資源描述：
《基于切削聲和切削力參數(shù)融合的刀具磨損狀態(tài)監(jiān)測(cè).pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、第5期組合機(jī)床與自動(dòng)化加工技術(shù)NO．52011年5月ModularMachineTool&AutomaticManufacturingTechniqueMay．2011文章編號(hào)：1001—2265(2011)05—0042—04基于切削聲和切削力參數(shù)融合的刀具磨損狀態(tài)監(jiān)測(cè)孫艷杰，艾長(zhǎng)勝(濟(jì)南大學(xué)機(jī)械工程學(xué)院，濟(jì)南250022)摘要：針對(duì)單一傳感器監(jiān)測(cè)刀具磨損狀態(tài)存在的不足，提出了將聲傳感方式和力傳感方式綜合利用。以人工神經(jīng)網(wǎng)絡(luò)作為多傳感器信息融合的方法。在立式數(shù)控加工中心上銑削加工45鋼調(diào)質(zhì)試件
2、，利用駐極體傳聲器和Kistler測(cè)力儀檢測(cè)與刀具磨損相關(guān)的特征量，得出銑削聲信號(hào)特征量LPCC的第6、7、8階分量，x、Y向切削力以及繞z軸的力矩與刀具磨損密切相關(guān)。以這6個(gè)特征量作為神經(jīng)網(wǎng)絡(luò)的輸入信號(hào)，利用有動(dòng)量的梯度下降的BP算法建立了刀具磨損狀態(tài)監(jiān)測(cè)的多參數(shù)融合模型。研究結(jié)果表明神經(jīng)網(wǎng)絡(luò)輸出值與實(shí)際測(cè)量值基本相符合，切削聲和切削力特征融合后提高了識(shí)別刀具磨損程度的準(zhǔn)確性和穩(wěn)定性。關(guān)鍵詞：銑削聲信號(hào)；切削力；參數(shù)融合；神經(jīng)網(wǎng)絡(luò)；刀具磨損監(jiān)測(cè)中圖分類號(hào)：THI6：TG65文獻(xiàn)標(biāo)識(shí)碼：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號(hào)、聲發(fā)射-o等。0引言現(xiàn)有的單一監(jiān)測(cè)法，無(wú)論是直接法，還是間接目前，隨著計(jì)算機(jī)技術(shù)、測(cè)試技術(shù)、控制技術(shù)、信法，目前實(shí)際應(yīng)用都還有一定的局
8、限性。在總結(jié)現(xiàn)號(hào)處理技術(shù)的發(fā)展，刀具狀態(tài)監(jiān)測(cè)技術(shù)的研究已經(jīng)有監(jiān)測(cè)法優(yōu)劣的基礎(chǔ)上，提出了多參數(shù)融合監(jiān)測(cè)法。取得了很大的進(jìn)展。國(guó)內(nèi)外學(xué)者提出了許多有效的同時(shí)選切削聲和切削力為監(jiān)測(cè)信號(hào)，就能利用這兩刀具狀態(tài)監(jiān)測(cè)方法，一類為直接監(jiān)測(cè)法，包括光學(xué)個(gè)監(jiān)測(cè)量的長(zhǎng)處，互補(bǔ)不足，拓寬監(jiān)測(cè)范圍，提高監(jiān)法¨、計(jì)算機(jī)圖像處理法等，另一類為間接監(jiān)測(cè)測(cè)精度和判別成功率。耶魯大學(xué)的TamasSzeesi利法，包括切削力、振動(dòng)信號(hào)、可聽(tīng)閾內(nèi)切削聲信用人工神經(jīng)網(wǎng)絡(luò)建立了切削刀具狀態(tài)監(jiān)測(cè)的模型，收稿日期：2010—11—04作者簡(jiǎn)
