基于狄利克雷混合模型的刀具磨损量在线估计.pdf

《基于狄利克雷混合模型的刀具磨损量在线估计.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３８卷第３期仪器仪表学报Ｖｏｌ３８Ｎｏ３２０１７年３月ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＳｃｉｅｎｔｉｆｉｃＩｎｓｔｒｕｍｅｎｔＭａｒ．２０１７基于狄利克雷混合模型的刀具磨损量在线估计于劲松，时瑜，梁爽，唐荻音（北京航空航天大学自动化科学与电气工程学院北京１００１９１）摘要：提出了一种基于狄利克雷混合模型的刀具磨损状态监测和磨损量估计的新方法。该方法将刀具磨损过程描述为磨损量的累积过程，通过对磨损增量的连续估计获得刀具当前的磨损量估计。首先对原始力信号进行特征提取，接着在不确定磨损增量状态数量的前提下采用狄利克雷混合模型对特征自动分类，然后利用吉布

2、斯采样方法确定模型参数，最终得到描述力信号特征与磨损增量映射关系的刀具磨损状态混合模型。根据该混合模型以及当前的力信号信息即可完成刀具磨损量的在线估计。真实应用案例证明了该方法能自适应学习磨损状态并有效估计刀具的连续磨损值。关键词：刀具健康状态监测；刀具磨损；狄利克雷混合模型；吉布斯采样中图分类号：ＴＨ１７ＴＰ２７７文献标识码：Ａ国家标准学科分类代码：４６０．３０ＴｏｏｌｗｅａｒｏｎｌｉｎｅｅｓｔｉｍａｔｉｏｎｕｓｉｎｇａＤｉｒｉｃｈｌｅｔｐｒｏｃｅｓｓｍｉｘｔｕｒｅｍｏｄｅｌＹｕＪｉｎｓｏｎｇ，ＳｈｉＹｉｙｕ，，ＬｉａｎｇＳｈｕａｎｇ，ＴａｎｇＤｉ

3、ｙｉｎ（ＳｃｈｏｏｌｏｆＡｕｔｏｍａｔｉｏｎａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＢｅｉｈａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１００１９１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＡｎｅｗｍｅｔｈｏｄｂａｓｅｄｏｎＤｉｒｉｃｈｌｅｔＰｒｏｃｅｓｓＭｉｘｔｕｒｅＭｏｄｅｌ（ＤＰＭＭ）ｉｓｐｒｏｐｏｓｅｄｆｏｒｔｏｏｌｗｅａｒｍｏｎｉｔｏｒｉｎｇａｎｄｔｏｏｌｗｅａｒｅｓｔｉｍａｔｉｏｎ．Ｔｈｉｓｍｅｔｈｏｄｄｅｓｃｒｉｂｅｓｔｈｅｔｏｏｌｗｅａｒｐｒｏｃｅｓｓａｓａｗｅａｒａｃｃｕｍｕｌａｔｉｏｎｐｒｏｃｅｓｓ．Ｔｈｕｓ，ｔｈｅｃｕｒｒｅｎｔｔｏｏ

4、ｌｗｅａｒｉｓｅｓｔｉｍａｔｅｄｂｙｃｏｎｔｉｎｕｏｕｓｌｙｅｓｔｉｍａｔｉｎｇｔｈｅｗｅａｒｉｎｃｒｅｍｅｎｔｓ．Ｆｉｒｓｔｌｙ，ｔｈｅｆｅａｔｕｒｅｓａｒｅｅｘｔｒａｃｔｅｄｆｒｏｍｔｈｅｒａｗｆｏｒｃｅｓｉｇｎａｌｓ，ａｎｄＤＰＭＭｉｓｕｓｅｄｔｏｃｌａｓｓｉｆｙｔｈｅｓｅｆｅａｔｕｒｅｓａｕｔｏｍａｔｉｃａｌｌｙｗｉｔｈｏｕｔｄｅｔｅｒｍｉｎｉｎｇｔｈｅｎｕｍｂｅｒｏｆｓｔａｔｅｓｏｆｗｅａｒｉｎｃｒｅｍｅｎｔｓ．Ｔｈｅｎ，ＧｉｂｂｓｓａｍｐｌｉｎｇｍｅｔｈｏｄｉｓａｐｐｌｉｅｄｔｏｉｄｅｎｔｉｆｙｔｈｅｐａｒａｍｅｔｅｒｓｏｆＤＰＭＭ，ｗｈｉｃ

5、ｈｃｏｎｓｔｒｕｃｔｓｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｆｏｒｃｅｓｉｇｎａｌｆｅａｔｕｒｅｓａｎｄｗｅａｒｉｎｃｒｅｍｅｎｔｓ．Ｂａｓｅｄｏｎｔｈｅｍｉｘｔｕｒｅｍｏｄｅｌａｎｄｏｎｌｉｎｅｆｏｒｃｅｓｉｇｎａｌｓ，ｔｈｅｗｅａｒｅｓｔｉｍａｔｉｏｎｃａｎｂｅａｃｈｉｅｖｅｄ．Ａｐｒａｃｔｉｃａｌｓｔｕｄｙｄｅｍｏｎｓｔｒａｔｅｓｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｉｓｃａｐａｂｌｅｏｆｓｅｌｆａｄａｐｔｉｖｅｌｙｌｅａｒｎｉｎｇｗｅａｒｉｎｃｒｅｍｅｎｔｓｔａｔｅｓａｎｄｅｆｆｅｃｔｉｖｅｌｙｅｓｔｉｍａｔｉｎｇｔｈｅｃｏｎｔｉｎ

6、ｕｏｕｓｔｏｏｌｗｅａｒ．Ｋｅｙｗｏｒｄｓ：ｔｏｏｌｃｏｎｄｉｔｉｏｎｍｏｎｉｔｏｒｉｎｇ；ｔｏｏｌｗｅａｒ；Ｄｉｒｉｃｈｌｅｔｐｒｏｃｅｓｓｍｉｘｔｕｒｅｍｏｄｅｌ；Ｇｉｂｂｓｓａｍｐｌｉｎｇ态之间映射的关系通常是非线性的并且难以准确地定量１引言描述。为了解决非线性映射的问题，目前主要采用的是［２］智能学习和决策技术的处理方法。文献［３］采用了主刀具磨损是机械加工中的重要问题之一，它很大程成分分析法提取特征并根据已有的磨损数据进行Ｃ支度地决定了刀具的寿命，因此在现代的生产制造系统中，持向量机模型的训练学习，从而实现对在线获取的数据刀具健康状态监测（ｔ

7、ｏｏｌｃｏｎｄｉｔｉｏｎｍｏｎｉｔｏｒｉｎｇ，ＴＣＭ）已经样本进行正常磨损状态和破损状态的分类；文献［４］针成为了众多研究机构的研究重点［１］。ＴＣＭ通过提取多对刀具磨损检测信号的非平稳特性和小样本建模的情种不同的传感器如振动传感器、力传感器以及声发射传况，提出采用经验模态分解的方法削弱模态混叠的影响感器的信号特征、建立信号特征与刀具磨损状态之间的再利用支持向量机识别刀具的磨损状态；文献［５］提出利用条件随机场模型进行刀具状态识别，从而克服了隐映射关系等步骤，实现刀具磨损的状态监测。马尔科夫模型要求观测序列之间需要统计独立的缺点；然而，由于刀具的工作过程

8、复杂，信号特征与磨损状文献［６］通过对刀具工作时产生的噪声信号进行功率谱收稿日期