当前位置：
沈阳一机 > >
新闻中心 > >
行业动态 > > 数控机床检测信号的提取
数控机床检测信号的提取
日期：2009年11月09 来源：沈阳第一机床厂 关键字：数控机床
由传感器检测到的随机信号刁；能自接用于／j具的状态识别，而必须经过预处珲，提取特征，将分析的结果的持枪测模式与标准模式(正常模式或异常模式)相比较才能做出诊断结论。
⑴频谱分析法
刘振动信号而言，频谱分析是用得最＼‘也是最成熟的分析方法之一。例如，选垂直于刀杆方向的加速度什为原始信弓，通过频踏分析研究L刀削过程中随着／J具的磨损信号功率谱的变化规律，并假设刀杆固有频率公高频段，高频段频谱特性的变化是刀具磨损通过切削力激发刀扑振数控机床动模态参数变化所造成的， 日同前刀面与切屑的接触长度和后刀画与了件表面的摩擦面的长度有关。而低频段是山于刀具磨损通过工件激发加丁系统振动模忐参数史化所造成的。因此，高频段司以有效地隔离或削弱加—I系统的频串成分，而主要与刀具磨损的变化有关。另外，叫序模型的参数、结构、残差和特性函数(如格林函数、自协方差函数)也都能表达动态过程的特性，时域统计特征量(特别是二阶矩统计特性)对刀具磨损状态变化的反应也非常敏感。
⑵甚于小波外蚀包分析法
由J：切削机胛的复杂性，刀具磨损引起的1：艺系统动力学性能的变化足极其微小和不确定的。而小波变形具有多分辨率分析的特点，对非千稳特点分析具有无刮比拟的优点，因此数控机床小波分析就成为刀具状态监测的重要上具之一。研究表明，利用小波分解快速算法对刀具不司磨损状态下切削力的信兮功率增进行分解与黄构处理，获得切削力信号功率喈在√；同分辨声十肿变拈特扯，分＼拆弃月度重荷柠导肿声者潞睁／J方差肚刀月磨损村变形屈申。疋／钾少披分析技术可以有效地实现印削力信号功率谱特征值提取，提取的信兮功率蜡特征对刀具磨损状态的变形十分敏感，是刀具监测的有效办法。以小波分析作为原始信号净化处理方法，为后续的模糊神经网络卿纤网络提供高信噪比的榆入信号，提高了网络的输出精度。
(3)基f分形维数的／J只状态在线监测
在不问的切削参数条件／，当／J具磨损量达数控机床到同一值时，声发射的某些特征(如均方根、振铃、计数、陡度、幅度期望等)存在很大的差开，若以这些特征作为刀具磨损状态的判掂，则必须同时考虑切削参数、工件、丁件材料等因素。而分形维数反映的是信兮的不规则程度，刁；受信兮能量人小的影响。同时声发则法拾取的信号足很复杂的，近年来发展起来的分形几何学为研究各种复杂信号的几何特性捉供了有效的分析方法，将分形儿何学知识应用于刀具膳损的在线监测，为／J具磨损在线监测的研究开肿丁一条新思路。一些文献以分形理论为基础，分析声发割信号在／J具磨损过程巾分形维数的变形情况，提出以声发射信号分形维数进行刀具磨损的枚；线监洲新方法。其结果表叫，声发射信号分形维数反映了户发射信号的几何特征，受切削参数变形的影响较小，随数控机床着刀具磨损量的增加，／J具与工件之间的摩擦加剧，声发射信号的波形变得越来越不规则，声发射信号的分形维数逐渐增大。
(4)神经网络注
切削过程是一个复杂的物理过程，刀具的磨损破损状态与各信号之间是一个典型的非线性系统。人丁神经网络以其强大的信息综合处理能力、很弛的学习能力、泛化功能和非线性逼近能力而受到人们的重视。神经网络被越来越多地用于刀具状态监测系统。
近年来随着人们智能技术的迅猛发屉和多传感揣信号融合的应用，信号特征值的提取方法得到新的发展。采用小波变换对传感器组荻取的丰轴电动机电流、卞轴驱动速度、进给驱动电流、进给速度进行净化预处理，再以净化后的信号作为神经网络的输入，从而为后续的神经网络提供高信噪比的数控机床输入，提高网络的预期精度。最典型的是将小波包分析、模糊珲论及人㈠*经网络相结合的智能刀具在线临测系统，其基本方法是利用小波包将声发射信号分解为不同频带的时间序列，从中抽取，¨J具切削状态紧密相关的序列信号的均方根值什为信号特征值，再以这些信兮特征值为模糊神经网络的输入，并对神经网格采用自组织竞个学川与BP算法相结合的混合学习算法，实现对刀具状态的可靠、迅速的实时识别。
切削过程刀具的在线状态识别，作为机械制造过程监测与诊断的重要内容，也是敏捷制造系统的关键技术之一，已受到越来越多的研究者的重视。然而，作为—个完善的数控机床监视系统，它必然是 个以状态识别为中心的信弓处理系统，山十加I—过程的复杂性，刘刀只切削状态的识别也提出了越来越高的要求，如快速响应性、最人叫靠性、强鲁棒性等。多仕脯器信息融合是／J具切削状态监测与识别的发展方向，可选信息的合理组合(即系统的最小化)，j特征信息伞回性之间矛盾的解决方法，安装方便、可靠和实用性，以及对所采集信号灵敏度高的传感器的合群选取与研究开发，仍是当前要解决的基础性工作。随着多路传感器技术的应用，带来的足信息量的成倍增长，如何从这些宠人的原始信号中提取我们所需的特征信息值，—直是册穷帅船庙衄题。这包括原始信号肘净化顶处理拄术和挣化信心伪内：数控机床处周技术(即从净化信息山提取刘切削状态最为敏感的信弓特征值)两个方面。现有研究成果多间限T：某一特定丁况下的验证，也就是说，这些方法对具体丁况下切削参数(如切削速度、进给、刀具构料等)的敏感性并未得到验证，其实用性受到限制。例如，采用神经网络模型，把众多的切削参数都作为网络的输入，则无疑十分复杂，计算量也很大。因此，如果能寻求某种对切削参数不敏感，而又对刀具磨损敏感的信号特征值，将是一件很有意义的事。
上一篇：常用的检测数控机床刀具的状态 下一篇：
加工中心高速切削加工用刀柄的选用
销售电话
机床营销
Tel:024-25340888
024-25341888
024-25340887
024-25341887
Fax:024-25341177
配件服务
Tel:024-25341716
024-25341717
Fax:024-25341718
维护改造
Tel:024-25340767
Fax:024-25341177
产品分类
