[發(fā)明專利]基于果蠅優(yōu)化算法的銑刀磨損狀態(tài)監(jiān)測方法

有效

• 申請?zhí)枺?/td>: 201610255972.4
• 申請日: 2016-04-21
• 公開（公告）號: CN105834834B
• 公開（公告）日: 2017-10-27
• 發(fā)明（設(shè)計）人: 王玫;袁敏
• 申請（專利權(quán)）人: 四川大學(xué)
• 主分類號: B23Q17/09
• 分類號: B23Q17/09
• 代理公司: 成都科海專利事務(wù)有限責(zé)任公司51202
• 代理人: 呂建平

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)械切削加工狀態(tài)監(jiān)測診斷技術(shù)，具體涉及一種基于果蠅優(yōu)化算法的銑刀磨損狀態(tài)監(jiān)測方法。

背景技術(shù)

銑削加工是現(xiàn)代機(jī)械制造業(yè)的重要加工技術(shù)。銑削加工質(zhì)量如表面粗糙度和加工尺寸以及精度很大程度上受到刀具磨損狀態(tài)的影響。銑削加工運(yùn)行中人們對銑削刀具磨損狀態(tài)的判斷，通常選取力信號、聲音信號和振動信號等加工時的特征信號來判斷刀具磨損狀態(tài)，作為更換刀具的參考。

銑削信號特征的提取，就是從眾多時域、頻域和時頻信號特征中提取對銑刀磨損量影響最顯著的特征。特征提取的目的是使通過傳感器采集到的信號更容易被映射到不同的刀具磨損狀態(tài)。一般來說，直接通過傳感器和數(shù)據(jù)采集裝置獲得的反映切削過程狀態(tài)的原始數(shù)據(jù)存在兩個方面的問題：一是數(shù)據(jù)太大，不便于存儲和記錄；二是原始數(shù)據(jù)包含的冗余信息太多，信息中還包括隨機(jī)噪聲，不能有效地反映被監(jiān)測對象所處的真實狀態(tài)。因此，原始信號不能直接用來監(jiān)測刀具磨損的變化，必須對其進(jìn)行加工、處理，以達(dá)到信號能真實地反映刀具磨損狀態(tài)的目的。所以傳感器獲得的原始信號必須進(jìn)行特征分析和特征提取。特征提取的好壞嚴(yán)重影響刀具狀態(tài)模式識別和加工數(shù)據(jù)融合，具有重要現(xiàn)實意義，受到國內(nèi)外研究人員的高度重視。采用回歸分析進(jìn)行特征提取，其不足的地方是不能對決策變量和相應(yīng)的潛在非線性關(guān)系準(zhǔn)確描述。誤差分量之間必須相互獨立、正態(tài)分布，有常數(shù)方差。因此回歸分析法不能進(jìn)行高精度評估。協(xié)同模糊聚類同G-K聚類算法相結(jié)合的方法，強(qiáng)調(diào)了不同集合之間的相關(guān)性，用相似性特征選擇方法進(jìn)行數(shù)據(jù)處理。但該方法開發(fā)過程基于專家知識，不適合動態(tài)變化的切削過程。遺傳算法的算法參數(shù)的選擇沒有通用規(guī)則，時間長，效率低。現(xiàn)有技術(shù)的特征選擇方法還存在一些不足，需研究新的特征提取的方法，以對切削過程中的切削刀具磨損狀態(tài)實時檢測，滿足切削加工生產(chǎn)實踐的需要。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)銑刀磨損狀態(tài)監(jiān)測方法的技術(shù)現(xiàn)狀與不足，本發(fā)明的目的旨在提供一種能夠準(zhǔn)確檢測銑削刀具磨損狀況的基于果蠅優(yōu)化算法的銑刀磨損狀態(tài)的監(jiān)測方法。

本發(fā)明的銑刀磨損狀態(tài)監(jiān)測方法的基本思想，是利用傳感器獲取銑削力時域信號，經(jīng)過小波變換(Wavelet transform,WT)提取節(jié)點信號能量作為時頻域特征，利用果蠅優(yōu)化算法(Fruit Fly Optimization Algorithm，F(xiàn)OA)提取最有效特征集，最后將選擇的特征輸入BP神經(jīng)網(wǎng)絡(luò)對銑刀磨損狀態(tài)進(jìn)行監(jiān)測。

本發(fā)明提供的基于果蠅優(yōu)化算法的銑刀磨損狀態(tài)的監(jiān)測方法，主要包括以下步驟：

(1)采集銑削力信號：利用與多通道電荷放大器連接的三相測力儀通過數(shù)據(jù)采集板采集銑削加工運(yùn)行中的銑刀銑削力信號；

(2)提取時域特征和能量特征：采用Daubechies小波包對步驟(1)采集到的銑刀銑削力信號進(jìn)行4層小波變換和降噪處理，提取銑削力信號中的6個時域特征和16個能量特征；

(3)時域特征和能量特征優(yōu)選：對步驟(2)提取到的時域特征和能量特征采用果蠅優(yōu)化算法進(jìn)行優(yōu)選，選擇進(jìn)一步能準(zhǔn)確反映銑刀磨損狀態(tài)的特征，以降低特征個數(shù)，減少BP神經(jīng)網(wǎng)絡(luò)運(yùn)算量；

(4)將步驟(3)得到的優(yōu)選后的特征輸入BP神經(jīng)網(wǎng)絡(luò)，計算出銑刀的磨損量，判斷出銑刀磨損狀態(tài)，實現(xiàn)對加工運(yùn)行中的銑刀磨損狀態(tài)在線監(jiān)測。

本發(fā)明進(jìn)一步的技術(shù)方案，在采用Daubechies小波包對步驟(1)采集到的銑刀銑削力信號進(jìn)行小波變換和降噪處理之前，優(yōu)先通過一個低通濾波器濾除掉高頻噪聲，然后采用Daubechies小波包對數(shù)據(jù)進(jìn)行進(jìn)一步處理。

在本發(fā)明的上述技術(shù)方案中，優(yōu)先采用Daubechies小波包系列中的db5小波包對步驟(1)采集到的銑刀銑削力信號進(jìn)行4層小波變換和降噪處理。

所述6個時域特征分別為銑削力最大值、銑削力最大幅度、銑削力平均力、銑削力均方根值、銑削力標(biāo)準(zhǔn)方差和銑削力峰值，它們分別通過下述公式計算：

銑削力最大值

銑削力最大幅度j表示銑床主軸轉(zhuǎn)動的圈數(shù)，F(xiàn)(j,t)表示在第j圈的t個時間單位的銑削力；

銑削力平均力F(j,i)表示第j個力學(xué)采樣，N是該圈內(nèi)的總采樣數(shù)；

銑削力均方根值F(i,j)表示第i個力學(xué)采樣；

銑削力標(biāo)準(zhǔn)方差

銑削力峰值f(i,j)表示從數(shù)列F(i,j)中找出的N個峰值，表示信號的幅度；

16個能量特征分別為：