铣削过程中基于传感器融合技术的刀具状态监控.docVIP

铣削过程中基于传感器融合技术 的刀具状态监控 A R Mohanty，K V R Subrahmanyam 机械工程部-印度理工学院 克勒格布尔-721 302 印度 LabView。钢构件的端面铣削已经可以由硬质合金刀片通过设置超宽领域的工艺参数得到实施。在实验室以及在实际工业环境中都进行了试验尝试，在试验过程中，综合不同的传感器获得的相应刀具磨损状态可以通过光学显微镜测量得到。获得的信号经过去噪，滤波，分段等不同域中的预处理，提取不同状态下的特征值。将这些与刀具标准状态相关联的特征值综合起来，以便构建有导师监督的神经估计量模型。在不同的神经估计量中，刀具力和能量的融合估计量误差达到了水平。这项工作提出了涡流、电压传感器替代力传感器对切削刀具状态进行监控。 AISI 1060钢构件已经可以由经过几何改良的硬质合金刀片进行端面铣削。为了观察研究刀具切削状态，实施了三种不同类型实验，分别对不同切削参数进行组合，他们被称为刀具寿命实验或者磨损破裂实验。在固定机器参数（切削速度、进刀量、切削深度）条件下，对单一新铣刀进行刀具寿命实验。加工过程一直持续到侧刀面平均磨损量达到一个参考量（大约600）后停止。在此实验过程中，周期性的采集不同传感器的特征量，进而对切削刀具的状态进行监测，最后在离线时用光学显微镜对磨损量情况进行观察。详细的实验情况如下表所示。 机床#钢 （150mm x 70mm x 70mm） 切削工况 干切削 铣刀转速 98m/min, 110m/min, 140m/min, 212m/min 刀具进刀量 0.08mm/tooth, 0.16mm/tiith, 0.24mm/tooth 切削深度 1mm, 1.5mm, 2mm 表1 实验切削参数明细 这些刀具寿命实验已经在两台铣床上进行。尽管已经有一系列实验，但目前研究工作主要强调五大类，分别被成为阶段1~5。每类实验详细切削参数如下表所示： 铣刀转速 刀具进刀量 切削深度 Ⅰ 98 0.16 1.5 Ⅱ 98 0.22 1.5 Ⅲ 140 0.22 1.5 Ⅳ 212 0.16 2.0 Ⅴ 150.180 0.2 2 2 五类实验各自切削参数Ⅰ~Ⅲ已经在使用惯用铣削的实验室得到实施，实验Ⅳ~Ⅴ在克勒格布尔的弗兰德公司下属的工厂里的数控铣床上得到实施。各自试验完成后，用光学显微镜观察磨损刀具的边缘。这些铣刀已经磨损到一个预先定义的水平，并且将他们根据不同的侧刀面磨损量看成一个刀具库。他们可以用来分析在不同切削参数的组合中，特殊侧刀面磨损的信息，因此他们被认为是刀具库实验。 将一个三向轴向压电测力计安装在加工刀具刀柄上，加工过程中，可以通过三向压电加速度计来观察工件和主轴振动。机床主轴电机的输入电流可以通过霍尔电流传感器来获得。为了计算瞬时功率，利用霍尔电压传感器来感知主轴电机的电压。用PCI-6052E，采样频率333的数据采集卡来采集信号。由压电测力计采集到的切削力信号可以分解为X,Y两个方向（纵向、横向两个独立的进给方向）和Z方向（推力方向），Z方向的切削力相比其它两个方向的力非常小。因此，刀具磨损状态监测中只考虑X,Y两个方向的切削力。典型的力信号如下图1（a），1（b）所示， 图1（b） 横向切削力 压电加速度计用来探测振动情况。三向加速度计分别对三个方向的振动信号进行收集。所有刀具三向振动和主轴振动被认为在加工初期就存在，Z方向和主轴振动在后期开始下降。尽管加速度计安装在主轴上，但是振动信号不仅由刀具磨损引起，还包括变速器箱中的滚动体、旋转体振动引起的信号。图2（a）清楚表明，即使是停车时间，信号中仍有大量峰值点，信号需经过4阶切比雪夫滤波。在同一频域区间内，很难把单独的刀具磨损信号分离出来。 图2（a） 典型主轴振动信号 图2（b） 轴向振动信号 用霍尔电流传感器来获得加工过程的电流。信号幅值在工作和非工作期间变化很大，如图3所示。电压信号也可通过相同方法获得。 图3 主轴电机电流信号 信号间相互关系 随着多个传感器应用于相同任务，人们正在试图将各种信号联系起来。计算两个信号的相关系数就是两个信号的相似程度，这也是本论文研究的重点。互相关系数和自相关系数规定为-1~1，信号之间的互相关系数规定如下表所示： Fx Fy Vsp Vx Vy Vz Is Vols Ps Fx 1 0.868 0.001 0.054 0.084 0.032 0.076 0.054 0.616 Fy 0.868 1 0.001 0.013 0.166 0.045 0.082 0.55 0.569 Vsp 0.001 0.001 1 0.321 0.396 0.423 0.032 --- --- Vx 0.0