[發明專利]麻花鉆磨損監測方法

在審

• 申請號: 201610042351.8
• 申請日: 2016-01-22
• 公開（公告）號: CN105563234A
• 公開（公告）日: 2016-05-11
• 發明（設計）人: 武建偉;羅維朗;鄭宣;金麗麗;鳳迎迎
• 申請（專利權）人: 浙江大學臺州研究院
• 主分類號: B23Q17/09
• 分類號: B23Q17/09
• 代理公司: 臺州市南方商標專利事務所(普通合伙) 33225
• 代理人: 郭建平

1.麻花鉆磨損監測方法，由主軸電機和進給電機共同驅動所述麻花鉆進行工件切削， 其特征在于，包括如下步驟：

（1）設定切削參數：設所述主軸電機的轉速為n；設當所述主軸電機轉動一圈時，所述進 給電機的進給量為f；

（2）當所述主軸電機和所述進給電機以步驟（1）中所述切削參數工作時，分別采集所述 麻花鉆的鉆頭在正常磨損、過度磨損和崩刃三種磨損狀態下的以下四個參數：所述麻花鉆 鉆頭的鉆削力、所述麻花鉆鉆頭的扭矩、所述主軸電機的電流和所述進給電機的電流；

（3）對步驟（2）所述四個參數按db4小波包進行三層小波包分解，得到8個頻帶能量譜， 取其中第2、3、4和5的四個頻段的能量譜作為特征值作為條件屬性，將所述麻花鉆的鉆頭的 所述三種磨損狀態作為決策屬性，建立決策表；

（4）將步驟（3）所述四個頻段的能量譜作為BP神經網絡的輸入向量，所述麻花鉆的鉆頭 的所述三種磨損狀態作為所述BP神經網絡的輸出向量，所述BP神經網絡的每組輸入向量和 輸出向量構成一組數據樣本，選取40組所述數據樣本對所述BP神經網絡進行訓練學習，以 確定所述BP神經網絡的各層神經元的系數；

（5）用訓練好的所述BP神經網絡對所述麻花鉆的鉆頭的磨損狀態進行預測。

2.如權利要求1所述的方法，其特征在于，步驟（2）所述四個參數的采樣頻率為1kHz。

3.如權利要求1或2所述的方法，其特征在于，步驟（2）所述麻花鉆鉆頭的鉆削力和所述 麻花鉆鉆頭的扭矩由四分力壓電式傳感器采集。

4.如權利要求1或2所述的方法，其特征在于，步驟（2）所述主軸電機的電流和所述進給 電機的電流由三相交流互感器采集。

5.如權利要求1所述的方法，其特征在于，所述BP神經網絡選擇3層，輸入神經元為4個 節點，輸出神經元為1個節點。

6.如權利要求5所述的方法，其特征在于，通過逐步改變所述BP神經網絡的隱含層節點 數來對BP神經網絡進行訓練，將所述BP神經網絡的輸出誤差最小時對應的隱含層節點數確 定為訓練后的所述BP神經網絡的隱含層節點數。

7.如權利要求6所述的方法，其特征在于，對所述BP神經網絡進行訓練學習的步驟如 下：

（a）初始化權值及閾值為(-1,1)區間的隨機值；

（b）進入循環，計算隱含層各節點和輸出層各節點的輸入與輸出；

（c）計算隱含層和輸出層各節點的誤差；

（d）使用有自適應邏輯回歸的梯度下降法修正閾值；

（e）完成一個循環，判斷全局誤差是否小于指定值；若是，則退出循環，轉到步驟(f)；若 否，則返回步驟(b)；

（f）計算輸出層；

（g）訓練結束。

8.如權利要求7所述的方法，其特征在于，用訓練好的所述BP神經網絡對所述麻花鉆的 鉆頭磨損狀態進行預測時，

當所述BP神經網絡的輸出值在[0.5,1.499]范圍內時,則所述麻花鉆的鉆頭磨損狀態 為正常磨損；

當所述BP神經網絡的輸出值在[1.5,2.499]范圍內時，則所述麻花鉆的鉆頭磨損狀態 為過度磨損；

當所述BP神經網絡的輸出值在[2.5,3.499]范圍內時,則所述麻花鉆的鉆頭磨損狀 態為崩刃。