基于隐马尔可夫模型的钻头状态检测.pdf

《基于隐马尔可夫模型的钻头状态检测.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、2013年3月机床与液压Mar．2013第41卷第5期MACHINET0OL＆HYDRAULICSVo1．41No．5DOI：10．3969／j．issn．1001—3881．2013．05．005基于隐马尔可夫模型的钻头状态检测敖银辉(广东_r-_．lk大学机电学院，广东广州510090)摘要：钻削是机械加工中的常用手段，对钻头的磨损相关信号的检测可及时判断出钻头的磨损程度，提醒及时换刀，避免加工过程中的钻头断裂或豁口出现。鉴于主轴电流与切削力密切相关，且易于获取以及获取代价较低的特点，使用电流传感器检测主轴电流后进行小波变换滤波，然

2、后再次分解后提取出各节点的能量特征，并应用隐马尔可夫模型HMM识别出钻头状态。实验结果表明，文中所述方法可有效识别出过度磨损状态，提醒及时换刀，保障了加工过程的正常进行。关键词：钻削加工；隐马尔可夫模型；小波变换中图分类号：TH165+．3文献标识码：A文章编号：1001—3881(2013)5—018—4MonitoringofDrillingToolStatusBasedonHMMAOYinhui(SchoolofMechanicalandElectricalEngineering，GuangdongUniversityofTech

3、nology，GuangzhouGuangdong510090，China)Abstract：Drillingisacommonmachiningmethodinmachiner)r．Onlinedetectionofsignalsrelatedtothedrillwearconditionwasneededintimetojudgetheweal"statusofdrillbitandpreventthebreakageandchippingofdrillbittoappear，andtoolschangingwerereminded

4、intime．Whereasthespindlemotorcurrentwascloselyrelatedtothecuttingforce，andcouldbeeasilyobtainedatlow-ercostincharacteristics，afterusingcurentsensortodetectthespindlecurent，thefilteringofWaveletTransformwascarriedout，andthenafterdecomposingagain，theenergyfeaturesofeachnod

5、ewereextracted，andbyusingtheHiddenMarkovMode(HMM)，thestatusoftoolbitwasdetected．Experimentalresultsshowthatthepresentmethodcanefectivelydetectexcessivewearandremindtoolschangingintime，SOastoensurenormalmachiningprocess．Keywords：Drilling；HiddenMarkovModel；Wavelettransform

6、作为最常使用的机械加工方法之一，钻孔加工的易获得，许多学者也对使用电流检测进行了一定的研质量如孔径和孔壁光洁度很大程度上受到钻头磨损状究。。使用电流信号的时间域特征在磨损量变态的影响。目前检测刀具磨损程度的方法分为直接检化较大时不能及时反映出来，因此需要结合频率域特测和间接检测两种。直接检测即为直接测量磨损量，征进行分析，如文献[1，3，6]。小波变换WT那种将刀具从夹具中取下后进行离线检测的方法需要(WaveletTransform)可用来进行时一频域特征分析，中断加工过程，不能实现自动生产。目前也有利用机以诊断刀具断裂故障。Loui

7、sALFONSO研究了一种器视觉技术通过对钻头照像后进行图象处理的方法来利用小波变换处理电流信号的方法，但其变换阶是识别钻头磨损程度，但受到经济性、准确性的制约，主观设定的，直接使用相关特征进行判别，只能给出该方法尚不实用。间接检测是通过检测加工过程中磨损量的大致变化。的其他物理量变化来间接判断磨损程度。切削力和主在状态识别中，另一个重要的步骤就是在提取特轴力矩与切削过程紧密关联。当刀具磨损增加时，征的基础上建立可靠的状态分类系统。隐马尔可夫模切削力会随之增加。但是在工业生产现场安装力传感型HMM作为一种对信号变化的统计特性进行描述的器

8、成本较高，并可能影响加工性能(需要专用夹具，数学工具，具有较强的时间序列建模能力。HMM基改变了整体装夹结构)。振动和声发射AE(Acoustic于概率来描述一个随机过程，其学习与分类的可解释Emissio