時間:2013-07-25 14:54:35來源:姜闊勝 徐光華
【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。
標(biāo)簽:
中國傳動網(wǎng)版權(quán)與免責(zé)聲明:凡本網(wǎng)注明[來源:中國傳動網(wǎng)]的所有文字、圖片、音視和視頻文件,版權(quán)均為中國傳動網(wǎng)(m.u63ivq3.com)獨(dú)家所有。如需轉(zhuǎn)載請與0755-82949061聯(lián)系。任何媒體、網(wǎng)站或個人轉(zhuǎn)載使用時須注明來源“中國傳動網(wǎng)”,違反者本網(wǎng)將追究其法律責(zé)任。
本網(wǎng)轉(zhuǎn)載并注明其他來源的稿件,均來自互聯(lián)網(wǎng)或業(yè)內(nèi)投稿人士,版權(quán)屬于原版權(quán)人。轉(zhuǎn)載請保留稿件來源及作者,禁止擅自篡改,違者自負(fù)版權(quán)法律責(zé)任。
相關(guān)資訊