基于谐波特征和GA—SVM的刀具状态监测.pdfVIP

工艺与检测Techn0yand 基于谐波特征和 GA—SVM 的刀具状态监测 陈泽宇 (广州铁路职业技术学院，广东 广州 510430) 摘 要：刀具状态的监测是实现机械加工 自动化重要的一环。为了有效地捕捉刀具的状态信息。提出了一种 基于谐波特征和GA-SVM (遗传一支持向量机)相结合的刀具状态监测方法。该方法运用小波变换 提取AE信号的谐波特征信息，作为支持 向量机的输入参数，GA寻找SVM 建立刀具状态模型的最 优参数 。通过训练建立模型。结果表明，该方法能有效监测刀具磨损状态。 关键词：刀具磨损 AE信号 GA—SVM 谐波特征 中图分类号 ：TH16；TG65 文献标识码 ：A Tool-wearSmonitoringbasedonharmonicfeaturesandGA-SVM CHEN Zeyu (GuangzhouInstituteofRailwayTechnology，Guangzhou510430，CHN) Abstract：Tool-wearSmonitoringplaysan importantpart inautomaticmachiningprocesses．Inordertoon—line monitortoolwear，acombinedapproachofcharacteristicharmonicsandGA—SVM(GeneticAlgorithm— SupportVectorMachine)inon-linemonitortoolwearisused．HarmonicfeaturesofAEsignalsisex— tractedfirstlybywavelettransform，whichwasusedasaninputofSVM ，andthenGA isusedtofindthe optimizedparameterofSVM tobuildthemodeloftoolconditionthroughtraining．Theexperimentresults showedthatthemodelcaneffectivelymonitorthetoolcondition． Keywords：Tool—wear；AE Signals；GA-SVM ；Hamr onicFeatures 在机械 自动化加工中，刀具状态监测有利于提高 是一个时频的局域变换，能通过伸缩和平移等功能从 机械的加工质量及加工效率，降低加工成本，因此监测 信号获得细化的信息。故本文提出了基于小波变换提 刀具状态是现代化加工技术的重要课题Ⅲ1J。目前，监 取谐波特征和 GA—SVM的方法，进行刀具状态监测， 测刀具状态的常用方法有直接监测和间接监测，直接 运用小波变换提取谐波特征，采用遗传算法优化支持 监测主要用于监测刀具切削力参数；间接监测用于监 向量机的参数选取，来建立刀具状态监测模型。 测加工中的振动、声发射 (AE)、电动机电压电流等参 1 谐波特征 数。文献[2]中研究表明，在金属切削过程中，刀具的 摩擦 、切削和断裂时会产生机械波，此即为 AE信号。 1．1 小波变换 AE信号包含加工过程丰富信息，是典型的非平稳信 设 (t)∈L(R)，L(R)表示平方可积的实数空 号。采用AE信号作为监测信号，有灵敏度高，响应速 间，即能量有限的信号，其傅立叶变换为 () 。当 度快等优点，是近年发展起来的检测方法，已经应用于 (O9)满足相容性条件时： 多种监测上 。 c 』 d∞。。 (1) 目前 ，谐波特征实际上指的是信号中各次谐波的 幅值和相位，通常采用傅里叶变换及其改