论文部分内容阅读
数控加工较之传统加工技术，大幅提高生产效率和生产质量，已成为机械制造业的支柱产业。数控设备的安全稳定运行能充分利用资源，提高设备利用率，甚至减少加工过程中的人身伤害。为了保证其正常运行，提高加工件的良品率，可对数控机床的加工状态进行监测。刀具作为数控加工的直接执行部件，其好坏往往在整个数控设备状态中起到关键影响。因此对数控机床刀具状态进行监测与状态识别显得尤为重要。 本文设计了一套无线监测系统，设计数据采集模块采集传感器信号，将数据无线传输给终端上位机，在传输过程中对数据进行TEA对称加密，在上位机对接收到的数据进行解密以及相关的分析处理，提取特征量，建立神经网络分析系统，实现对刀具状态的良好监测。 刀具状态监测系统主要由4个部分组成，分别为数据采集部分、数据加密与无线传输部分、数据分析与特征提取部分和基于神经网络刀具状态智能识别部分。 数据采集部分主要实现对声发射等传感器进行进行信号解耦、调理滤波、偏置和比例放大等处理。由于主控制器ARM11运行Linux系统，无法满足A/D芯片高达200kHz采集频率的需求，本文设计一个STM32协处理器对ADC的时序控制和高速读写数据，之间通过SPI总线通信。 数据加密与无线传输部分实现对数据的加密与无线传输功能。采用TEA算法对数据进行加密，数据通过WiFi无线传输至PC上位机中。S3 C6410处理器运行Linux系统，程序上对于数据采集加密与传输分别采用两个线程实现，内设缓冲区，用于存储STM32实时上传的A/D数据值。 数据分析与特征提取部分将原始数据处理成识别刀具状态的关键有效信息。采用MATLAB进行数据时域统计有效特征提取、频域Welch功率谱密度估计和小波包分解提取特征参量。 基于神经网络刀具状态智能识别部分实现不同刀具状态的准确识别。将样本信号特征导入神经网络进行训练，得到满足要求的网络，最终实现刀具状态的准确识别。 本文设计的数控机床刀具状态无线监测系统能准确识别刀具当下状态，良好的指导实际生产。其中自主设计的数据采集传输模块能适应多种传感物理量的采集，采集精度高、采样速度快;数据传输过程中进行加密，具备良好的网络传输安全性;合适的数据处理方式有效提取特征信息;进行刀具状态识别的神经网络学习时间短，识别准确性高。