基于小波包和 BP 神经网络的刀具磨损状态识别.pdf

《基于小波包和 BP 神经网络的刀具磨损状态识别.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、制造技术／工艺装备现代制造工程（ＭｏｄｅｒｎＭａｎｕｆａｃｔｕｒｉｎｇＥｎｇｉｎｅｅｒｉｎｇ）２０１４年第１２期倡基于小波包和BP神经网络的刀具磨损状态识别库祥臣，周芸梦，高鹏磊，段明德（河南科技大学机电工程学院，洛阳４７１００３）摘要：刀具磨损状态影响金属切削过程，因此监测刀具磨损状态对提高产品质量有着重要的意义。设计刀具磨损状态监测系统，利用传感器采集刀具振动信号，通过小波包对振动信号进行数据分析，并把不同频段的能量值作为刀具磨损状态的特征值，建立ＢＰ神经网络，从而在刀具磨损状态和振动信号特征向量之

2、间建立映射关系，完成刀具磨损状态的监测。利用Ｃ＋＋Ｂｕｉｌｄｅｒ和Ｍａｔｌａｂ软件混合编程实现了系统的功能。试验表明，系统运行良好，能够对刀具磨损状态进行正确识别。关键词：刀具磨损；监测；小波包；神经网络中图分类号：ＴＰ２０６文献标志码：Ａ文章编号：１６７１—３１３３（２０１４）１２—００６８—０５RecognitionoftoolwearstatebasedonwaveletpacketandBPneuralnetworkＫｕＸｉａｎｇｃｈｅｎ，ＺｈｏｕＹｕｎｍｅｎｇ，ＧａｏＰｅｎｇｌｅｉ，ＤｕａｎＭ

3、ｉｎｇｄｅ（ＳｃｈｏｏｌｏｆＭｅｃｈａｔｒｏｎｉｃｓＥｎｇｉｎｅｅｒｉｎｇ，ＨｅｎａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｌｕｏｙａｎｇ４７１００３，Ｈｅｎａｎ，Ｃｈｉｎａ）Abstract：Ｔｈｅｓｔａｔｅｏｆｔｏｏｌｗｅａｒｉｎｆｌｕｅｎｃｅｓｔｈｅｍｅｔａｌｃｕｔｔｉｎｇｐｒｏｃｅｓｓ，ｓｏｔｈｅｍｏｎｉｔｏｒｉｎｇｏｆｃｕｔｔｉｎｇｔｏｏｌｗｅａｒｃｏｎｄｉｔｉｏｎｉｓａｎｉｍｐｏｒ-ｔａｎｃｅｆｏｒｉｍｐｒｏｖｉｎｇｔｈｅｑｕａｌｉｔｙｏｆｔｈｅｐｒｏｄｕｃｔｓ．

4、Ｔｈｅｔｏｏｌｗｅａｒｃｏｎｄｉｔｉｏｎｍｏｎｉｔｏｒｉｎｇｓｙｓｔｅｍｉｓｄｅｓｉｇｎｅｄ．Ｔｈｅｔｏｏｌｖｉｂｒａｔｉｏｎｓｉｇｎａｌｓａｒｅｃｏｌｌｅｃｔｅｄｗｉｔｈｓｅｎｓｏｒｓａｎｄａｎａｌｙｚｅｄｂｙｗａｖｅｌｅｔｐａｃｋｅｔ．Ｔｈｅｆｅａｔｕｒｅｖａｌｕｅｏｆｔｏｏｌｗｅａｒｓｔａｔｅｉｓｅｘｔｒａｃｔｅｄｆｒｏｍｔｈｅｄｉｆｆｅｒｅｎｔｆｒｅ-ｑｕｅｎｃｙｂａｎｄｅｎｅｒｇｙ．ＵｓｉｎｇｔｈｅＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ，ｔｈｅｍａｐｐｉｎｇｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｔｈｅ

5、ｔｏｏｌｗｅａｒａｎｄｖｉｂｒａｔｉｏｎｓｉｇｎａｌｆｅａｔｕｒｅｉｓｅｓｔａｂｌｉｓｈｅｄ．Ｔｈｅｒｅｆｏｒｅ，ｔｈｅｔｏｏｌｗｅａｒｃｏｎｄｉｔｉｏｎｍｏｎｉｔｏｒｉｎｇｉｓｃｏｍｐｌｅｔｅｄ．ＴｈｅｓｙｓｔｅｍｉｓｒｅａｌｉｚｅｄｕｓｉｎｇＣ＋＋ＢｕｉｌｄｅｒａｎｄＭａｔｌａｂｍｉｘｅｄｐｒｏｇｒａｍｍｉｎｇ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｔｈｅｓｙｓｔｅｍｉｄｅｎｔｉｆｉｅｓｔｈｅｔｏｏｌｗｅａｒｓｔａｔｅｃｏｒｒｅｃｔｌｙ．Keywords：ｔｏｏｌｗｅａｒ；ｍｏｎｉｔｏｒｉｎｇ

6、；ｗａｖｅｌｅｔｐａｃｋｅｔ；ｎｅｕｒａｌｎｅｔｗｏｒｋ等模块构成，刀具磨损监测系统组成如图１所示。０引言在金属切削过程中，刀具磨损状态的变化将直接影响产品质量并导致生产成本增加，降低产品的竞争力，因此在现代制造系统中，为了保障加工设备的安图１刀具磨损监测系统组成全和提高加工质量，对加工过程中刀具磨损状态进行１．１加工条件和研究对象［１-２］监测就显得尤为重要。当前，对主轴系统和进给系本文试验选取的机床为辛辛那提机床有限公司生统的监测诊断技术已得到了一定的发展，但是在刀具磨产的ＴＣ-１５０数控车床，刀具

7、材料为硬质合金，加工工件损监测方面还有待进一步研究。在切削加工过程中，不材料为铝合金。刀具磨损状态划分为初期磨损、正常磨同磨损程度的刀具与工件刃部侧面摩擦，将会产生不同损和严重磨损。各种状态对应的切削条件如下。强度、不同频率结构的振动信号，因此，本文利用刀具振１）初期磨损：切削深度为０．２ｍｍ，主轴转速为动信号实现了对刀具磨损状态的在线监测。８００ｒ／ｍｉｎ，进给量为０．１ｍｍ／ｒ。２）正常磨损：切削深度为０．２ｍｍ，主轴转速为１刀具磨损监测系统构成和数据处理１６００ｒ／ｍｉｎ，进给量为０．２ｍｍ／ｒ。

8、刀具磨损监测系统由加工条件、研究对象、振动３）严重磨损：切削深度为０．２ｍｍ，主轴转速为传感器、数据采集卡、信号处理、特征提取和模式识别２０００ｒ／ｍｉｎ，进给量为０．３ｍｍ／ｒ。倡国家科技重大专题项目（２０１２ＺＸ０４００５-０２１）６８库裤臣，等：基于小波包和ＢＰ神经网络的刀具磨损状态识别２０１４年第１２期１．２振动信号检测和数据采集２信号处理和特征提取振动传感器采用朗斯测试技术有限公司生产的压电加速度传感器ＬＣ０１５１Ｔ，该传感器将传