欢迎来到天天文库
浏览记录
ID:52974453
大小:284.09 KB
页数:4页
时间:2020-04-05
《声发射熵分析刀具磨损故障预测研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第5期机械设计与制造2014年5月MachineryDesign&Manufacture109声发射熵分析刀具磨损故障预测研究席剑辉,林琳(沈阳航空航天大学自动化学院,辽宁沈阳110136)摘要:刀具在加工过程中不断磨损,直接影响构件的加工精度。根据采集的刀具声发射信号,分析声发射序列熵值在不同切削阶段的概率分布特征,建立一种基于刀具磨损状态的重心熵值的阈值检测方法。同时采用最小二乘支持向量机(LeastSquaresSuppo~VectorMachine,LS—SVM)建立声发射序列的熵值预测模型,结合熵值检测实现刀具磨损状态的高精度监测。仿真结果表明:采用最小二乘
2、支持向量机预测熵值能够达到较高的预测精度;刀具的阈值检测,能够及时发现刀具的磨损故障,提高加工效率;二者结合,能够满足实际生产加工需要。关键词:刀具;声发射;熵;支持向量机;故障预测;阈值检测中图分类号:TH16;TH17;TP206+.3文献标识码:A文章编号:1001—3997(2014)05—0109—04FaultPredictionResearchofToolWearofEntropyAnalysisofAcousticEmissionXIJian—hui,LINLin(SchoolofAutomation,ShenyangAerospaceUniversi
3、ty,LiaoningShenyang110136,China)Abstract:Toolwearsconstantlyintheprocessofmachining,whwhhasaninfluenceonthemachiningaccuracyofartifactsdirectly.Probabilitydistributioncharacteristicsofacousticemissionsequencesentropyvaluesindiferentcuttingstagesareanalyzedaccordingtotheacquiredacoustice
4、missionsoftool,andthenamethodofthresholddetectionisestablishedbasedoncenterofgravityentropyofthetoolwearstates.Meanwhile,entropyv~luespredwtionmodelisbuiltwithleastsquaressupportvectormachine(I5一SVM),andcombinedwithentropydetectiontoachievehighprecisionmonitoringofthetoolwearstates.Simu
5、lationresuhsshowthatentropyvaluesarepredwtedbyIS—SVMandCangethigherpredictionprecision.Inaddition,thresholddetectionofthetoolCandetectfauhstimeZyandimprovetheefficiencyofmachiningTocombinethem,itwillsat@theneedsofactualproductionandprocessing.KeyWords:Tool;AcousticEmission;Entropy;SVM;F
6、aultPrediction;ThresholdDetection1引言建模过程中,实现刀具磨损故障的实时监测。在实际生产加工过程中,刀具的磨损状况对于整个系统的2基于重心熵的刀具磨损状态检测及阈正常运行具有重要的意义。刀具的磨损不仅会影响工件表面的质值估计量,严重的甚至可能造成设备的损伤。为了避免刀具由于磨损引熵值E是对系统状态不确定性的定量衡量指标,可以反映发故障这一问题,需要对刀具的磨损状态进行预测,以便及时地刀具磨损过程中其内部的紊乱程度。引用熵这一特征量,通过预更换刀具,从而避免不必要的损失。测熵值判断刀具的磨损状态。其计算公式为:E=log(p)(1)近年
7、来,故障预测技术发展了一些先进的方法,比较成熟的式中:P厂刀具的声发射信号;,”—信号长度。方法如基于模糊理论的预测技术、灰预测、神经网络预测以及支对数据进行归一化处理,将数据压缩N[o,1]范围内:持向量机预测等。支持向量机(Suppo~VectorMachine,SVM)方法=(p-p⋯)/(p⋯-p)(2)基于统计学习理论的VC维理论,采用新型的结构风险最优化准式中:p—数据的原始值;一压缩后的值;pi一原始数据序列的则,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷,尽量提高学习机的泛化能力l】1。文献口建立了支持向量机最小值;p
此文档下载收益归作者所有