论文部分内容阅读
随着数控机床的广泛应用和高速切削技术的迅速发展,切削速度和加工效率提高的同时,刀具磨损监测和刀具寿命的诊断技术成为金属切削研究的热点之一。刀具在切削加工过程中与工件直接发生作用,其磨损的程度直接影响到工件的加工精度和表面质量。实时监测刀具磨损状态对于保证工件加工质量、提高生产率和刀具利用率具有重要意义。本文对此开展了以下研究工作:(1)组建基于切削音频信号的刀具状态监测系统。首先讨论了各种刀具监测方法的特点及其应用,然后分析了刀具监测系统的研究现状和发展趋势,最后提出了使用切削音频信号和切削力信号的分析进行多传感器信息融合来监测刀具状态;(2)设计刀具监测试验系统的整体方案。首先对传感器和数据采集卡等进行选型,选取数据采集平台,并设计了基于LabVIEW的切削音频信号采集软件,然后对实验方案进行设计,通过试验采集了切削加工中伴随的切削音频信号和切削力信号,并基于LabVIEW平台对音频信号进行观测和时域、频域处理分析,最后得出了切削音频信号和切削力信号的时域、频域特征与刀具磨损状态的相关性;(3)提取与刀具磨损状态相关的特征向量。借助小波分析,在LabVIEW中调用高级信号处理工具包对切削音频信号进行多分辨率分析,将音频信号划分为8个频段区间,在时频域内对信号进行观测和分析,并提取了音频信号小波分解后各频率段的能量,确定各频段的能量在总能量中的所占百分比作为刀具状态监测的特征向量;(4)建立多传感器信息融合的刀具状态判别模型。通过BP神经网络对与刀具磨损状态相关的切削音频信号特征向量和切削力信号特征向量进行多参量信息融合,对神经网络识别的结果进行标准化,实现对刀具磨损状态的监测判别。通过理论研究和实验分析,建立了刀具磨损状态与切削加工中伴随力信号和音频信号的相关性,实现了刀具磨损状态的非接触式测量。为复杂加工环境中刀具磨损的测量提供了新的思路,并为生产实践中的刀具状态监测提供了一种行之有效的方法。