双面研磨机翻译中文版.doc

《双面研磨机翻译中文版.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、通过监测和机器学习控制磨削过程摘要:切入磨削过程已经通过了振动信号的功率谱研究。专家提取了某些预定义光谱属性，评估了过程性能等级，以预测的过程演变。测试样例的属性值和相应的等级，被提交电感的机器学习系统。最后，将各类数据进行整合分析，从得到的光谱属性预测砂轮的性能。分析测试数据后，诱导规则的分类精度提高了，其复杂性也减少了。光谱属性相互关系的发现及其意义，给问题的分析提供了新的方法。此外，得到的结果也适用于磨削过程控制当中。1、介绍尽管有大量关于识别加工过程的研究，其结果尚未实现自适应控制。主要障碍在于这样一个事实：一个

2、稳定的使机床的输入参数适应实际过程状态的过程评估程序尚未开发。在一般情况下，三种不同的方法进行机械加工过程评估可确定区间即：确定性的方法，这个过程被认为是一个纯粹的确定性系统，和基本过程的参数，以及结果的确定性。概率的方法，其中参与过程的随机性参数，及它们之间的相互关系都考虑在内，通过评估过程、统计物理和几何方法进行研究。人工智能（AI）的方法，该过程被象征性的描述为，基于在线测量符号属性的知识，工艺性能，过程评价和相应的控制动作，如使用机器学习的技巧。在我们的研究中，我们已经使用了机器学习的方法来探索磨削过程中，这是一

3、个最随机和不可预测的在加工过程中的机器学习方法。调查的目的是预测允许进行有效的过程控制规则。在进一步的章节中，我们描述了问题域，机器学习的概述，磨削过程评价方法，重点研究目前的学习步骤所获得的结果。我们以对未来工作的计划作为总结。2、问题域磨削过程因其能产生高质量和高精度表面而在工业上得到广泛使用。然而，因为涉及的各种参数之间的复杂的相互关系，过程中演化是很难预测的。获得良好的工艺性能更像是艺术技巧而不是科技成果。因此，适当的监测和控制系统应被用来提高生产昂贵机床的生产率。研磨补救时间的一个适当定义对整体研磨过程优化和控

4、制是至关重要的。如果研磨盘分开太晚，没有达到适当的金属去除率，甚至更糟的是，工件表面可能会被损坏。另一方面，如果敷料应用过于频繁，修整金刚石磨损和研磨盘磨损将造成巨大的成本。在研磨古典敷料（即不连续）的情况时，花了时间用不必要的敷料，而这又增加了生产成本。除了切割工件表面，还可在研磨盘与工件之间的相互振动作用时的摩擦进行生产。最近的研究表明，在表面的转换和发射声音和振动之间有很强的相关性。基于声音和振动，熟练的操作，可以检测出砂轮是锋利或磨钝了。操作者的技术依赖于人提取特征频率的能力。在研磨时，声音的频率范围从5000到

5、10000Hz并反映了切割型材。根据已有经验，在其整个生命周期中，新研磨盘具有更高的频率。研磨盘上的颗粒，填充在孔中的金属屑，以及与金属片之间的距离，使研磨盘间距变大，从而导致较大的晶片和较高的表面粗糙度。因此，在特征频率范围内根据研磨盘上的磨粒尺寸将频率降低到5000到6000Hz之间。总之，当前进程状态的信息来源有两个：振动信号和专家判断。我们一直在探索振动信号的特性和专家的性能等级评估时间的关系，来研究自动化控制动作。作为自动化控制的一个步骤，我们已经完成了机器学习的研磨加工性能。3、过程性评价机器学习方法包括机器

6、学习在内的使用环境来对研磨过程进行评估。更精确地说，包括以下几部分组成：振动测量，信号处理和光谱特征提取在传感器接口的应用过程中展开了。人机界面提供工艺性能评估的过程。电感机器学习模块将传感器和人机界面信息用于性能预测规则。环境的概述，如图1所示。在实验室研磨实验通过传感器和人类专家的接口数据描述被收购过程中的演化。研磨过程学习样例光谱属性性能等级性能预测规则测量信号处理特征提取专家判断电感式机器学习图1：机器学习方法的研磨过程评估研磨机用于平面磨床（研磨盘2B80N8V），使用的工件为工具钢（AISI02材料）。安装在

7、工件上的加速度传感器检测到的振动。使用数字信号分析仪分析振动信号频谱。之后，下面的预定义的频谱属性自动提取：•频谱总面积（SpArea）•频率最大振幅峰（MaxAmpIX）•频率的最大面积峰（MaxAreaX）•频率的频谱区域中心点（AreaCX）•估计谱熵（熵）。每15日进行研磨盘行程的振动信号检测，信号处理和特征提取。在研磨的试验中，83个进行了测量，相应的研磨盘寿命周期到了1245个冲程。同时，砂轮的的性能进行评估，由专家检查工件表面粗糙度，火花的痕迹，机器声和振动。四个性能等级进行了确认，分别表示高，中，低和非常

8、低的工艺性能。所获得的的光谱的属性值和相应的类分配为代表了为的台机器的学习阶段的训练数据。在此之前进行的学习实验，根据最近的探索中取得的经验域对传感器和人机界面的数据进行了细化。传感器接口的数据进行了细化，减少属性的数量。两种可供选择的属性子集选择来消除噪声所造成的属性信息度低。所述第一子集包括频率最大振幅峰频谱总面