论文部分内容阅读
在机械加工过程中,刀具的磨损失效是造成数控机床故障的主要因素,如果不能及时、准确的实现故障监测,将会降低加工效率,缩短刀具寿命,增加加工成本。因此,实现数控机床刀具实时在线监测,有利于延长数控机床的无故障工作时间,减少工件报废及机床设备受损的概率。本文以数控铣床刀具磨损入手,在分析了国内外研究现状的基础上,针对三向测力仪安装需改变机床结构,测量精度受机床振动影响大,很难应用到工业生产中等问题,研究了基于电流与振动信号的铣刀磨损监测。主要工作如下:(1)分析了刀具磨损形式及原因,研究了刀具的磨损过程、磨钝标准,选择了以刀具后刀面磨损量作为测量刀具磨损的标准。(2)搭建了基于LabVIEW的铣刀磨损实验平台,分析了铣削实验条件,选择并布置了传感器位置;设置了NI-DAQ及数据采集板卡的主要参数,实现了采集设备与各传感器间的通信。(3)建立了主轴传递系统的动力学模型,分析了铣削过程中铣削力的动力学模型,对两相主轴电流信号进行功率谱密度相关性分析,提取了铣削力特征频率,证实了可以用电流信号代替力信号对刀具磨损状态进行监测,通过单因素分析法,确定了铣削加工参数。(4)采集了数控铣床的电流信号和振动信号,并对其进行时域、频域、小波包分析,提取了信号的特征值;在此基础上,研究了核主元分析理论,对提取的数据特征值进行筛选,得到对铣刀磨损贡献率最高的特征量。(5)分别研究了基于BP神经网络、支持向量机理论的铣刀磨损状态监测方法,实现了特征值的训练,实验表明BP神经网络的故障识别准确率达到了83.3%,支持向量机的故障识别准确率达到了91.7%,准确率比较高,可以用于铣刀磨损状态监测。本文研究表明,基于电流与振动信号的铣刀磨损监测准确率高,方法简单易行,可以有效的实现铣刀磨损状态监测。