基于多传感器信息融合的刀具状态监测研究硕士论文.pdf

华南理工大学
硕士学位论文
基于多传感器信息融合的刀具状态监测研究
姓名:邝志伟
申请学位级别:硕士
专业:机械制造及其自动化
指导教师:陈统坚
20030501
摘要刀具切削状态的有效监测是先进制造技术中的关键技术之一,对于推进切削加工自动化与无人化的过程具有十分重要的意义。直接测量与刀具体积有关参数的方法无法满足在线实时监测的要求,因此测量反映刀具磨损、破损影响程度各种参数的间接方法成为目前国内外研究和应用的重点。但由于刀具监测中存在切削加工条件的多样性、切削参数的多变性、刀具磨钝的随机性、模糊性和监测信号单调性的矛盾,为了提高刀具失效监测的可靠性和准确性,人们提出了多传感器信息融合的刀具状态监测技术。本文结合监测系统三大部分,即信号检测、特征提取、状态识别,进行基于多传感器信息融合的刀具状态监测研究:选择对刀具磨损反应敏感的切削力信号和振动信号作为检测对象;根据信号的特点,分别在对域、频域和时频域对检测到的信号进行分析和信号特征提取:以神经网络模型实现多传感器信息融合,对刀具状态进行识别决策,构造出在单一工况和多工况条件下进行刀具状态监测的系统。实验数据表明,不同程度磨损的刀具在切削过程中产生的切削力信号和振动信号具有明显的差异,因此这两种信号可以作为监测信号反映刀具磨损的情况。同时,在不同的工况下,这两种监测信号对刀具磨损反应的敏感度不一样,因而采用多传感器信息融合的方式进行刀具状态监测具有更高的准确性。在信号特征提取方面,针对信号的不同特性采用不同信号处理方法。对于切削力,其功率谱比较集中,可用傅立叶变换的方法把时域信号转换成到频域上进行功率谱分析:对于振动信号,由于其功率谱比较分散,难以在时域或纯频域内提取其特征值,本文用小波包分解的方法,把时域信号分解成不同频域段对应的子信号,从这些子信号中选择最大程度上反映刀具磨损的组合作为研究对象,再对这些组合进行特征提取。神经网络是一个具有高度非线性的超大规模孵连续时问动力系统,具有大规模并行处理能力,而且具有很强的鲁棒性、容错性、自学习性,因此基于神经网络技术所建立的监测系统能快速适应变化的环境,实现智能决策。然而传统的神经网络并不是一个十分完善的网络,它存在着的一些诸如学习速度较慢,在学习过程中出现局部收敛等缺陷使其应用受到限制。文中通过调整网络结构、在可调节参数的调整公式中引入动量项、在学习过程中采用变学习率和最小误差保留策略等优化学习算法加速神经网络学习速度,改善其收敛性。并就传统网络和小波神经网络的学习效果作实例对比。在实际刀具监测模型的构造中,对于单一工况条件下的刀具监测系统,比较了以单一传感器检测信号和采用多传感器信号建立刀具磨损监测模型在各种工况条件下的刀具识别性能,从神经网络的输出效果和监测信号对刀具磨损反应的敏感性两方面论证了采取多传感器信息融合建模
的必要性:至于多工况条件下的刀具监测,提出了基于正交工况条件实验数据的刀具监测系统建立方案,按照这一方法建立的刀具监测模型具有对刀具磨损程度识别的有效性和对工况条件的扩展性。最后给出了本课题的主要结论,并就有关问题提出改进方案和展望。关键词:刀具状态监测:信息融合;小波分析;神经网络华南理工大学工学硕士学位论文
.,.,Ⅲ.甌,琲,疧瓺,瑂琣’拜霉叠琺.。,。
.华南理工大学工学硕士学位论文甌;,琭甋.,甌,.瑃琣,甌瑄琭瑃,;粀.
计坼作者签名:澹期:哪年●月讼日华南理工大学学位论文原创性声明学位论文版权使用授权书日期:Ⅵ姆夕月狮虼襩、代日期:荒闖铝恕>本人郑重声明;所呈交的论文是本人在导师的指导下独立进行研究所汉得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任可其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡趺的个人和集体,均己在文中以明确方式标明。本人完全意识到本声明的去律后果由本人承担。本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权华南理工大学可以将本学位论文的全部或部分内容编入有关数据库避行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。年解密后适用本授权书。不保密留。保密口,在本学位论文属于朐谝陨舷嘤Ψ娇蚰诖颉”作者签名:导师签名:
第一章绪论刀具监测技术概况加工状态监控是保证自动化加工顺利进行的重要技术,在先进制造技术中占据重要地位,自从本世纪年代,各个国家都开始研究该课题Ⅲ。在自动化加工中,最为常见的故障便是刀具状态的变化,因此刀具状态监测是加工过程监控最为重要最为关键的技术之一。研究表明,数控系统配置刀具监测仪后可减少故障停机时间的%,提高生产率%%,提高机床利