度譜在不同磨損階段的明顯不同，直接將小波尺度譜作為狀態(tài)特征，省去了在模式識別前的前處理過程，結合卷積神經(jīng)網(wǎng)絡很好地識別圖像的特性，特征提取和模式識別過程都在網(wǎng)絡結構中完成。將采集到的信號的小波尺度譜，一部分作為訓練集，一部分作為訓練集，通過訓練和測試結果確定了網(wǎng)絡結