【摘 要】針對當(dāng)前刀具狀態(tài)監(jiān)測報警技術(shù)是建立在靜態(tài)報警基礎(chǔ)上的問題，本文提出了刀具狀態(tài)動態(tài)報警線的構(gòu)建方法。采用聲發(fā)射傳感器、凌華科技PCI-9846高速數(shù)字化儀、LabVIEW構(gòu)成數(shù)據(jù)采集系統(tǒng)，應(yīng)用小波包分析提取刀具磨損狀態(tài)的特征向量，利用概率神經(jīng)網(wǎng)絡(luò)構(gòu)建刀具運(yùn)行狀態(tài)模型，根據(jù)歷史數(shù)據(jù)確定報警值并設(shè)置報警線，使得刀具磨損狀態(tài)監(jiān)測報警線能夠隨設(shè)備實際運(yùn)行情況作自適應(yīng)調(diào)整。實驗結(jié)果表明，該方法建立了刀具壽命與實際運(yùn)行狀態(tài)之間的聯(lián)系，為刀具磨損狀態(tài)監(jiān)測提供了新思路，具有重要的理論意義和應(yīng)用價值。

1引言

刀具狀態(tài)監(jiān)測系統(tǒng)是數(shù)控加工過程中保證產(chǎn)品質(zhì)量、減少設(shè)備故障的重要手段,已成為現(xiàn)代數(shù)控機(jī)床的必要組成部分。當(dāng)前的刀具狀態(tài)監(jiān)測報警技術(shù)是建立在靜態(tài)報警的基礎(chǔ)上，一旦發(fā)現(xiàn)參數(shù)超越閾值，就立即報警或采取相應(yīng)的措施。這種固定的報警技術(shù)沒有考慮機(jī)床的實際運(yùn)行條件和現(xiàn)場工況，易出現(xiàn)誤報、漏報等。事實上，刀具狀態(tài)與工作條件、工作時間、功率、速度等實際情況密切相關(guān)的。隨著刀具磨損狀態(tài)的變化，合理的報警指標(biāo)應(yīng)該是隨之變化的，形成一條客觀反映刀具動態(tài)磨損閾值變化的曲線才真正滿足實際的需要。

針對上述問題，本文采用自我辨識的思路，采用聲發(fā)射傳感器、凌華科技PCI-9846高速數(shù)字化儀、LabVIEW構(gòu)成數(shù)據(jù)采集系統(tǒng)采集刀具磨損信號，利用小波包分解提取刀具磨損狀態(tài)的特征向量，基于由特征向量組成的動態(tài)歷史數(shù)據(jù)，使用概率神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)構(gòu)建刀具磨損狀態(tài)的概率模型。該模型隨刀具磨損情況調(diào)整其分布模型，動態(tài)描述刀具磨損狀態(tài)的變化規(guī)律，依托模型，研究刀具磨損狀態(tài)的動態(tài)評判規(guī)則，構(gòu)建刀具破損的閾值，形成刀具磨損狀態(tài)的自適應(yīng)報警線。

2數(shù)控機(jī)床刀具狀態(tài)監(jiān)測數(shù)據(jù)采集系統(tǒng)

2.1 傳感器的選擇

在線監(jiān)測首先要解決傳感器的問題：常規(guī)的現(xiàn)代無損檢測技術(shù)如振動、超聲波、工業(yè)CT、磁粉檢測都是針對離線檢測，適合與離線缺陷的存在檢測，但是不適合與缺點(diǎn)的增長、活動過程監(jiān)測。而聲發(fā)射技術(shù)適合于在線狀態(tài)監(jiān)測，可以跟蹤缺點(diǎn)的動態(tài)狀態(tài)增長、活動過程監(jiān)測，能探測到在外加結(jié)構(gòu)應(yīng)力下這些缺陷的活動情況，工業(yè)選用聲發(fā)射傳感器的優(yōu)勢在于其頻率范圍遠(yuǎn)遠(yuǎn)高于機(jī)械振動和噪聲的頻率范圍，易于獲得無干擾的信號。因此項目中選用Kistler的壓電陶瓷聲發(fā)射傳感器（型號：8152B），頻率范圍：50~400kHz，諧振頻率150kHz。

2.2 測試系統(tǒng)的選擇和研制

聲發(fā)射傳感器的頻率范圍為：50~400kHz，根據(jù)乃奎斯特定理分析知采樣系統(tǒng)的頻率應(yīng)在1MHz以上?，F(xiàn)有的聲發(fā)射專用數(shù)據(jù)采集系統(tǒng)一方面價格昂貴，另一方面無法集成到數(shù)控系統(tǒng)中，因此本項目中選用凌華科技PCI-9846高速數(shù)字化儀作為數(shù)據(jù)采集系統(tǒng)。凌華科技PCI-9846是一款4通道16位40MS/s采樣率的高速數(shù)字化儀，提供高精度、低噪音及高動態(tài)范圍性能，高密度且高精準(zhǔn)度，應(yīng)用領(lǐng)域廣泛，例如：中頻信號（IFSignal）、雷達(dá)應(yīng)用、光達(dá)應(yīng)用、超音波顯像以及非破壞性檢測，可以完全滿足聲發(fā)射測試系統(tǒng)的要求。上位機(jī)程序選用NI公司的LabVIEW軟件開發(fā)。

3 小波包分解及其頻帶能量

3.1小波包分解

傅里葉變化頻譜分析只考慮正弦信號的能量，適合于平穩(wěn)信號分析。而設(shè)備故障特征信號往往是非平穩(wěn)非線性的，不能用簡單的正弦分量來表示。小波包分析是從小波分析延伸出來的一種對信號進(jìn)行更加細(xì)致的分解和重構(gòu)的方法，將包括正弦信號在內(nèi)的任意信號劃分到相應(yīng)的頻帶里，適用于非平穩(wěn)信號分析。

設(shè)原始信號為，令，則小波包分解的定義如下：

和為兩尺度序列，，即兩系數(shù)也具有正交性。

由式⑴、⑵定義的稱為由基函數(shù)確定的正交小波包。當(dāng)時，和分別為尺度函數(shù)和小波基函數(shù)。

定義空間

小波包分解可以將任一尺度為的小波空間,分解為如下任意正交子空間組合

3.2小波包頻段能量

由定理可知，時域計算信號的能量與頻域計算能量是一致的。設(shè)原始信號數(shù)據(jù)長度為N，則分解頻段中離散信號的數(shù)據(jù)長度減為  ，它的能量可以表示為：

其中k為分解次數(shù)；，為分解頻帶的位置序號。將能量歸一化，選取分解信號相對能量最大的為特征頻段。

4自適應(yīng)報警技術(shù)

自適應(yīng)報警技術(shù)是設(shè)備狀態(tài)監(jiān)測領(lǐng)域涉及設(shè)備運(yùn)行狀態(tài)等級劃分和報警閾值動態(tài)設(shè)定的新技術(shù)，其依據(jù)設(shè)備自身動態(tài)運(yùn)行數(shù)據(jù)構(gòu)建概率模型，建立有明確工程意義的狀態(tài)劃分，實現(xiàn)報警閾值的動態(tài)自適應(yīng)設(shè)置和調(diào)整。自適應(yīng)報警技術(shù)主要用于解決設(shè)備狀態(tài)監(jiān)測中不同設(shè)備的個性問題。

4.1基于概率神經(jīng)網(wǎng)絡(luò)模型的自適應(yīng)報警技術(shù)的理論基礎(chǔ)

在設(shè)備狀態(tài)從正常→異常→故障的演變過程中，所采集的歷史數(shù)據(jù)必然包括大量正常數(shù)據(jù)、極少數(shù)異常狀態(tài)的數(shù)據(jù)和少量故障狀態(tài)的數(shù)據(jù)。由概率統(tǒng)計可知，歷史數(shù)據(jù)以很大的概率處于正常狀態(tài)，而以較小的概率處于故障狀態(tài)，在兩種狀態(tài)之前是極小的概率處于異常狀態(tài)。由此可看出，歷史數(shù)據(jù)的概率分布與設(shè)備運(yùn)行狀態(tài)具有很好的對應(yīng)關(guān)系，從而為概率神經(jīng)網(wǎng)絡(luò)應(yīng)用于設(shè)備狀態(tài)分析提供了理論基礎(chǔ)。

4.2自適應(yīng)報警技術(shù)的具體實施方式

基于概率神經(jīng)網(wǎng)絡(luò)的自適應(yīng)報警技術(shù)整個實施步驟的流程圖如圖1所示。

Figure 1.Adaptive alarm technology flow chart
圖1.自適應(yīng)報警技術(shù)流程圖

具體實施步驟如下：

  1． 獲取設(shè)備運(yùn)行的歷史數(shù)據(jù)。通過傳感器獲取反映設(shè)備狀態(tài)的某一監(jiān)測物理量。

  2． 根據(jù)改進(jìn)概率神經(jīng)網(wǎng)絡(luò)的原理及網(wǎng)絡(luò)結(jié)構(gòu)，建立設(shè)備狀態(tài)概率模型。

  3． 對設(shè)備運(yùn)行歷史數(shù)據(jù)進(jìn)行預(yù)處理，主要過程包括：歸一化處理、相同數(shù)據(jù)的處理、數(shù)據(jù)量偏小時構(gòu)建樣本層、數(shù)據(jù)量過多時優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)。

  4． 構(gòu)建設(shè)備狀態(tài)概率模型。該模型客觀地描述設(shè)備的運(yùn)行狀態(tài)及其歷史數(shù)據(jù)的分布范圍。

  5． 根據(jù)概率統(tǒng)計理論，確定各個狀態(tài)的報警閾值。確定準(zhǔn)則是3倍平滑因子處的值作為當(dāng)前范圍的邊界，此邊界也即作為該狀態(tài)下的報警閾值。

  6． 建立設(shè)備狀態(tài)的自適應(yīng)報警線。每增加一組歷史數(shù)據(jù)，重復(fù)第2~6，即可建立動態(tài)自適應(yīng)報警線。

5小波包分析和自適應(yīng)報警技術(shù)在刀具狀態(tài)監(jiān)測中的應(yīng)用

5.1基于小波包分析的磨損特征向量提取

刀具磨損的聲發(fā)射信號具有非平穩(wěn)性，而且小波包分析能將包括正弦信號在內(nèi)的任意信號劃歸到相應(yīng)的頻帶內(nèi)，用每個頻帶內(nèi)信號的能量比例的變化區(qū)分機(jī)械設(shè)備的狀態(tài)，因此選用小波包分解可以有效的提取表現(xiàn)刀具狀態(tài)量的特征向量。

5.2自適應(yīng)報警技術(shù)在刀具狀態(tài)監(jiān)測中的應(yīng)用

由前言部分知，建立反映刀具動態(tài)磨損閾值變化的曲線具有很大的必要性。而且，在刀具磨損的狀態(tài)演變過程中，所采集的歷史數(shù)據(jù)包括大量正常磨損狀態(tài)的數(shù)據(jù)、極少數(shù)初期磨損狀態(tài)的數(shù)據(jù)和少量嚴(yán)重磨損或者破損狀態(tài)的數(shù)據(jù)。符合設(shè)備狀態(tài)的統(tǒng)計分析，為自適應(yīng)報警技術(shù)在刀具狀態(tài)監(jiān)測中的應(yīng)用提供了理論依據(jù)。圖2是基于小波包和概率神經(jīng)網(wǎng)絡(luò)的刀具破損自適應(yīng)報警技術(shù)的總流程圖。

Figure 2. The total flow chart of tool breakage adaptive alarm technology
圖2.刀具破損自適應(yīng)報警技術(shù)總流程圖

6 試驗研究

6.1刀具狀態(tài)監(jiān)測試驗系統(tǒng)

刀具狀態(tài)監(jiān)測試驗條件如表1所示。

刀具狀態(tài)信號的測試系統(tǒng)由傳感器、信號調(diào)理模塊和測試儀器組成的。試驗選用Kistler的壓電陶瓷聲發(fā)射傳感器（型號：8152B），頻率范圍：50~400kHz，諧振頻率150kHz。選用聲發(fā)射傳感器的優(yōu)勢在于其頻率范圍遠(yuǎn)遠(yuǎn)高于機(jī)械振動和噪聲的頻率范圍，易于獲得無干擾的信號。采用凌華科技PCI-9846高速數(shù)字化儀、LabVIEW構(gòu)成數(shù)據(jù)采集系統(tǒng)。

Table 1.Tool condition monitoring test conditions
表1刀具狀態(tài)監(jiān)測試驗條件

在加工過程中，聲發(fā)射傳感器固定在刀桿接近刀頭處，為了消除AE波在越過界面的能量損失，刀桿和AE傳感器接觸表面均用金相砂紙研磨過，采用黃油作耦合劑。測試儀器是由作者基于虛擬儀器和凌華科技PCI-9846高速數(shù)字化儀研發(fā)的聲發(fā)射信號采集儀，采樣頻率，采集及后續(xù)分析框圖如圖3所示。

Figure 3. Block diagram of acquisition system
圖3.采集系統(tǒng)框圖

在實驗過程中，采用光學(xué)顯微鏡（KEYENCE光學(xué)顯微鏡，型號 VHX-6000）觀測刀具的磨損量。光鏡的最大放大倍數(shù)為5000倍，精確度達(dá)到，通過顯微鏡測出刀具的磨損量如圖4所示。（圖中黑色為刀具主體，灰色為磨損部分）

Figure 4. Tool wear figure
圖4 .刀具磨損圖

為找出最佳水平組合，使得指標(biāo)最優(yōu)，因此可采用正交試驗設(shè)計研究因子處于不同水平下信號特征的統(tǒng)計規(guī)律，找出影響特征變化的最大因子。

6.2刀具磨損特征向量提取

本文利用Db14小波對采集的聲發(fā)射進(jìn)行3層小波包分解，得到8個頻帶的小波包變化系數(shù)。圖5為8個頻帶的能量數(shù)據(jù)從初期磨損到嚴(yán)重磨損的曲線，發(fā)現(xiàn)能量主要集中在第一、四頻帶，且這兩個頻帶隨著刀具磨損的加劇，能量也呈上升趨勢。

Figure 5. Energy distribution of tool wear in different frequency bands
圖5.不同頻帶刀具磨損能量圖

針對刀具磨損的不同狀態(tài)，對采集的聲發(fā)射信號進(jìn)行頻譜分析。如圖6所示發(fā)現(xiàn)，隨著刀具磨損量的增加，不同頻段的信號能量都有增加，但增加程度不同。聲發(fā)射信號能量主要集中在50kHz-120kHz以及180kHz-360kHz，并且在該頻帶下，能量隨刀具磨損量增加而增加。驗證了小波包分解的結(jié)果。

Figure 6. Spectrum analysis of acoustic emission signals
圖6.聲發(fā)射信號頻譜分析

6.3自適應(yīng)報警線

將預(yù)處理后的特征頻段信號的均方根值送入概率神經(jīng)網(wǎng)絡(luò)，經(jīng)概率神經(jīng)網(wǎng)絡(luò)構(gòu)建出刀具狀態(tài)概率模型，同時確定報警閾值。

實驗獲得的刀具磨損試驗自適應(yīng)報警線如圖7所示。當(dāng)?shù)毒咭恢逼椒€(wěn)切削時，所確定的報警線指明了設(shè)備正常運(yùn)行的范圍，當(dāng)?shù)毒叱霈F(xiàn)磨損直至破損時，由于歷史數(shù)據(jù)中已經(jīng)包括了刀具磨破損的數(shù)據(jù)，就能夠確定出刀具磨破損狀態(tài)的報警線。如果監(jiān)測值超出報警線（圖中磨損量0.45mm為界），則說明刀具處于嚴(yán)重磨損或者破損階段（報警線與實踐觀察刀具磨損臨界狀態(tài)吻合），立即停機(jī)檢查并換刀。

實驗結(jié)果，所繪制的報警線與實際刀具運(yùn)行狀態(tài)具有很好的一致性，準(zhǔn)確的反映了刀具磨損的實際運(yùn)行情況。

Figure 7. Adaptive alarm line of tool wear test
圖7.刀具磨損試驗自適應(yīng)報警線

7結(jié)論

本文應(yīng)用凌華科技PCI-9846高速數(shù)字化儀在數(shù)控機(jī)床刀具破損自適應(yīng)報警中。提出了一種基于小波包分析和概率神經(jīng)網(wǎng)絡(luò)相結(jié)合的刀具磨損狀態(tài)的自適應(yīng)報警技術(shù)。利用小波包分析有效地提取刀具聲發(fā)射的特征向量?；诟怕噬窠?jīng)網(wǎng)絡(luò)構(gòu)建設(shè)備運(yùn)行狀態(tài)模型，根據(jù)歷史數(shù)據(jù)確定報警值并形成隨設(shè)備運(yùn)行而作自適應(yīng)調(diào)整的動態(tài)報警線。該方法建立了刀具壽命與實際運(yùn)行狀態(tài)之間的聯(lián)系。而且由于考慮了刀具實際情況和現(xiàn)場的工作情況，使得刀具狀態(tài)監(jiān)測更具有實際的意義。實驗結(jié)果證明，基于小波包技術(shù)和概率神經(jīng)網(wǎng)絡(luò)的刀具狀態(tài)自適應(yīng)報警技術(shù)是可靠的，可以準(zhǔn)確識別刀具磨損情況。