硕士论文——基于人工神经网络的刀具状态识别系统设计_第1页
硕士论文——基于人工神经网络的刀具状态识别系统设计_第2页
硕士论文——基于人工神经网络的刀具状态识别系统设计_第3页
硕士论文——基于人工神经网络的刀具状态识别系统设计_第4页
硕士论文——基于人工神经网络的刀具状态识别系统设计_第5页
免费预览已结束,剩余27页可下载查看

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

密级:NANCHANGUNIVERSITY学 士 学 位 论 文THESISOFBACHELOR(20 XX20 XX年)题目基于人工神经网络的刀具状态识别系统设计学院:信息工程学院系 电气与自动化工程系专业班级:测控技术与仪器 学生姓名: 学号: 指导教师: 职称: 起讫日期: 摘要基于人工神经网络的刀具状态识别系统设计摘要在现代化工业生产中,对金属工件的加工方法有很多,其中一种较为广泛应用的加工方法就是插铣法。它是一种在竖直方向上对金属进行大量铣削的最快捷方法,基本加工过程如下:首先,铣刀具沿着主轴方向做匀速进给运动;然后,利用刀具最底部的切削刃进行切削加工,刀具会按照预定加工设置不停重复的进行插铣从而达到预定深度。但是,刀具的刀刃处在加工过程中会因为各种因素而产生磨损,刀具一旦发生了磨损,就影响金属工件的加工,甚至会危害到操作人员的人身安全。因此,为了能使生产出来的工件达到生产要求和提高生产效率,也为了操作人员能有一个相对安全的操作环境,我们需要对金属生产加工中的刀具状态有一个实时跟踪和监测,这样我们就可以通过检测到的刀具状态从而来对其做出适当反应和调节,以此来避免刀具磨损带来的不良影响。本文主要对插铣加工时刀具的状态进行研究,经过综合分析各种刀具磨损监测方法,确定采用振动法来监测刀具磨损状态。主要设计工作如下:本文首先选定好采集振动信号的加速度传感器是由B&K公司出产的4369型加速度传感器以及用2635型电荷放大器对其进行放大;接着将它们与其他相关元器件组合搭建起一个插铣加工试验平台,再用这个平台开始采集刀具加工时的振动信号。然后用时域、频域和小波变换方法对采集到的振动信号进行分析处理,并从中提取得到了9个可以表示刀具磨损程度的特征值,这里刀具磨损程度被设置成了三个磨损等级:正常刀具、初步磨损和严重磨损。最后基于BP神经网络构建了一个只有输入层和输出层以及一层隐含层的网络结构;这个网络结构的输入层有9个神经元,对应9个特征值,输出层有3个,对应刀具磨损的3个等级;隐含层则是由Kolmogorov定理来确定含有19个神经元;建立好的网络结构需要用之前采集处理之后的信号进行多次的训练和测试才能提高它的识别速度以及稳定性。构建的神经网络最后输出结果准确度满足设计要求,可以达到百分之90以上,损失值在0.2左右,属于可接受范围内。关键词:插铣法;刀具磨损;振动信号;磨损等级;BP神经网络IAbstractTool State Recognition System Design Based on Artificial Neural NetworkAbstractIn the modern industrial production,there are many methods to process the metal parts , one of the more widely used processing method is the milling method. It is a vertical direction in the metal for a lot of milling the most efficient way, the basic process is as follows:First, the milling tool in the direction of the main axis to do constant feed movement; and then use the bottom of the cutting edge of the cutting tool for cutting, the tool will be set in accordance with the scheduled processing of repeated milling to achieve a predetermined depth.However, the blade of the tool in the processing process will be due to various factors and wear, the tool once the occurrence of wear and tear, it will affect the processing of metal parts, and even harm the operators personal safety.Therefore, in order to enable the production of the workpiece to meet the production requirements and improve production efficiency, but also for the operator to have a relatively safe operating environment, we need to metal processing and processing of the tool state has a real-time tracking and monitoring, so we can be detected by the state of the tool to its appropriate response and regulation, in order to avoid the adverse effects of tool wear.In this paper, we mainly study the state of the tool during the milling and milling. After a comprehensive analysis of various tool wear monitoring methods, it is determined that the vibration method is used to monitor the tool wear.The main design work is as follows:This paper first selected to collect the vibration signal acceleration sensor is produced by the B & K 4369 type acceleration sensor and 2635 type charge amplifier to enlarge it;And then they are combined with other related components to build a milling milling test platform, and then use this platform to collect the tool processing vibration signal.And then use the time domain, frequency domain and wavelet transform method to analyze the vibration signal analysis and extraction, which can be extracted from the 9 can indicate the degree of wear characteristics of the tool, where the tool wear level is set to three wear levels: normal Tool, initialIIAbstractwear and severe wear.Finally, a network structure with input layer and output layer and a hidden layer is constructed based on Back Propagation neural network;The input layer of this network structure has nine neurons, corresponding to nine eigenvalues, the output layer has three, corresponding to the three levels of tool wear; hidden layer is determined by Kolmogorov theorem to determine the 19 neurons;The establishment of a good network structure needs to be used after the acquisition of the signal library for several training and testing in order to improve its recognition speed and stability.The final output of the constructed neural network results in an accuracy that meets the design requirements and can reach more than 90 percent, and the data loss in the training and testing process is around 0.2, which is within acceptable limits.Key words:Plunge milling;Tool wear;Vibration signal;Wear level;Back Propagation neural networkIII目录目录摘要.IAbstract.II第一章 绪论.11.1本课题研究的目的和意义.11.2刀具状态监测技术概述.11.2.1刀具状态监测方法介绍.21.2.2刀具状态监测的相关技术.41.2.3插铣加工监测技术国内外的发展现状.41.3本章小结.5第二章插铣刀具磨损状态监测试验.62.1插铣刀具磨损分析.62.2试验设计.72.2.1硬件设计.72.2.2采集模块的设置.72.3试验内容.82.3.1试验装置.82.3.2试验方案.92.4本章小结.9第三章振动信号的时频域分析和小波分析.103.1时域分析与时域特征.103.2频域分析与频域特征.113.3小波变换及其特征.133.4振动信号分析.143.4.1振动信号时频域分析.143.4.2振动信号的小波变换分析.153.5本章小结.16第四章基于人工神经网络的插铣刀具状态监测系统设计.174.1人工神经网络的概述.174.1.1神经元模型.174.1.2神经网络的结构的基本特点.184.2 BP 神经网络.184.2.1BP 神经网络模型的结构.184.2.2 BP 神经网络的学习算法介绍.194.3 BP 网络结构的搭建及相关参数的确定.204.4本章小结.21第五章网络结构的训练.225.1BP 网络测试样本的选择.225.2BP 网络结构的训练及结果.235.3本章小结.24第六章 总结与展望.25致谢.26参考文献.27IV第一章 绪论第一章 绪论1.1 本课题研究的目的和意义中国是一个制造大国,相应的中国的制造业也很发达,已然是国民经济发展的主要支柱产业之一。特别是进入 21 世纪,中国制造业更是进入了一个快速发展期,与制造业相关的制造技术也在此期间得到了发展与进步,比如现代化通信技术、信息快速处理技术以及智能计算机等智能化技术。这些高新技术推动制造业朝着智能化、集成化、自动化和高效率的方向迅猛发展。然而在现代化的切削加工系统中,由于刀具在加工过程中,会因为各种因素而产生磨损,刀具一旦发生了磨损,随之就会给加工工件以及操作人员带来诸多不良影响。最直观的影响就是对加工工件品质造成影响,使工件加工出来达不到预期的要求,从而导致生产效率低下;此外,刀具磨损过度严重的话,会导致整个刀具切削机床发生故障,在机床旁边进行操作的工作人员人身安全也会受到威胁。因此,为了能使生产出来的工件达到生产要求和提高生产效率,也为了操作人员能有一个相对安全的操作环境,我们需要对金属生产加工中的刀具状态有一个实时跟踪和监测。这就需要设计一个刀具状态监测系统,也是本次课题的主要任务和研究目的。1.2 刀具状态监测技术概述这项技术其实是指在金属切削加工过程中,我们将经由传感器采集到的各种信号,对其进行相关的分析和处理,最后提取出能反映刀具状态的特征值,来达到初步检测刀具状态的一项技术。刀具状态监测系统主要组成部分如图 1-1 所示。研究对象确立数据采集特征值提取加工条件信号处理状态识别135246图 1-1 刀具状态监测系统流程图第 1 页第一章 绪论因此,一个监测系统的设计有以下几个基本步骤:(1)研究对象的确定,如金属加工时的钻头磨损;(2)监测范围的确定,刀具的状态在不同的加工环境和条件中都能被准确反映;(3)传感器型号的选择与安装、信号的滤波与放大等;(4)信号处理方法的选择,如采用时域分析、频域分析或小波分析等方法对信号进行处理;(5)特征提取,选择最能够反映刀具状态变化的特征量作为特征参数;(6)模式识别,刀具状态的识别是通过建立起一种刀具信号特征值与刀具磨损状态之间的数学模型来实现的。1.2.1 刀具状态监测方法介绍根据多年以来人们探究出的各种监测刀具状态方法,我们可以简单的把它们划分为直接法和间接法。直接法就是直接通过相关测量仪器来监测刀具的形状等参数,主要方法如图 1-1 所示;间接法则不能直接通过测量仪器监测刀具形状变化,而是间接测量金属切削加工过程中的一些相关参数,然后将它与已知的正常切削参数进行比较,从而对比得知刀具磨损程度,主要方法如图 1-2 所示。下面我们介绍几种目前常用的一些刀具监测方法:(1)振动法在金属切削加工过程中,刀具的刀刃侧面与工件之间在切削中会产生摩擦,从而会产生不同频率的振动,并且这些不同的频率振动可以被检测到,因此,我们可以通过加速度传感器来采集到这些不同的频率振动信号并加以处理得到相关特征值,这样我们就可以通过这些得到的特征值来作为刀具磨损状态的一种判断依据。(2)声发射法这种方法的核心是:在金属切削加工过程中,我们可以用相应的传感器来采集金属工件内部发生变化、以及工件变形时而释放出的一种超高频应力波脉冲信号,并以此来监测刀具的状态。这种超高频应力脉冲信号具有一些特有的特征参数,比如功率谱密度,因此,通过对这些特征参数进行测量并提取,就能直观的来表现刀具的磨损状态。(3)切削力法切削力是一种常规的物理量,我们可以用最常见的力传感器采集到它。它是最直观也是与刀具磨损联系最密切的一个参数。只是,切削力的采集受到外部环第 2 页第一章 绪论境的影响很大,也因采集装置的技术要求达不到高精度导致该方法并不常用。表 1-1 归纳了各种测量方法的区别与主要特性:表 1-1刀具状态监测方法归纳检测方法传感器工作原理主要特性放射性技术放射性元素检测切屑的放射性不受加工环境影响,实时性差,需要解决防护性问题光学图像CCD光纤、激磨损面反射光强度变结果较明确,受切削条件影响光传感器化或图像处理大,不易实现实时监控刀具磨直损系统接接触探头、磁间隙传检测切削刃位置简便,易受切削温度的影响,不能实时检测感器法工件尺寸变化光学、超声、电检测工件尺寸变化用于车、铣、磨等,易受机床磁传感器运动精度和热膨胀影响,可靠性差电阻电阻传感器刀具和工件接触点间需要改变刀具结构,适用于连电阻的变化续加工,但受温度影响较大超声波超声波转换器检测超声信号变实时检测,但受切削振动和环化境噪声影响振动加速度计切削过程中振动用于车、铣、钻等,灵敏度高信号及其变化需要解决刀具的自激振动及环境噪声的干扰切削温度热电偶刀具与工件间温用于车削,灵敏度低,不能应度的变化用于有冷却液的情况,应用前景极小间切削力应变力传感器、测切削力、切削分力及灵敏,应用范围广,但动态应接压电力传感器 其变化变仪安装困难法声发射压电传感器检测加工过程中发出用于车、铣、钻等,灵敏,实的声发射信号时,使用方便,成本高,安装困难功率/电流功率变速器、互电动机功率或电流的用于车、铣、钻等,成本低,感器、功率表变化易安装使用,实时检测,但灵敏度低超声麦克风切削区环境超声受环境噪声干扰大,灵敏度低探测分析表面粗糙度激光传感器、红检测加工表面粗用于车、铣、钻等,灵敏度低外传感器糙度的变化第 3 页第一章 绪论1.2.2 刀具状态监测的相关技术(1)传感器技术传感器的主要作用是采集各种工况中产生的物理量信号,而在本次刀具状态监测系统设计中,它的作用就是将刀具与被加工的金属工件之间的摩擦所产生的振动信号进行采集,并转换为电信号,达到初步信号采集的目的,其中我们要求传感器采集到的信号必须能够在一定程度上反映刀具磨损状态。此外,我们所选择的传感器类型应该满足容易安装、操作简便,且抗干扰能力强等要求。(2)信号处理技术刀具状态监测技术的核心就是信号处理,它的一般步骤是:首先对采集到的信号用现有的信号处理技术进行分析并处理;然后从处理之后的信号数据中提取出可以表征刀具状态的特征值;最后再对这些提取得到的特征值进行分析运用来达到刀具状态监测的目的。现今的信号处理技术主要有时域分析、频域分析、小波分析以及智能技术等方法。(3) 模式识别在 20 世纪 60 年代,科学家们提出了模式识别这一概念。简单来说,这是一种智能分类技术,到如今被运用到很多领域里面。在本次刀具状态监测系统设计中,我们把刀具状态划分为正常、初步磨损和严重磨损等三个或多个集合,而模式识别就是把这些集合通过一定的数学算法来设计出一个判别函数,然后再利用这个判别函数对刀具状态进行识别和判断。1.2.3 插铣加工监测技术国内外的发展现状插铣加工时,我们最熟知和常见的加工方法就是插铣法,它是一种在竖直方向上对金属进行大量铣削最快捷方法。它的基本加工过程如下:首先,铣刀具沿着主轴方向做匀速进给运动;然后,利用刀具最底部的切削刃进行切削加工,刀具会按照预定加工设置不停重复的进行插铣从而达到预定深度。在此期间,刀具会不断地缩回和复位,这样在下一次插铣时使刀具快速地从之前重复的走刀处来进行插铣加工。插铣加工具有以下优点:(1)刀具铣削时刀刃的侧向力较小,这样可以降低被加工工件的变形程度;(2)在插铣加工过程中,由于铣刀刀具本身的结构,导致铣刀作用在工件上的径向力比较低,这样对机床装置的硬度要求不高,而且工件生产加工质量也能得到保证;(3)连接刀具的转轴长度较长,铣削加工时,对加工工件内部深处的表面进行很适合。图 1-4 为插铣加工图:第 4 页第一章 绪论图 1-4 插铣加工图国外专家最早提出插铣这种加工方式,并且它的出现时间也很短。此间随着时代的发展,这种加工方式也日益发展并被广泛应用于各种工厂加工。在国内,插铣加工被运用到各种自动化生产加工过程中,经过多年对这项技术的探索和完善,如今我们已经可以很好的运用这项技术来生产加工那些加工难度高的金属工件了。此外,不仅因为这项技术已经达到相当成熟的地步,插铣加工本身也因其高切除率、高效率等优势被广泛应用。在国外,一种叫做掏槽插铣铣削力的建模方法被杰胡柯这个人提出 ,这种建模方法的主要方法是:首先应用数学方法来得到与切屑量相关的参数值,然后通过这些相关的参数值建立起铣削力模型。这种铣削力模型的建立不仅为插铣加工提供了可靠的技术保障,也为铣削力的采集提供了便利。1.3 本章小结本章先对刀具监测系统一般结构组成作了简单阐述;接着主要介绍了该论文的研究背景及意义以及刀具磨损在加工过程产生的影响及危害;最后讲述了国内外在插铣加工监测技术的发展现状。第 5 页第二章 插铣刀具磨损状态监测试验第二章 插铣刀具磨损状态监测试验2.1 插铣刀具磨损分析由于插铣加工具有金属的高切除率这一特点,所以在金属加工过程中,插铣加工是常规的端面铣削所需加工时间一半以上。但是,插铣加工时刀具的金属切除量大,导致插铣刀具损耗速度快,刀具寿命变短短,尤其在加工难加工材料时,刀具损耗会变得更严重,因此我们需要给刀具磨损量规定标准值,这样我们就可以通过这个标准值来确定刀具磨损状态的级别。可以把这个标准称之为磨钝标准,这个标准值具体表示意义是是插铣刀具后刀面中间部位平均磨损量所允许达到的最大值,我们用字母 VB 表示。刀具磨损程度从开始研究至今,其磨损等级已经基本确定下来,可以把它分成三个阶段,如图 2-1 所示:图 2-1 刀具磨损状态图(1)图中 AB 段表示刀具的初步磨损阶段:磨损原因主要是机械磨损;在刚开始切削加工时,一般的崭新铣刀表面都会有一些凸起以及微小细痕,且刀面与工件、切屑之间的接触面较小,导致压力几乎集中于刀具的切削刃附近,从而应力大。这些就导致了刀具初期磨损阶段的磨损量会比较高,这个磨损量一般表示在VB 0.1mm 这个范围内;(2)图中 BC 段表示刀具的正常磨损阶段:刀具表面出现缺口裂缝,应力开始降低以及磨损量随时间变化均匀增加是这一阶段的主要特点,此外,刀具在这个阶段开始真正对金属工件进行加工。这个阶段的磨损量用 0.1mm VB 0.6mm 来表示;(3)图中 CD 段表示刀具的急剧磨损阶段:这个阶段,刀具的磨损量已经变得很大,刀具磨损速率也开始急剧上升,导致刀刃不再如开始那般锋利,这些表第 6 页第二章 插铣刀具磨损状态监测试验明刀具这个时候已经钝化,不能对工件进行正常的加工了。所以一般在这个阶段来临之前,我们就需要停机,然后把已经磨损严重的刀具换下来,再重新换上新刀,才可以继续对工件加工。这样可以保证加工质量以及操作人员的人身安全。因此,刀具磨损等级的划分如表 2-1 所示:表 2-1 刀具后刀面磨损量等级划分磨损等级012磨损量(mm)00.10.10.40.40.52磨损状态新刀中度磨损严重磨损2.2 试验设计2.2.1 硬件设计由于条件以及实际状况所限,本次刀具磨损监测系统设计的用到的硬件设备都是一些大型和高科技的设备,这其中包括数控铣床、四齿铣刀、金属工件、4369型振动加速度传感器、2635 型电荷放大器、NI- 6221 型数据采集卡、基于 Python 的软件数据采集平台和计算机。其试验系统如图 2-2 所示 :图 2-2 刀具磨损监测试验系统图2.2.2 采集模块的设置振动信号是通过德国巴哈曼-克莱默公司出产的 4369 型振动加速度传感器和 2635 型电荷放大器来采集;采集到的数据还要再经过 NI 公司出产的 6221 型数据采集卡进一步采集分析处理;X、Y、Z 向振动信号的放大倍数均为 100 倍。刀具的每秒转数f 为:f1000v1000 10010.61(Hz)(2-1)60 d6050第 7 页第二章 插铣刀具磨损状态监测试验铣刀片切削金属的频率为:f zZ f4 10.61 42.44( Hz)(2-2)由采样定理可知f s2f max(2-3)其中:f s表示采样频率; fmax 表示信号最高频率;一般最小为f s 2 fmax ;工程上一般取 fs 6 8 fmax 。2.3 试验内容2.3.1 试验装置本次试验用到的机床是数控铣床,主要技术参数如表 2-2 所示:表 2-2机床的主要技术指标型号主轴最大速度最大力矩承载能力工作台尺寸(r/min)(Nm)(kg)(mm)XKA715/1F60002204500900520550工件材料选用 45 钢,工件的相关参数如表 2-3 所示:表 2-3工件尺寸及其组分材料种类45 钢尺寸(mm)25015050主要化学成分(%)C 0.46,Si 0.23,Mn 0.59,Cr 0.04,Ni 0.04,Cu 0.05本次试验选择的插铣刀片是四齿铣刀片,如图 2-3 所示,刀片的相关参数如表 2-4 所示:图 2-3 刀片外观第 8 页第二章 插铣刀具磨损状态监测试验表 2-4 铣刀片的主要几何参数刀片前脚刀片后角刀尖圆弧半径主切削刃长副切削刃长刀片厚主刃与0 ()0 ()Rz (mm)L(mm)W(mm)度 S副刃夹(mm)角()15151.19112.712.74.763902.3.2 试验方案每一种试验方案都有不同的考虑方向,本次设计是从提高试验效率,以及降低试验成本来考虑的。由于高速下刀具的磨损比较快,因此我们可以采用提高刀具进给速度来使刀具磨损加快的方法。具体步骤如下:(1)首先, 选择一把崭新的四齿铣刀,并按照正确方法在机床上安装好;(2)接着在数控铣床操作界面设定好本次试验所需要用到的切削参数,开机进行插铣加工并实时采集切削产生的振动信号;(3)最后,通过调节机床参数来提高切削速度,这个时间段我们不采集信号,在刀具磨损将要达到下一个磨损等级时,将测量显微镜测量得到的刀具磨损量记录下来;(4)重复步骤 1 和步骤 2 的操作。2.4 本章小结本章首先对刀具磨损状态概念做了一个简单了解,并且对其磨损等级也进行了一个设定;然后就是讲述了刀具振动信号数据采集的一个硬件设计结构,其中包括振动信号获取、信号的放大以及模数转换和数据采集卡采集;最后就是整个试验方案及相关试验装置介绍。第 9 页第三章 振动信号的时频域分析和小波分析第三章 振动信号的时频域分析和小波分析在整个数据采集过程中,我们通过 B&K 公司出产的 4369 型振动加速度传感器采集到的信号不能直接用来识别刀具的磨损状态。采集到的信号其中所包含的数据量很大,但是我们可以利用的信息却很少,这样就无法让我们通过分析这些数据来找到其中与刀具磨损相关的特征值。因此,我们需要对这些采集到的数据作进一步处理,然后从处理后的数据中提取能够反映刀具磨损特征的信号。本章主要工作是对采集到的信号进行时间域、频率域和小波变换等常规信号处理方法来而获得振动信号的相关特征。3.1 时域分析与时域特征时域分析指的是在时间域内对采集到的信号进行滤波、放大和相关性分析等处理。而信号的时域分析主要内容有:经由滤波放大处理后的信号特征值通过一个具体数值来作为信号的某些时域特征。主要有如下几种常用分析方法:(1)均值 x设样本长度为 N 则均值公式为x1N1xi(3-1)Ni均值表示随机数据的平均值,表达了变化信号的中心趋势,也被称为静态分量。(2)方差 221N) 2( x ix(3-2)Ni1上述公式中 x 表示信号的平均值。方差也被称为标准差,它表示随机信号的波动程度。(3)均方值及均方根值 X、 X rmsX1Nx i2(3-3)N1iX rms1Nx i 2(3-4)N1i均方值用来表征随机信号总能量的均值,均方根值也可以用来表示信号平

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论