[發明專利]一種數控滾齒機滾刀狀態智能監測方法

有效

• 申請號: 201811314647.6
• 申請日: 2018-11-06
• 公開（公告）號: CN109396956B
• 公開（公告）日: 2020-04-07
• 發明（設計）人: 李國龍;董鑫;何坤;賈亞超
• 申請（專利權）人: 重慶大學
• 主分類號: B23Q17/09
• 分類號: B23Q17/09
• 代理公司: 重慶信航知識產權代理有限公司 50218
• 代理人: 吳彬

1.一種數控滾齒機滾刀狀態智能監測方法，其特征在于，包括以下步驟：

步驟一，通過預埋振動加速度傳感器實時采集滾刀滾切加工循環中B軸的振動模擬量，所述B軸為數控滾齒機的主軸；振動模擬量利用機床總線接入PLC控制器中經A/D轉換成數字量，從而獲得B軸振動信號；并將滾切加工循環劃分為空滾切階段、過渡滾切階段及穩態滾切階段；

所述空滾切階段表征滾刀與齒輪毛坯接觸前的運動過程；

所述過渡滾切階段表征滾刀切入和切出齒輪毛坯的運動過程；切入時，滾刀與齒輪毛坯接觸面積逐漸增大；切出時，滾刀與齒輪毛坯接觸面積逐漸減??；

所述穩態滾切階段表征滾刀與齒輪毛坯接觸面積最大且相對穩定的運動過程；

步驟二，根據B軸振動信號周期性出現的峰值跳躍特征對信號進行數據分割，將一個滾切加工循環的振動信號在時域上分割成三段，分別對應空滾切階段、過渡滾切階段及穩態滾切階段；

步驟三，進行大量的滾刀全生命周期滾齒加工實驗，選取各類滾刀狀態下對應的穩態滾切階段B軸振動信號，構建滾刀狀態標準樣本集X，并進行樣本標號；提取樣本的時域特征參數、頻域特征參數及Hilbert包絡譜頻域特征參數，構成樣本初始特征向量f₀；

步驟四，利用滾刀狀態標準樣本集X中的全體樣本構建滾刀狀態互K近鄰圖G，建立圖G的相似矩陣S和拉普拉斯矩陣L；對特征參數進行去均值化處理；然后計算每個特征參數的拉普拉斯分值，并以此作為依據進行特征選擇，構成樣本特征向量f；

步驟五，根據最新獲得的滾刀穩態滾切階段B軸振動信號樣本，結合滾刀狀態標準樣本集X中的樣本及其標號，構建滾刀狀態特征矩陣F：

其中，m表示滾刀狀態標準樣本集X中的樣本個數，q表示最新獲得的滾刀穩態滾切階段B軸振動信號樣本個數，l表示樣本特征向量f的維度；f_ij表示第i個樣本的第j個特征，i＝1,2,…,m+q；j＝1,2,…,l；c_k表示樣本標號，k＝1,2,…,m；

根據最大值法對F中特征參數值進行標準化，再通過最大最小法建立模糊相似關系矩陣R，然后構造傳遞閉包t(R)，采用λ截矩陣法進行聚類分析，實現滾刀狀態識別。

2.根據權利要求1所述的數控滾齒機滾刀狀態智能監測方法，其特征在于：在步驟一中，所述的預埋振動加速度傳感器是在數控滾齒機裝配制造過程中預埋在B軸端部軸承支座內的振動加速度傳感器。

3.根據權利要求1所述的數控滾齒機滾刀狀態智能監測方法，其特征在于：在步驟三中，所述滾刀狀態包括新刀、早期磨損、正常磨損、急劇磨損、擴展裂紋、刀齒斷裂等六類，新刀指全新的滾刀或經刃磨后的滾刀；

所述的滾刀狀態標準樣本集X中，六類滾刀狀態對應的樣本個數相等；樣本標號分別為：1表征新刀狀態B軸振動信號樣本，2表征早期磨損狀態B軸振動信號樣本，3表征正常磨損狀態B軸振動信號樣本，4表征急劇磨損狀態B軸振動信號樣本，5表征擴展裂紋狀態B軸振動信號樣本，6表征刀齒斷裂狀態B軸振動信號樣本；

所述的時域特征參數包括均值、均方根值、方差、協方差、最大幅值、最小幅值、峰峰值、幅值中位數、幅值均方根值、波形指標、脈沖指標、峭度指標、裕度指標、偏度、峰值因子等15個，頻域特征參數與Hilbert包絡譜頻域特征參數分別包括重心頻率、均方頻率、均方根頻率、頻率方差、頻率標準差等5個，共計25個特征參數。

4.根據權利要求1所述的數控滾齒機滾刀狀態智能監測方法，其特征在于：在步驟四中，所述的特征選擇是通過對樣本全體特征參數的拉普拉斯分值進行升序排列，選取前l個拉普拉斯分值對應的特征參數構成樣本特征向量f。