随着计算机技术的进步,机床正朝着无人操纵制造系统方向发展,自动化加工系统的最基本要求就是加工系统能自动地对生产过程中所出现的故障进行有效的在线监测和调整。加工刀具是机械加工过程中最基本的加工要素之一,在加工过程中刀具的磨损必然会影响加工质量,提高加工成本,降低生产率,甚至造成事故发生。因此,对刀具状态进行在线监测显得尤为重要,其中最重要的和关键的问题就是刀具测试信号的特征提取。从某种意义上讲,切削加工条件的多样性、切削参数的多变性、刀具破损及磨损的随机性和复杂性等因素使得刀具的特征提取成为是刀具状态监测和故障诊断研究中的瓶颈问题,这直接关系到刀具状态监测和故障诊断的准确性和可靠性,是刀具状态监测和故障诊断成功与否的关键所在。 对于测试信号的分析方法有很多,小波分析对非平稳信号具有良好的时频特性,对于非平稳信号分析十分有效。小波变换以不同的尺度来观察信号,将信号分解到不同的频带中,既看到了信号的全貌,又看到了信号的细节,能够准确地反映信号时间和频率之间的关系。自回归模型反映了系统的运行状态,能够对系统的未来状态和趋势进行预测。 小波包分析在通频范围内得到分布在不同频带内的分解序列,信息量完整无缺,具有对信号进行局部化分析的功能。自回归谱具有外推预报功能而善于处理短数据,它的频率分辨率可以任意提高。本文结合小波包分析和自回归谱的优势,提出一种刀具状态监测的新方法:小波包自回归谱(WP-AR)分析法,将其应用于刀具的状态监测中,对刀具状态信号进行深层次分析,提取有效的特征量,并准确识别刀具的磨损状态。