刀具磨损声发射DSP系统工作概述.pptVIP

刀具磨损声发射DSP系统硬件工作概述 535实验室 目录 项目概括 已有成果 遇到问题 最近工作 1 项目概括 1.1 算法方面 声发射信号是一种具有局部冲击响应典型的非平稳时变信号，它由金属摩擦、金属晶格破裂等激发源信号和外部噪声叠加耦合而成。 利用加工过程中产生的声发射信号诊断刀具磨损的状态，是一种常用有效的诊断方法。 这些信号包含了丰富的刀具状态信息。刀具磨损状态识别是信号挖掘的过程，其包括特征提取和分类两个关键环节。 1.2 现有硬件 1.2.1 系统级构架 1.2.2 电路板级构架 1.2.3 信号调理电路级构架 1.2.4 信号处理电路模块级构架 1.2.5 FPGA部分模块构架 1.2.6 DSP部分构架 2 已有成果 2.1实验成果 2010年2月现场试验： 试验环境：LABVIEW 下的研华采集卡、RS40传感器 操作界面： 实验结果： 信号能量集中在20khz以下，理想的150khz区间内无明显信号。 信号能量很大，噪声很大。 RS40传感器频率太低，无法满足试验需求 没有测量刀具VB值。无法进行识别。 2010年7月现场试验： 试验环境：LABVIEW 下的研华采集卡、RS150传感器 刀具：肯纳KC9125 工件材料：GH625 40CrNiMoA GH4167 实验结果： 改用更高频率的传感器，但是信号能量依旧在30khz以下的 低频部分。 试验用传感器需要额外加固。 可以对严重磨损状态和锋利状态的刀具进行识别。 2010年10月现场试验 试验环境：LABVIEW 下的研华采集卡、RS150传感器 刀具：肯纳KC9125 工件材料：40CrNiMoA GH536 GH696 0Cr17Ni4CuNb 实验结果： 同种刀具对多种材料进行试验的信号进行比较，差异较小。 信号能量仍在30Khz以下 一些数据可以进行3状态分类。 2.2算法应用成果 特征提取实现：小波包、小波、emd、eemd 分类实现：神经网络、支持向量机 2.3硬件成果： 构建LABVIEW的数据采集平台 滤波放大电路的设计 FPGA内部算法有一定的认识。 DSP的支持向量机、和EMD程序（有待实现） 3遇到的问题 滤波电路，需要再制作。 FPGA学习 DSP的学习，开发板需要维修。 4.最近工作 加滤波器，截止频率50-200khz 或 200-400khz。 改进FPGA程序，增加系统传输稳定性。 充分利用DSP 开发板，对算法进行移植。使用CCS与matlab进行联合仿真实现算法。 1.1.1 AE信号采集 1.1.2 信号的转换 1.1.3 特征提取及分类 计算各个IMF分量的能量和总能量： 上式中n为IMF分量的个数，记： 将各个IMF的能量进行归一化处理： 即得到特征向量： * * 徐洪垚 AE信号 EMD分解 特征提取 SVM训练 状态输出 传感器 前置放大器 信号调理板 研华采集卡 计算机 小波分解 经验模态分析 表1 多种材料之间的刀具磨损特征提取与预测 30/30 5.7638-04 0.0052 0.0130 0.0241 0.0470 0.1580 0.1949 0.5484 严重 27/30 0.0043 0.0056 0.0033 0.0079 0.0619 0.0214 0.0762 0.8614 中期 29/30 0.0013 0.0013 0.0083 0.0097 0.0225 0.0339 0.1804 0.6622 初期 0.4 0.08 450 GH 696 30/30 6.1978e-04 0.0044 0.0160 0.0199 0.0580 0.1166 0.2170 0.5597 严重 28//30 4.8196e-04 0.0058 0.0040 0.0052 0.0161 0.0445 0.2850 0.6332 中期 29/30 8.9144e-04 0.0013 0.0030 0.0081 0.0127 0.0315 0.1800 0.7532 初期 0.1 0.08 355 GH 536 E8 E7 E6 E5 E4 E3 E2 E1 分类准确率 用来测试分类准确率的特征向量（由于篇幅只列举部分） 刀具 磨损 状态 切削 深度 mm 进给 量 mm/r 切削速度 r∕min 工件 材料 传感器 前置放大器 信号调理电路 信号处理电路 显示电路 刀具 * *