基于微控制器的磨损自适应诊断的英文翻译.doc

自适应诊断刀具的磨损和单片机 摘要 工具磨损监测是非常重要的。摘要提出了一种新型的而且实惠解决方案。想法是可利用很容易找到的单片机硬件,这是很便宜的，原因在于它的大规模生产。便宜的硬件与先进的软件结合在一起。使用回归分析技术模糊逻辑,使系统自适应,也就是说,该系统可实时监测新工具自动经过短暂的学习周期。自动学习周期通常只维持秩序5%总数，使引进该方法很简单有效。论述介绍基于单片机所使用硬件。但是,也覆盖和总结了原则背后的这种新方法，这使得有可能使用硬件的能力。更多的详细描述数学物理基础中都能找到参考。本文提出的方法进行了数据钻井测试。 关键词：钻穿、状态监测、多项式的回归分析诊断模糊分类、单片机 无人操纵的柔性制造系统是不可能用恰当方法来进行工具磨损监测的，因为生产质量是受工具本身性质影响的，这就意味着只有可靠的工具的磨损自动检测才能保证可接受表面光洁、连续的生产中没有不必要的中断。原则上在工具磨损监控上有两种方法即直接法和间接法。直接的方法用于测量，间接方法测量其他的物理现象如振动、声音或力量,它们在功能上也随之而变，这种情况下作为直接监测是困难的和昂贵的，所以这时候采用间接的方法。Jantunen(2002)给出了一种在间接方法的开采的概要。概要还包括常用的信号分析和诊断方法。 工具磨损状态监测在技术上对控制参数要求是很苛刻,随着切削参数变化和材料差异而变化的。此外,在切削液及流量切割的晶片会出现很大的噪声。一种克服挑战的方法就是上面描述的用复杂的信号分析技术。然而,这些方法可以导致其他的问题,例如使分析缓慢而创造一个需要很多内存存储数据。 发达国家的做法，本文提出依靠相对简单的分析参数，可以快速，容易计算出来。由Jantunen（2006年）使用回归分析解决该数据保存问题。此外，回归分析使用，使信号分析更稳定，并在一定程度上也使预后受监视信号的发展。在相同的参考（Jantunen 2006）使用的模糊分类还建议制作一个自动诊断该工具是否已磨损。 MEMS传感器的新的快速发展（微机电系统）和有减少潜在的测量系统价格。本文的方法，使得一个用钻头磨损诊断提出了微控制器。该办法是，在这个硬件所有必要的模块，例如，计算网络连接中可以找到同一相对廉价的硬件部分。自然，基于对诊断系统的体积非常紧凑，从而易于安装。据预计，开发这种方法适用于监测环境的迅速发展加速磨损对被监视组件的。这磨损的发展工具，也能在其他典型麻花钻，例如该方法可用于监测车削刀具磨损。根据化验（Jantunen和约基宁1996）铣削具磨损更难以监测，即成功不能被隔离对所有类型的铣刀。这也许是有趣的，同方法可以成功地用于非常不同种监测作为长期的发展任务的磨损遵循类似则。其他典型监测领域是状态监测滚动轴承和齿轮。然而，更多的测对不同类型的工具和其他类型的监测仍然是需要。文章的第二章提供了一个刀具磨损。第三章给出了一个简短的刀具磨损监测方法。第四章讨论如何高阶多项式回归分析以帮助状态监测诊断。在第章是利用模糊分类进行了讨论。在第六章新的微控制器的硬件解决方案，开发的状态监测主办。七章介绍了实验室进行与系统检测结果。第八章总结了文章 Thangaraj和赖特（1988）解释说，原则上，Thangaraj和赖特（1988）解释说，原则上，钻穿是一个加速的过程，由于外缘的和高温工具工件接触这是一般人都知道接受，切削力量增加刀具的磨损，例如，见林及汀（1995年）。这是由于增加工具工件刀具之间的摩擦，从上面的一个很重要的发现钻头磨损是渐进式，即磨损率调高磨损进展。因此，它可以使用一个类似简化的理论方法已被用来作为该案件如何进行旋转机械磨损深度可以发展成为功能的时候，这种发展（Jantunen2006年）。基于多项研究Onsoyen（1991）总结一个简单的模型中显示磨损深度的h(t) = h0 + h
· t h(t)—磨损深度t—时间h—磨损率h
(t) = A · tc/(tc ? t) (2) 其中A为系数不改变为一个函数的时间 t通过整合上述公式计算表达的磨损深度可（Jantunen和Poikonen1993）： h(t) = ?A · tc · ln(1 ? t/tc) (3) 假设某些频率的振动是表面物理不规则，即耐磨，初始振动是由不平衡引起的，加载在电动机等，作为时间的函数的格式如下振动磨损深度方程描述 3。这种发展振动水平示意图如图所示 1。 虽然上面所描述的方法是非常简化而不是一个真实的物理模型，它应该指出的是给定的方法如下的趋势，可看到与测量工具磨损监测数据。这是典型的该参 图归振动的影响，显示渐进磨损相对缓慢，然后在最后非Jantunen（2003）或Jantunen和约基宁（1996