發(fā)布時(shí)間：2020-09-01 21:34

　　 刀具狀態(tài)監(jiān)測(cè)可以有效避免加工設(shè)備故障和工件破壞,對(duì)于自動(dòng)化生產(chǎn)的實(shí)現(xiàn)至關(guān)重要。目前該研究領(lǐng)域存在兩大障礙尚未有效解決:監(jiān)測(cè)模型在變切削狀態(tài)條件下的適應(yīng)性問題和“示教樣本”的獲取問題。本文將人工智能技術(shù)引入刀具狀態(tài)監(jiān)測(cè)領(lǐng)域,利用模糊邏輯和自組織神經(jīng)網(wǎng)絡(luò)相結(jié)合的手段建立模糊自組織刀具狀態(tài)檢測(cè)系統(tǒng),提出智能化實(shí)時(shí)刀具狀態(tài)監(jiān)測(cè)體系,并采用神經(jīng)網(wǎng)絡(luò)規(guī)則提取技術(shù)實(shí)現(xiàn)有效模糊規(guī)則的獲取,為解決傳感器信號(hào)與刀具磨損狀態(tài)的復(fù)雜對(duì)應(yīng)關(guān)系,進(jìn)而實(shí)現(xiàn)刀具磨損在線監(jiān)測(cè)提供一個(gè)新思路。 1、針對(duì)車削過程建立名為Fuzzy-SOM-TWC的刀具磨損狀態(tài)檢測(cè)系統(tǒng)。在切削條件組合模糊劃分基礎(chǔ)上建立自組織網(wǎng)絡(luò)陣列。對(duì)于具體切削條件,運(yùn)用模糊推理來完成從傳感器信號(hào)特征到對(duì)應(yīng)子網(wǎng)絡(luò)的映射。系統(tǒng)基于切削力、聲發(fā)射以及電機(jī)電流信號(hào)來進(jìn)行刀具磨損狀態(tài)的檢測(cè)識(shí)別。切削試驗(yàn)的試驗(yàn)結(jié)果顯示該系統(tǒng)可達(dá)到較高的正確識(shí)別率。同時(shí),將其同有教師型BP網(wǎng)絡(luò)模型做對(duì)比測(cè)試,結(jié)果顯示在訓(xùn)練樣本量短缺的情況下依然可以保持很高的正確識(shí)別率,且在計(jì)算效率上亦有提高。 2、在刀具磨損規(guī)律分析基礎(chǔ)上,提出針對(duì)高速銑削加工的具備自學(xué)習(xí)能力的智能化實(shí)時(shí)刀具狀態(tài)監(jiān)測(cè)體系。可自動(dòng)進(jìn)行不同刀具狀態(tài)的識(shí)別和磨損程度的數(shù)值估計(jì),較大程度上擺脫了對(duì)“教學(xué)”或“訓(xùn)練”過程的依賴。綜合運(yùn)用時(shí)域分析、離散小波分解和希爾伯特譜分析等技術(shù)對(duì)銑削過程中的三向切削力信號(hào)進(jìn)行時(shí)域及其各個(gè)子頻段特征進(jìn)行提取,并利用相關(guān)性分析技術(shù)進(jìn)行特征篩選。監(jiān)測(cè)系統(tǒng)構(gòu)建基于兩個(gè)嵌套的循環(huán)運(yùn)行過程,核心在于特征量的線性擬合和馬氏距離計(jì)算。高速銑削試驗(yàn)證明了所提出的智能刀具狀態(tài)監(jiān)測(cè)體系的有效性。 3、自動(dòng)化特征提取方法旨在自動(dòng)選擇合適的傳感器和信號(hào)處理技術(shù)來提取出“敏感特征”,減少監(jiān)測(cè)系統(tǒng)開發(fā)時(shí)間和成本。針對(duì)高速銑削過程刀具磨損監(jiān)測(cè),采用切削力、振動(dòng)、聲音和聲發(fā)射傳感器來采集信號(hào),并運(yùn)用時(shí)域、頻域和小波分析技術(shù)對(duì)信號(hào)進(jìn)行處理。提出改進(jìn)的敏感系數(shù)計(jì)算指標(biāo),兼顧靈敏性與穩(wěn)定性,提高了優(yōu)選特征質(zhì)量。試驗(yàn)驗(yàn)證結(jié)果顯示該方法可自動(dòng)地進(jìn)行傳感器和信號(hào)處理技術(shù)的選擇,提取出的敏感特征適合于自學(xué)習(xí)監(jiān)測(cè)系統(tǒng)應(yīng)用。 4、針對(duì)課題組開發(fā)的EXHARMIL模糊硬銑削專家系統(tǒng)的知識(shí)獲取問題,結(jié)合神經(jīng)網(wǎng)絡(luò)監(jiān)測(cè)系統(tǒng)的訓(xùn)練過程,進(jìn)行該技術(shù)在切削加工領(lǐng)域的嘗試應(yīng)用。兩個(gè)工藝知識(shí)模糊規(guī)則提取實(shí)例分別基于“模糊神經(jīng)網(wǎng)絡(luò)”和“知識(shí)網(wǎng)絡(luò)”兩種不同的網(wǎng)絡(luò)模型。試驗(yàn)評(píng)估結(jié)果顯示,其提取規(guī)則的效果優(yōu)于模擬退火類規(guī)則搜索方法。
【學(xué)位單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2009
【中圖分類】：TG506.1;TH165.2
【部分圖文】：

間接監(jiān)測(cè)常用傳感器基于聲發(fā)射的監(jiān)測(cè)技術(shù)聲發(fā)射信號(hào)反映的是金屬材料內(nèi)部晶格的變化，因此包含與刀具磨損密切相關(guān)的信息，對(duì)刀具磨損和破損有較好的預(yù)報(bào)特性，聲發(fā)射技術(shù)也成為另一種被廣泛應(yīng)用于監(jiān)測(cè)領(lǐng)域的傳感器，

圖 1.4 典型 SOM 網(wǎng)絡(luò)結(jié)構(gòu)處理單元陣列。用于接收事件輸入，并且形成對(duì)這些信號(hào)的“判別函數(shù)”。比較選擇機(jī)制。用于比較“判別函數(shù)”，并選擇一個(gè)具有最大函數(shù)輸出值的局部互連作用。用于同時(shí)激勵(lì)被選擇的處理單元及其最鄰近的處理單元。

圖 1.5 刀具磨損量的模糊集普通集嚴(yán)格地對(duì)刀具狀態(tài)進(jìn)行分類，特征值非 0 即 1。而模糊集合能反映出分類邊界處刀具狀態(tài)的變化，從圖 1.5 中可見，當(dāng) VB=0.5 mm 時(shí)，隸屬度為 0.5，表示刀具開始進(jìn)入嚴(yán)重磨損狀態(tài)，隨著 VB 的增大，隸屬度增加，便是刀具嚴(yán)重磨損的程度增加，因此采用模糊集合能

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 陳愛弟,王信義,王忠民,楊大勇,賈玉平;用于監(jiān)測(cè)刀具磨損的聲發(fā)射(AE)特征優(yōu)選方法[J];北京理工大學(xué)學(xué)報(bào);2000年03期

2 李錫文,張潔,杜潤生,楊叔子;小直徑立銑刀后刀面磨損帶的研究[J];工具技術(shù);2000年06期

3 李小俚,姚英學(xué),袁哲俊;基于小波模糊神經(jīng)網(wǎng)絡(luò)刀具監(jiān)控系統(tǒng)研究[J];機(jī)械工程學(xué)報(bào);1998年01期

4 朱名銓,蔡永霞;有監(jiān)督線性特征映射(SLFM)網(wǎng)絡(luò)及刀具磨損量實(shí)時(shí)估計(jì)[J];西北工業(yè)大學(xué)學(xué)報(bào);1997年01期

5 馬吉?jiǎng)?鄭海起;用ART2神經(jīng)網(wǎng)絡(luò)對(duì)銑削過程的監(jiān)測(cè)研究[J];振動(dòng)、測(cè)試與診斷;2001年01期

6 David A Dornfeld ,盧冶;神經(jīng)元網(wǎng)絡(luò)傳感器信息綜合用于刀具狀態(tài)監(jiān)測(cè)[J];組合機(jī)床與自動(dòng)化加工技術(shù);1991年07期

相關(guān)博士學(xué)位論文 前1條

1 高宏力;切削加工過程中刀具磨損的智能監(jiān)測(cè)技術(shù)研究[D];西南交通大學(xué);2005年

本文編號(hào)：2810279