基于模糊逻辑的刀具磨损状态检测.docVIP

基于模糊逻辑的刀具磨损状态检测 　　摘 要：刀具磨损状态分类对保证工件的尺寸精度和刀具在加工过程中的损伤防护起着至关重要的作用。在产品加工过程中，刀具磨损是影响主轴电机电流、速度、配给速度和切削深度的重要因素之一。本文提出了一种基于模糊逻辑的刀具磨损状态检测方法。通过分析刀具磨损和切削参数对电流信号的影响，从实验数据和回归分析的基础上，建立了电流信号与切削参数之间的关系模型。模糊分类方法用于对刀具磨损状态进行分类，这有助于技术人员及时对有缺陷的工具进行更换。 　　关键词：刀具磨损分类； 电流信号； 回归分析； 模糊分类 　　DOI：10.16640/j.cnki.37-1222/t.2016.11.022 　　0 引言 　　对切削刀具磨损状态监测的有效手段研究一直是切削加工自动化的热点话题之一[1]。刀具失效的非检测后果则可能导致次品的产生，更为严重还可能损坏工件或机器。近几年，许多研究人员已经开始寻找方法来检测刀具磨损状态[2-3]。通过直接设计各种传感器可对刀具状态进行检测，但多数都是不可靠或无效的。依据刀具状态和测量信号之间的关系，利用模糊分类规则对刀具磨损状态检测已成为研究的热点内容。使用电机电流测量的主要优点是在切削过程中几乎可以检测到任何故障，并且测量装置不干扰加工过程，此外，在应用过程中几乎没有额外的成本。 　　大多数的检测方法都为系统制定了固定的切削条件，而在实际应用中，切削条件并不固定，主轴转速和配给速度也要根据控制策略动态变化。因此，磨损估计策略，在不同的切削条件下的操作是非常必要的[4]。一个成功的监控系统可以有效地维护机床、刀具和工件的稳定工作。研究表明，在车削加工过程中，可以使用切削力、声发射、电机电流和振动等四个参数来监测刀具的磨损情况。 　　本文讨论了如何用主轴电机的电流来检测的刀面磨损状态。其中，电流取决于切削参数：主轴速度、配给速度、切削深度以及刀面磨损程度。实现了一种在线检测的刀面磨损的电流测量的回归技术和模糊分类方法，在一定范围内降低切削条件。该方法的实质是建立一个简单的模型，在不同的切削条件下，统计测量的电流值和刀面磨损状态，检测切削参数和电机电流信号的相关数据，最后，根据检测刀具磨损状态，作出是否需要更换刀具的决定。 　　1 金属切削实验 　　金属切削加工实验需要建立一个简单的模型，在不同的切削条件下，测量的电流值和后刀面磨损状态。该实验需要在计算机数值控制车床进行，用于实验的工件材料是铝、碳化硅，通过搅拌铸造法制备颗粒增强复合材料。切削实验进行数控机床用永磁直流电机驱动。永磁直流电机类似普通的直流电动机，是由永久磁铁代替凸极绕线结构构成。测量车床需直流电机电流，个人计算机与车床连接为切削条件提供有效数据，计算机和切割操作自动执行，记录各种切削条件数据，其中包括：主轴速度、配给速度和切削深度等。对于每组的切削实验，加工都是从一个新的刀具开始，直到刀具磨损实验进行到产生满足不同切削条件下的样本数据为止。 　　2 基于回归分析和模糊分类的刀面磨损预测 　　回归分析是一种统计预测模型，涉及的是一个给定的变量和一个或多个被称为独立变量的变量之间的关系的描述和评价。目前研究表明，回归方法是利用确定模型的主轴电机电流作为一个函数的主轴转速（转）、配给速率（毫米/转速）和深度的切割（毫米）。该模型被近似修改用来描述的后刀面磨损状态，如0.30，0.40，0.50，0.60，0.70，0.80和0.90（毫米）。不同的切削条件下的电流值被记作实验在特定的时间间隔的相应的磨损值。 　　研究发现，刀具磨损对主轴电机电流影响更为显著，主轴电机电流随着刀具磨损的增加呈指数增加。结合刀具磨损、主轴转速、配给速度、切削电流和电流信号的关系，我们可以得到主轴电机电流与金属切削作为磨损状态的函数关系。 　　在异常的刀具磨损阶段中观察到的磨损率的突然上升是值得注意的，系统应弹出提示，工人应根据实际情况及时更换刀具。但是实际中很多因素都会造成刀具的磨损，刀具磨损曲线通常是波动的，并且是不光滑的。本文研究信号模型可以从测量电流信号和其他切削参数来估计刀具磨损状态。测量电流和估计的电流被定义为真正特征值和估计特征值，用真正特征值对应不同的磨损状态估计特征值评价实际磨损状态之间的相似性，任何估计磨损状态的程度。 　　在不同切削条件下进行了55刀具磨损实验。实验随机选择35个样本作为训练样本，21个样本作为测试样本，用上述方法估算刀具磨损值。利用模糊推理方法计算了不同刀具磨损状态下，刀具磨损程度分类的隶属度函数，用隶属函数对测试样本进行实验，仿真结果验证该方法的有效性。 　　3 结论 　　本文分析了刀具磨损和切削参数对主轴电机的影响程度，通过实验研究和回归分析，建立了不同刀具磨损状态下电流