伴随着国家工业化进程的加快,越来越多的企业开始认识到工业自动化的重要性。制造业作为辽宁省的重点产业,迫切需要进行工业自动化和无人化的改造。传统制造业中通过人工辨别刀具磨损方法存在很多的主观性,已经成为提高生产效率的瓶颈。本课题的研究内容包括刀具磨损特征提取算法和故障诊断算法的设计,为在线检测设备实现该算法,为刀具磨损无人化检测技术的研究提供了新的途径。本课题研究的内容如下:(1)刀具磨损特征提取算法的设计本课题根据实验过程中采集到的声发射信号时变性和非平稳性的特点,选择了适合分析时变信号的小波包和经验模态分解算法,分别利用小波包和经验模态分解算法对声发射信号进行处理分析,并计算各特征分量的能量作为特征向量。(2)刀具磨损故障诊断算法的设计为准确识别刀具磨损的故障状态,本文采用模式识别能力突出的支持向量机分类器设计故障识别模型。利用上面得到的特征向量对设计的故障识别模型进行训练,使其具有故障识别能力,再用于在线的故障检测。(3)刀具磨损特征提取算法和故障诊断算法在DSP中的实现根据刀具磨损在线检测设备的需要,设计并研发基于DSP的故障特征提取及故障识别算法。通过代码优化,提高设计算法的执行效率,提高算法的实时性。实验结果表明,设计的故障检测模型可以有效提取故障特征,识别刀具的磨损故障,达到了设计要求。