论文部分内容阅读
刀具磨损的实时监测是先进制造系统的关键技术，是机械加工过程中的一个十分重要的问题。能否实现刀具磨损的自动监测是制约加工质量、生产率和生产自动化水平提高的重要因素，被公认为是自动化加工中的一项关键技术和尚未解决的重要难题。对于一般的刀具磨损来说，磨损信息总是隐藏在时域信号之中，必须通过一定的处理方法才能将磨损信息抽取出来，而刀具磨损时的各种变化往往是一些非平稳性信号，传统的频谱分析方法无法准确的提取刀具磨损信号局部范围内的变化，从而难以实现对刀具磨损信息进行有效分析。随着小波分析理论的发展，为刀具磨损监测提高了有力的手段。利用多分辨小波分析可以将刀具磨损信号在不同尺度上进行分解，从各尺度上的细节信号中提取刀具磨损信息。在刀具磨损状态辨识方面，小波神经网络具有逼近任意非线性映射的能力，并具有学习效率高、收敛速度快、稳定性高、容错能力强等优点，从而可以快速、准确地实现对刀具磨损状况的有效辨识。本文将虚拟仪器技术引入到刀具磨损监测过程中，构造了基于数据采集和分析的刀具磨损监测虚拟仪器系统硬件平台。采用了切削力信号的检测方法，首先通过测力传感器和数据采集卡对车削过程中不同磨损程度刀具的切削力信号进行检测和采集，然后运用多分辩小波分析理论和方法对切削力信号进行分析，提取出能够显著反映刀具磨损状态的信号特征值，并以此作为神经网络的输入，进而通过编写小波神经网络的学习算法，建立刀具磨损特征向量与刀具磨损量之间的非线性映射关系，从而实现对不同刀具磨损状态的有效辨识。最后利用图形化虚拟仪器编程语言LabVIEW设计开发了刀具磨损监测系统的应用软件，实现了从信号检测、特征提取、到状态辨识的整个刀具磨损监测过程。经过大量的刀具磨损实验，结果表明该监测系统具有较好的实际应用效果。