随着现代化生产和制造技术的不断发展,现代化的设备如CNC,FMS,CIMS系统广泛地应用于制造技术中,为了保证这些高度自动化加工系统能够持续、高效地进行生产,避免因切削刀具的磨损、破损等因素造成加工零件的精度下降,甚至损害机床设备,必须对整个加工过程进行有效地监控。有数据表明,采用监控系统后可避免人和技术因素引起的故障停机时间的75%。因此,刀具破损在线监控是先进制造技术中的重要课题。 刀具监测的方法很多,在对众多反映刀具状态信息的信号选取过程中,考虑到实际的加工条件及传感器安装的难易程度,选择了振动信号作为研究对象。在本次课题的研究中,模拟变切削参数的加工过程设计了一套实验方案,该试验系统中硬件包括振动加速度计、自行设计的放大电路、数据采集卡等,软件采用C语言程序实现信号的采集与存储。该试验装置用于采集研究刀具破损监控系统中所需振动信号、主轴转速信号。 在实际的振动信号采集过程中,由于试验系统、现场等客观因素的影响,采集到的振动信号中含有大量的“无用信号",因此对振动信号进行了去除直流分量、低通滤波、剔除奇异点等处理。经过时域与频域分析提取了出了振动信号的均方根、方差和齿啮合频率处的功率谱值作为反映刀具破损的特征量,获得了后续网络试验过程中所需的样本集。 最后,利用现代模式识别手段—人工神经网络进行了网络试验。本文采用了有导师学习的前馈型BP神经网络,借助于网络的非线性映射能力,进行了非线性模式识别。根据铣刀破损监控系统的准确性、实时性要求,选择了相应的BP网络结构并设计了该网络的系统参数,利用该网络系统进行了两种工况的网络试验。