[發(fā)明專利]基于條件隨機(jī)場模型的刀具磨損狀態(tài)監(jiān)測方法

有效

• 申請?zhí)枺?/td>: 201210142987.1
• 申請日: 2012-05-09
• 公開（公告）號: CN102689230A
• 公開（公告）日: 2012-09-26
• 發(fā)明（設(shè)計(jì)）人: 王國鋒;郭志偉;馮曉亮
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號: B23Q17/09
• 分類號: B23Q17/09
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 李麗萍

技術(shù)領(lǐng)域

本發(fā)明涉及一種刀具磨損狀態(tài)監(jiān)測方法，尤其涉及一種基于條件隨機(jī)場(CRF)模型的刀具磨損狀態(tài)監(jiān)測方法。

背景技術(shù)

刀具在切削的過程中，由于刀具和工件長時(shí)間的接觸磨損以及積屑瘤、操作不當(dāng)?shù)仍颍自斐傻毒叩哪p，使刀具的幾何形狀發(fā)生變化，降低了工件加工的精度，不僅浪費(fèi)時(shí)間，而且增大了加工的成本。隨著制造業(yè)的發(fā)展，切削加工正面臨著提高加工質(zhì)量、縮短加工時(shí)間、降低加工成本等方面的挑戰(zhàn)，而切削過程中刀具的磨損會直接影響加工質(zhì)量，降低加工效率，甚至損傷加工工件和機(jī)床，如果靠停機(jī)檢測，會大大降低生產(chǎn)效率，無法及時(shí)改善加工質(zhì)量，因此這就迫切要求對刀具磨損狀態(tài)實(shí)行在線監(jiān)測和評估，根據(jù)監(jiān)測結(jié)果進(jìn)行適當(dāng)?shù)牟僮鳌Ｒ恢币詠恚芏鄬W(xué)者對刀具磨損狀態(tài)監(jiān)測進(jìn)行了大量的研究，并且取得了一些成果，但都存在一些不足之處。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)的一些不足之處，為了對加工過程中刀具的不同磨損狀態(tài)做出準(zhǔn)確的監(jiān)測，降低刀具磨損后未能及時(shí)換刀引起的損失，本發(fā)明提供了一種基于條件隨機(jī)場(CRF)模型的刀具磨損監(jiān)測方法，通過建立刀具磨損狀態(tài)與提取的聲發(fā)射信號特征之間的CRF模型，對刀具不同磨損階段的磨損狀態(tài)進(jìn)行了準(zhǔn)確的識別，從而達(dá)到通過產(chǎn)生的聲發(fā)射信號預(yù)測刀具的不同磨損狀態(tài)的目的。

為了解決上述技術(shù)問題，本發(fā)明基于條件隨機(jī)場模型的刀具磨損狀態(tài)監(jiān)測方法是在刀具進(jìn)行多次切削過程中，對刀具進(jìn)行磨損監(jiān)測，包括以下步驟：

步驟一、對采集到的切削過程的聲發(fā)射信號進(jìn)行預(yù)處理：首先，去掉刀具剛切入和切出部分的聲發(fā)射信號，截取切削平穩(wěn)階段的聲發(fā)射信號，然后，對聲發(fā)射信號進(jìn)行濾波和小波分解，選取60KHz到200KHz頻段的信號進(jìn)行特征提取；

步驟二、從聲發(fā)射信號中提取特征向量，包括提取聲發(fā)射信號的最大值、偏度、峭度、均方根、熵、方差和峰峰值，從而得到條件隨機(jī)場模型的訓(xùn)練樣本和測試樣本；

步驟三、分析聲發(fā)射信號的特征與刀具磨損狀態(tài)的關(guān)系，建立刀具磨損狀態(tài)監(jiān)測的條件隨機(jī)場模型：

首先，初始化條件隨機(jī)場模型參數(shù)，該條件隨機(jī)場模型使用線性鏈?zhǔn)浇Y(jié)構(gòu)，設(shè)置模型參數(shù)，主要是特征權(quán)重參數(shù)λ的設(shè)置，將特征權(quán)重參數(shù)λ的初值為零，特征權(quán)重參數(shù)λ的維數(shù)取決于訓(xùn)練樣本個(gè)數(shù)和狀態(tài)數(shù)；

然后，設(shè)置模型訓(xùn)練的收斂精度ε，將訓(xùn)練樣本輸入初始化后的條件隨機(jī)場模型進(jìn)行迭代運(yùn)算，采用擬牛頓算法計(jì)算參數(shù)，當(dāng)梯度小于等于收斂精度ε時(shí)，停止迭代；

最終，采用最大似然估計(jì)求解法，確定訓(xùn)練后的條件隨機(jī)場特征權(quán)重參數(shù)λ，從而建立刀具磨損狀態(tài)監(jiān)測的條件隨機(jī)場模型；

步驟四、將由步驟二得到的測試樣本輸入到由步驟三建立的刀具磨損狀態(tài)監(jiān)測的條件隨機(jī)場模型中進(jìn)行概率計(jì)算，得到該測試樣本對應(yīng)的標(biāo)記序列，從而進(jìn)行刀具磨損狀態(tài)的識別，并由刀具磨損狀態(tài)監(jiān)測的條件隨機(jī)場模型輸出測試樣本所對應(yīng)的刀具磨損狀態(tài)的類型，刀具磨損狀態(tài)的類型包括有：

1)新刀，磨損量為0；

2)初期磨損，磨損量為(0.05～0.1)mm；

3)正常磨損，磨損量為(0.1～0.5)mm；

4)劇烈磨損，磨損量大于0.5mm。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

本發(fā)明基于條件隨機(jī)場(CRF)模型的刀具磨損監(jiān)測方法是采用CRF建模，采用聲發(fā)射作為監(jiān)測信號，具有信號獲取容易，響應(yīng)快和靈敏度高等特點(diǎn)，在刀具在線監(jiān)測中具有很大優(yōu)勢；CRF模型不需要對識別數(shù)據(jù)做獨(dú)立性假設(shè)，而在應(yīng)用HMM時(shí)，首先要假設(shè)識別數(shù)據(jù)是相互獨(dú)立的。在實(shí)際的切削過程中，通常提取的信號的特征向量不是相互獨(dú)立的，而是有一定的聯(lián)系的，CRF模型是一種無向圖結(jié)構(gòu)模型，在給定觀測序列的條件下，可以建立一個(gè)觀測序列和標(biāo)記序列的聯(lián)合概率模型，直接采用指數(shù)分布來估計(jì)隨機(jī)變量序列的概率分布，并且允許狀態(tài)與觀測數(shù)據(jù)之間存在非局部依賴關(guān)系。因此，本發(fā)明更適合應(yīng)用于實(shí)際情況。

附圖說明

圖1是本發(fā)明監(jiān)測刀具磨損狀態(tài)條件隨機(jī)場模型的建模主流程圖；

圖2是本發(fā)明中基于條件隨機(jī)場(CRF)建模的線性鏈?zhǔn)綏l件隨機(jī)場模型；

圖3是本發(fā)明中基于條件隨機(jī)場(CRF)模型訓(xùn)練曲線；

圖4-1至圖4-4是刀具磨損照片，

其中：圖4-1是0^th/0mm，圖4-2是16^th/0.10mm，圖4-3是34^th/0.30mm，圖4-4是41^th/0.55mm。

具體實(shí)施方式