切削刀具状态在线监测的预测模型设计.pdfVIP

切削刀具状态在线监测的预测模型设计 ◆杨柳 (湖北汉丹机电有限公司采购部 湖北 襄阳 441000) 摘【要】刀具状态的实时在线监测需要结合很多信号来做信号处 第一阶段模型由以下假定的因变量和独立变量这间关系组 理提取信号特征。该过程实现起来非常复杂。本文提 出了一个预 成： 测模型，通过该预测模型可以极大的简化了信号处理过程 ，且性 ^ A ^ yi ok+( 0I×【Xilk+…+ pk×xi1k)+￡ik (1) 能稳定可靠。 式中，Y 是第 i个磨损观测指，x。是相同的第 i次观测中 关【键词】刀具状态监测 多元线性回归 切削力 模型 ^ ^ 的第 j的特征值。p 和Bdc是未指定的模型参数，e 是在第k 次试验中的独立同分布模型误差 (残差)，用来表示测量误差和遗 一 、 引言 漏的变量的影响等。 切削刀具的损坏 (磨损和破损)通常占机床停机时间的20％ (二)模型的优化 。 刀具磨损对加工表面质量、尺寸精度和成品的最终成本有着直 对于每次测量的特征信号，用三种策略来建立第一阶段^ILR 接的影响。此外，根据加工要求，对刀具寿命标准也有很大的影 模型，如Fx、Fy、切削力矢量 Fr，以及 Fx和Fy的组合 (指定为 ( 响。过高地估计刀具寿命会导致降低产品质量估计，甚至毁坏部 Fx，Fy))。对于给定的策略和数据集，完整的模型由Fx，Fy和Fr 件，如早期破损的工具。而过低地估计刀具寿命会导致加工过程 信号特征组成，而上述其他模型形成模型子集。在完整模型中的 中频繁停机和生产成本增加。因此，在 自动化制造中，一个重要的 磨损估计是无偏的，即使当子集模型估计发生偏差时，也只会有 研究课题就是在加工过程中实时的刀具磨损估计。 较小的差异。由于这种偏置方差权衡，对于给定的策略和数据集 磨损估计的方法分为直接法和间接法，直接法不符合成本效 的模型基于最小均方误差准则相比较，，也被称为马洛斯 cp准则 益和 可靠性 。研究发现刀具状态监控 (toolcondition 的计算如下： monitoring)是一个有效的方法，因此，主要集中在磨损估计的间 _n+2p 接方法上，这就是在线使用信号处理的方法，如切削力、各种驱动 62 电流和功率、振动与声发射技术(acousticemission)，这些都是 式中，R02是子集模型的残差平方和，n是磨损矢量的长度，P 是众所周知的磨损现象的显著影响。基本的方法是：首先采集信 ^ 号，在经过必要的信号处理后，提取信号特征，然后与一个合适的 是未知模型参数的数 目。6 是估计模型在整个模型中的误差方 差。选择系数的最低值建立模型。如图2所示，为一个给定数据集 磨损模型的观测值进行比对 。在实时应用中，该模型将是刀具预 测可靠性和精确度的基础。 的子集模型选择方案，图中的特征是由相应的信号指定的。 二 刀具状态的在线监测 然而，当优化模型是基于单一的信号测量，且测量通道有故 所提出的方法的各种模块框图如图1所示。测量的切削力信 障的时候，在建模阶段选择最佳模型可能在实际操作过程中影