基于切削声和切削力参数融合的刀具磨损状态监测.pdf

《基于切削声和切削力参数融合的刀具磨损状态监测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第5期组合机床与自动化加工技术NO．52011年5月ModularMachineTool&AutomaticManufacturingTechniqueMay．2011文章编号：1001—2265(2011)05—0042—04基于切削声和切削力参数融合的刀具磨损状态监测孙艳杰，艾长胜(济南大学机械工程学院，济南250022)摘要：针对单一传感器监测刀具磨损状态存在的不足，提出了将声传感方式和力传感方式综合利用。以人工神经网络作为多传感器信息融合的方法。在立式数控加工中心上铣削加工45钢调质试件

2、，利用驻极体传声器和Kistler测力仪检测与刀具磨损相关的特征量，得出铣削声信号特征量LPCC的第6、7、8阶分量，x、Y向切削力以及绕z轴的力矩与刀具磨损密切相关。以这6个特征量作为神经网络的输入信号，利用有动量的梯度下降的BP算法建立了刀具磨损状态监测的多参数融合模型。研究结果表明神经网络输出值与实际测量值基本相符合，切削声和切削力特征融合后提高了识别刀具磨损程度的准确性和稳定性。关键词：铣削声信号；切削力；参数融合；神经网络；刀具磨损监测中图分类号：THI6：TG65文献标识码：AI’h

3、eToolWearConditionMonitoringBasedontheParametersFusionoftheCuttingNoiseandtheCuttingForceSUNYan—jie，AIChang—sheng(SchoolofMechanicalEngineering，UniversityofJinan，Jinan250022，China)Abstract：Fortheshortcomingsofsinglesensormonitoringtoolwearcondition，w

4、eputforwardthemeth-odwhichsoundandforcesensingsensorarecomprehensiveutilizedandartificialneuralnetworkisusedasthemulti-sensorinformationfusion．ThecharacteristicsassociatedwithtoolweararestudiedintheverticalmachiningcenterusingelectretmicrophoneandKis

5、tlerdynamometer．Theexperimentresultsshowthatthe6th，7thand8thordercomponentsinthecharacteristicparametersLPCCofthemillingsoundsignal，thecuttingforceofX、YdirectionsandthetorquearoundZaxisarecloselyrelatedwiththetoolwear．Weextractedthe6characteristicpar

6、ametersastheinputsignalofneuralnetwork，andestablishedmulti-pa-rametersfusionmodelofmonitoringtoolwearconditionusingBPalgorithmofthegradientdescentThere-suitsshowthattheoutputvalueofneuralnetworkcorrespondswiththeactualmeasuredvalueandthecharacteristi

7、cfusionofcuttingsoundandcuttingforceimprovestheaccuracyandstabilityofrecognizingtoolwcar．Keywords：cuttingsoundsignal；cuttingforce；parameterfusion；neuralnetwork；thetoolwearmonitoring号、声发射-o等。0引言现有的单一监测法，无论是直接法，还是间接目前，随着计算机技术、测试技术、控制技术、信法，目前实际应用都还有一定的局

8、限性。在总结现号处理技术的发展，刀具状态监测技术的研究已经有监测法优劣的基础上，提出了多参数融合监测法。取得了很大的进展。国内外学者提出了许多有效的同时选切削声和切削力为监测信号，就能利用这两刀具状态监测方法，一类为直接监测法，包括光学个监测量的长处，互补不足，拓宽监测范围，提高监法¨、计算机图像处理法等，另一类为间接监测测精度和判别成功率。耶鲁大学的TamasSzeesi利法，包括切削力、振动信号、可听阈内切削声信用人工神经网络建立了切削刀具状态监测的模型，收稿日期：2010—11—04作者简