（机械工程专业论文）数控机床刀具磨损状态监测系统及其信息传输标准研究.pdf

中文摘要 在数控机床加工过程中，刀具由于受到热压裂、物理摩擦、塑性变形、扩散 磨损和晶粒脱落等原因影响，会逐渐磨损直至失效。刀具的磨损不仅会降低机床 加工质量，影响工件的表面粗糙度和尺寸精度，同时也严重影响数控机床的整体 稳定性和加工效率。数控机床刀具磨损监测系统起着决定性的作用，为机床切削 参数的最优化和加工工艺的性能提升提供保证。 本文以数控机床铣削加工过程为研究对象，建立了以振动信号和切削力作为 原始信号的刀具磨损监测实验系统，并对采集信号的消噪、特征提取和刀具状态 识别等进行了系统的理论分析与实验研究。 基于数学形态学的滤波方法可以将被看作具有非平稳性的原始切削力信号 和振动信号中的背景信号去除，并尽可能的保留信号的原始几何特征；通过对切 削力信号和振动信号的时域分析、频域分析和小波包分析可获得与铣刀磨损程度 具有良好映射关系的特征量，通过基于支持向量机算法的多类分类器辨识状态效 果良好。在只能获取到小样本情况下，整个刀具监测系统方案具有很好的学习性 能和推广能力。 考虑到数控机床整机状态监测与刀具磨损状态监测的功能融合和数控系统 与监测单元之间数据交互的理论基础，结合上述监测过程提出监测单元与数控系 统数据交互标准和集成监测诊断系统架构，并阐述了其实现模式和具体功能。模 块化数据标准可以突破在不同设备之间的数据交互壁垒，将机床连续动态变化状 态信息和控制系统内部负载参数、加工参数信息集成为原始数据，做到机床的全 面信息监测回放和状态诊断功能。 关键词： 刀具磨损状态监测数据传输标准支持向量机 a b s t r a ct i nm a c h i n i n gp r o c e s s e s ，c u t t i n gt o o lg r a d u a l l yw e a r so u t ，l o s e si t ss h a r p n e s sa n d b e c o m e sb l u n td u et ot h e r m a lf r a c t u r i n g ，a t t r i t i o n ，a b r a s i o n ，p l a s t i cd e f o r m a t i o n ， d i f f u s i o n ，c h e m i c a lw e a r ，a n dg r a i n p u l l o u t t o o lw e a ro rt o o lb r e a k a g ea f f e c t st h e s u r f a c ef i n i s ha n dd i m e n s i o n a la c c u r a c yo fp r o d u c t s ，r e d u c i n gt h em a c h i n i n gq u a l i t y ， w o r k i n ge f f i c i e n c ya n ds t a b i l i t yo f m a c h i n et o o la sw e l l t o o lw e a rm o n i t o r i n gs y s t e m c n cm a c h i n ep l a y sad e c i s i v er o l e ，i t sm a j o ra i mi sad e s i r et od e c i d et h es u i t a b l e m a c h i n i n gp a r a m e t e r sa n d t o r e p l a c e t h eb r o k e nt o o la tt h er i g h tt i m e ，r e d u c e o p e r a t i o n a lc o s t sa n d t oi n c r e a s ep e r f o r m a n c e i nt h i sp a p e r , at o o lw e a rm o n i t o r i n ge x p e r i m e n t a ls y s t e mf o rc n c m a c h i n e m i l l i n gp r o c e s si sp r o p o s e d ，w h i c hs e l e c t sv i b r a t i o ns i g n a l a n dc u t t i n gf o r c ea st h e o r i g i n a ls i g n a l t h es y s t e m a t i ct h e o r e t i c a la n a l y s i sa n de x p e r i m e n t a li m p l e m e n t a t i o n p r o c e d u r e so fd e n o i s i n g ，f e a t u r ee x t r a c t i o na n dt o o ls t a t er e c o g n i t i o ni sp r e s e n t e di n d e t a i la sw e l l t h ef i l t e r i n gm e t h o db a s e do nm a t h e m a t i c a lm o r p h o l o g yc a l lr e m o v eb a c k g r o u n d s i g n a lo ft h eo r i g i n a lc u t t i n gt h r e es i g n a l sa n dv i b r a t i o ns i g n a l s ，a sm u c h a sp o s s i b l e t or e t a i nt h eo r i g i n a lg e o m e t r yo ft h es i g n a l s ，w h i c ha r ec o n s i d e r e da sn o n s t a t i o n a r y s i g n a l s b yt h es i g n a lt i m e d o m a i na n a l y s i s ，f r e q u e n c yd o m a i na n a l y s i sa n dw a v e l e t p a c k e ta n a l y s i so fc u t t i n gf o r c ea n dv i b r a t i o ns i g n a l s ，t h ef e a t u r ev e c t o r sw h i c h h a v e g o o dm a p p i n gr e l a t i o n w i t ht h ec u t t e rw e a rc o n d i t i o na r eo b t a i n e d t h e n ，t h e ya r e i n p u ti n t o m u l t i c l a s s c l a s s i f i e rb a s e do ns u p p o r tv e c t o rm a c h i n ea l g o r i t h mf o r t r a i n i n ga n dt e s t i n g e x p e r i m e n t ss h o wt h a tp e r f o r m a n c eo fr e c o g n i t i o n i s g o o d ，t o a c h i e v et o o lw e a re s t i m a t i o ne f f e c t i v e l y i nt h ec a s eo fs m a l ls a m p l e s ，t h e t o o l m o n i t o r i n gs y s t e mh a sag o o dl e a r n i n gp e r f o r m a n c ea n dg e n e r a l i z a t i o na b i l i t y 1 h k i n gt h ef u n c t i o n sf u s i o no ft o o lw e a rc o n d i t i o nm o n i t o r i n ga n dc n c m a c h i n e c o n d i t i o nm o n i t o r i n g ，d a t ae x c h a n g et h e o r e t i c a lb a s i sb e t w e e nt h em o m t o r m gu n i t s a n dn u m e r i c a lc o n t r o ls y s t e m si n t oc o n s i d e r a t i o n ，d a t ae x c h a n g e s t a n d a r d sf o r m o n i t o r i n gu n i t sa n dn u m e r i c a lc o n t r o ls y s t e m s ，i n t e g r a t e da r c h i t e c t u r eo fm o n i t o r i n g a n dd i a g n o s i ss y s t e ma r ep r e s e n t e d t h ei m p l e m e n t a t i o nm o d ea n ds p e c i f i cf u n c t i o n s a l s oa r ed e t a i l e dd e s c r i b e d m o d u l a rd a t as t a n d a r d s c a ns o l v et h ep r o b l e m si nt h ed a t a t r a n s m i s s i o nb e t w e e nd i f f e r e n td e v i c e s t h em a c h i n et o o lc o n t i n u o u sd y n a m i c ss t a t u s i n f o r m a t i o n ，l o a dp a r a m e t e r sa n dp r o c e s s i n gp a r a m e t e r so fm a n u f a c t u r i n gp r o c e d u r e a r ei n t e g r a t e da st h er a wd a t ai n f o r m a t i o nt oa c h i e v et h e c o m p r e h e n s i v es t a t u s m o n i t o r i n gi n f o r m a t i o n k e yw o r d s ：t o o lw e a r , c o n d i t i o nm o n i t o r i n g ，d a t at r a n s m i s s i o ns t a n d a r d ， s u p p o av e c t o rm a c h i n e 第一章绪论 1 1 课题研究背景与意义 第一章绪论 高新科学技术的飞速发展促进传统制造业开始寻求新的改革之路。先进制造 技术作为改造传统制造业的有效手段，正向模块化、智能化和集成化发展，模块 化要求工业制造设备具备开放的体系结构，以客观条件要求变化为主要功能指标 实现动态调整；智能化要求工业制造设备能实时监测状态和现场环境的变化，识 别故障、预测趋势、及时反馈，保证设备生产效率和安全；集成化则要实现设备 资源、人力资源和数据资源之间的共享和交互，为建立基于集成一体化的生产体 系、售后反馈体系和商务体系提供基础。作为关键性的制造工业母机设备，数控 机床在制造业的地位不容忽视。而以计算机集成制造和柔性制造系统为代表的先 进生产方式使企业的生产活动响应市场需求的速度更快，生产出的产品的质量更 加优良。它们的正常运转是依赖其组成数控设备的无故障作业状态的。当柔性制 造系统停机时，只有小部分的停机时间是用于修复发生故障的设备，而高达8 0 的停机时间是用于定位故障的来源或发生故障的数控设备。实时监测柔性制造系 统组成设备所有可能会发生的故障或异常以及己检测到的故障，快速反应，以维 持柔性制造系统生产效率，这些都是至关重要的。数控机床与计算机通信是实现 制造设备集成控制和管理的基础和必要条件，随着数控技术使用的不断深入，计 算机技术、网络技术的不断发展，企业数控机床的数量越来越多，数控机床作为 现代生产模式中重要组成部分，机床的加工状态监测和安全维护具有重要意【1 。 现代机械加工对复杂化、精密化、大型化以及自动化的要求也在不断地提高， 一些高档精密数控加工设备得到了广泛应用。这些数控设备对加工质量及生产效 率起着关键乃至核心作用。尤其是在柔性制造系统和计算机集成制造系统中的数 控机床，如果不能及时诊断和排除其故障，则所造成的损失是不可估量的。机械 设备的正常运行是缩短产品制造生产周期的基本保证，而设备的非计划停车则是 生产计划正常执行的主要制约因素之一，所以避免数控机床的非计划停车和潜在 故障具有很强的必要性。故障引起的加工设备的损坏往往也会造成巨大的损失， 数控机床的结构复杂性、技术先进性，也决定了一旦机床设备损坏，无法在较短 时间内修复。更为重要的是，在加工特种设计的零件和特殊材料时，由于机床自 身状态的异常，会造成工件损毁、加工精度降低，表面质量下降等一系列问题， 导致经济资源和时间的浪费。在日常的生产作业中，突发性事件是不能完全避免 第一章绪论 的，即使这些事件发生的概率非常小。由于突发性事件具有随机性和不确定性， 如果在现场实行人员值守所有的加工过程也是不切实际的。为提高生产制造自动 化程度、保障数控机床的安全运转、实时地了解设备的运行情况，加工过程状态 以及系统各种参数的集中监控和实时报警控制己势在必行，并成为先进制造技术 发展的主要趋势。 虽然数控机床执行的大多数机加工工艺的要求和细节不同，但是其根本是切 削的过程，通过刀具将工件上多余的材料层切除成切屑从而得到所需要的零件几 何形状和精度尺寸。在这个过程中，始终存在着刀具切削工件和工件材料抵抗切 削的矛盾，刀具不断受到力、热、摩擦以及磨损等多种因素的作用，会逐渐地磨 损、磨钝直至失效，会直接降低机床加工性能和工件的d d - f - 质量。这就要求在数 控机床切削加工的过程中，对刀具的磨损状态进行及时的检测和监控，诊断识别 刀具的磨损程度并采取相应的措施。 传统的检测和监控方法通过直接的刀具检查和刀具寿命时间依据来决定磨 损的程度，但这些方法都具有一定的主观性、保守性和经验依赖性，首先不能保 证刀具在其合理寿命内得到充分利用，影响了加工进度，增加了刀具换刀次数和 刀具费用成本，造成不必要的浪费，再次可能会因为没有及时解决加工过程中产 生的偶然现象而致使工件报废或机床损坏【2 ，更为重要的是，随着d i - r ：要求的提 升，对刀具磨损状态的获取不再是d i 7 - 后的一种检验和为后续工序的准备，而成 为整个加工过程寻优加工的重要依据，通过刀具的磨损程度改变切削参数，保证 切削稳定性，提高工件精度和表面质量。显然，传统的方法已经不能满足自动化 加工的要求，这就需要对刀具磨损的状态监测和诊断技术进行研究，通过加工过 程中振动、切削力信号等多信息融合，利用其中蕴含着的与刀具磨损状态有关的 信息及时识别刀具在加工过程中的状态，可靠地提高机床加工稳定性和生产加工 效率。 而有关刀具的多传感器信号分析、识别算法以及数据传输技术的最终目标是 将理论成果与实际生产需求对接，研制出面向数控机床自动化制造系统特点的稳 定、可靠、柔性、可行的刀具磨损在线监测智能维护系统，最终降低因刀具引起 的设备故障发生率，防止生产事故的出现和人员伤亡，提高设备自身的使用安全 性；保证工件的加工质量的基础上，提高加工效率；最大程度上提高刀具的使用 效率，降低毛坯材料的报废率，减少不合理的资源浪费；保证加工过程安全高效， 避免巨大的经济损失，通过监测、故障分析、性能评估为实现机床、刀具、工件 为系统的加工制造过程最优参数化加工和自动化制造系统实现提供可靠的理论 基础。 第一章绪论 1 2 刀具磨损监测技术国内外研究现状 1 2 1 状态监测与诊断技术主要发展趋势 随着科学技术和现代工业的飞速发展，国民经济的机械、能源、石化、运载 和国防等行业的机械设备日趋大型化、集成化和自动化，机械设备系统内结构复 杂，关系紧密，对设备的状态监测与诊断技术提出了新的挑战，关键设备的某个 部分在运行过程中出现故障，很可能使整个设备出现事故，带来严重的经济损失 和社会损失，国内外因机械设备故障失效而引起的灾难性事故屡有发生【3 j o 机械 的状态监测和故障诊断技术就是为了解决和适应这些实际的工程需要而逐渐形 成和发展的。 从2 0 世纪6 0 年代末，美国宇航局( n a s a ) 创立美国机械故障预防小组开 始，机械状态监测与诊断技术发展了近半个世纪，融合了机械、计算机、互联网、 信号分析与处理、人工智能等多学科成果，迅速发展成为- 1 7 新兴的综合学科。 即采用各种测量和检测手段，从所获取的数据信息中提取特征，判别机械设备系 统是否偏离正常功能，监测各类故障的征兆、发生及发展趋势，预示突发性故障 的产生，通过调节参数或部件的修护更换保证设备的正常运行状态。其突出特点 是理论研究与工程实际应用紧密结合。 随着基础学科和前沿学科的不断发展和交叉渗透，机械故障诊断学在基础理 论和技术方法上不断创新，取得了令人瞩目的成就，已初步形成比较完备的科学 体系。从之前工况监测，只是简单的识别设备的状态正常与否，到对某一征兆出 现后对设备故障根源和原因的判断分析的深入性诊断，再到对设备故障早期微弱 征兆的检测、识别和趋势分析，机械故障诊断技术更多地能够在从设备最优运行 出发，希望能够在故障发生与发展能够做到防微杜渐，不期望亡羊补牢般地处理 事故，将故障诊断不再定义于对故障源进行寻找而进行事后修复的层次，而期望 在故障发生前采取措施解决实际问题，具有重要的科学理论意义和工程应用价 值。与已经有相对应较为有效的监测诊断手段的中晚期故障相比，早期故障具有 症状不明显、特征信息微弱、信噪比低等特点，会随着时间推移进一步诱发复合 故障。而有效的早期故障诊断技术、定量诊断故障程度并预测其扩展趋势和剩余 寿命，一直是国内外状态监测与故障诊断领域的前沿与挑战性难题。 我国机械设备状态监测与故障诊断技术领域的起步较国外起步较晚，在2 0 世纪7 0 年代末开始，从简单的仪表读数和依赖经验判断结果发展到应用计算机 技术、远程控制网络技术和人工智能等技术，结合生产实际研究实用的监测诊断 系统，在理论与方法研究方面积累了丰富的实际经验，也取得了很多的科研成果， 第一章绪论 带来良好的经济和社会效益。近十年来，以下几点内容成为领域内的重点，解决 其在理论和实践方面更多的亟需解决的关键问题。 故障形成机理与征兆联系。故障机理是指通过理论或大量的实验分析得到反 映设备故障状态信号与设备系统参数之间联系的表达式，依之改变系统的参数可 改变设备的状态信掣4 5 j 。它是机械故障诊断技术的重要理论依据，对准确识别 故障特征、确诊故障类型和分析故障原因都具有重要意义。根据研究对象的物理 特点，采用不同的故障参数，建立相应的数学模型，通过仿真研究获得其响应特 征，再结合实验修正模型，准确获知故障的表现征兆。某些故障样本信息不能获 取的情况下，通过建立故障与征兆间的映射关系，用计算机仿真激励获得对未知 故障的诊断判别信息，有效的进行故障早期预测和趋势分析。 信号获取与信息融合。要进行机械设备的故障诊断首先需要确定监测的目 的、监测的对象，需要获取的信号类型等，在此基础上，充分考虑整个机械设备 以及其所处的位置和环境，选择适合现场环境监测的传感器和实验设备，采集到 和故障征兆相关性强的原始信号，原始信号的可靠性和完备性是故障诊断结果正 确与否的前提和关键。而随着智能传感器和多功能传感器的出现，传感器具有了 自补偿、自校准、自诊断、数值处理、双向通信、信息存储和记忆以及同时测量 多个参数等功能，传感器的精度、可靠性、稳定性和自适应性都有所提高 6 ，7 1 。 为了全面获取机械设备的运行信息和故障信息，大多在线监测系统都采用了 多传感器组合的方式1 8 j ，这就带来传感器类型的合理选择和位置的合理配置问 题，如果选择和配置不当，就可能造成信息源的根本性缺陷，而这种缺陷是后处 理无法弥补的，这就要求我们必须根据机械产品的动力学特性、热力学特性、使 用环境以及易损零部件估计等，合理设计监测与诊断传感器的类型、数量与安装 位置、安装结构等【6 j 。 多传感器信息融合技术就是为了能够在最大程度上获取与监测目的相关的 信息而被提出的，合理地选择多种传感器，把多个传感器在时间或空间上的冗余 信息或互补信息依据某种准则进行组合，以获得被测对象的一致性解释或描述， 使该信息系统获得比其各组成部分的子集所构成的系统具有更优越的性能p j 。由 于信息融合的标准和要求无法具体定义，信息融合可以在不同的信息层次出现， 如数据层融合、特征层融合和决策层融合。特征层融合在刀具磨损监测诊断中应 用比较广泛，其过程就是将特征通过不同形式结构组合成模式识别分类器的特征 空间，在进行下一步识别过程。 信号处理与特征提取。这是设备状态监测和故障诊断的重要前提工作。机械 系统结构复杂，部件繁多，采集到的动态信号是各部件振动的综合反映，且传递 途径的影响增加了信号的复杂程度。传感器直接获得到的原始信号大都是随机信 4 第一章绪论 号，其中包含了大量的环境噪声和干扰噪声，不能直接作为诊断过程的基础和依 据。因此，需要采用信号分析和数据处理方法将信号中含有的有用信息转换为易 表达且分辨明显的特征量。常用的信号分析技术主要包括：滤波与降噪、时域分 析、时序分析、频域分析、短时傅里叶分析，时频分析、小波分析、小波包分析、 瞬态分析等，时频分析和小波变换理论的发展也进一步提高了故障诊断技术的水 平，尤其是小波变换在信号的时间尺度特征分析、特征提取、奇异性检测和降噪 滤波等方面的强大能力，使得小波技术在故障诊断领域的应用得到迅猛发展 1 0 。 智能诊断与故障预示。机械设备状态监测和故障诊断的最终目的是对当前的 运行状态和己发生的故障进行判断和决策。而人工智能和机器学习理论的发展， 将这一决策过程提高到智能诊断的水平。将人工智能的理论和方法用于机械设备 的故障诊断，首先能够克服传统这故障诊断依赖于主观分析和经验积累，不具有 很好的传递性和推广性的问题，减少了过多的人为干预因素。将特征量作为一种 输入，将人工智能算法建模成一个具有良好学习性能和推广性能的系统，将系统 的输出就是诊断推理的结果。人工智能算法通过使用计算机去模拟原来只有通过 人的大脑实现的任务，包括推理、分类、规划、决策、抽象、学习等功能。针对 不同的诊断目标，已经有多种的诊断算法应用于工程实际机械故障智能诊断领域 当中，包括模糊逻辑理论、神经网络、专家系统、模式识别、聚类分析、支持向 量机、隐马尔科夫算法、粗糙集、遗传算法、案例推理和贝叶斯网络等智能诊断 方法 1 1 】。 人工智能方法针对某一特定的、相对简单的对象进行故障诊断时有其各自的 优点和缺点。例如专家系统获取知识困难，缺乏有效的知识表达方式，推理效率 低；神经网络获取训练样本困难，不能有充分实现模型的推广性能；模糊故障诊 断算法人为确定与设备实际情况相符的隶属函数及模糊关系矩阵困难。要真正实 现智能诊断，只靠方法很难满足要求，其应用也会有一定局限。如果将几种性能 互补的智能技术经适当组合，取长补短、优势互补，其解决问题的能力会大大提 高。由于科学技术和计算机技术的迅速发展，人工智能是一个非常活跃的研究和 应用领域，并大量渗透到机械设备智能诊断与预示的研究和应用中。大部分智能 方法都需要满足一定的假设条件、人为设置一定的参数，因此智能诊断方法往往 给留人下“黑匣子”印象，诊断方法的推广性得不到很好的验证。需要重点研究 影响现有人工智能诊断方法推广使用的关键环节，结合机械故障诊断特点，研究 解决这些关键环节的基础科学问题。 上述科学问题各自独立，又相辅相成，为机械故障诊断技术奠定坚实的基础。 机故障形成机理与征兆联系研究旨在揭示机械系统运行过程中故障物理现象的 萌生与发展演化规律，故障与系统动态响应映射关系的机理，为故障诊断奠定基 第一章绪论 础。信号获取与融合以及特征提取的研究旨在揭示动态信号故障特征提取的原 理，基于内积变换数学原理构造和选取与故障相匹配的基函数，通过抑制噪声和 利用噪声增强故障特征，有效地提取故障动态特征，为故障诊断提供手段。在前 两个个问题的基础上，人工智能诊断与机械故障预示方法旨在综合研究智能化诊 断方法，提供正确合理的诊断结论，预示故障发展趋势，实现机械设备预测性维 护管理。 1 2 2 刀具磨损监测系统研究现状 在切削过程中，工件在切削力的作用下，在工件上产生剪切断面，在刀具的 前面和后面产生摩擦磨损，于是就产生切削阻力，产生振动噪声，在剪切断面与 刀具前面产生声发射波，还有将切削力的大部分转变成切削过程的热量，于是刀 具产生高温等物理现象，由于以上这些不正常现象，将使被加工工件的尺寸及表 面粗糙度都发生变化【1 2 , 13 】。在数控机床工作中，刀具磨损、破损进行及时的检测 和监控是十分重要的，它是保证自动化加工顺利进行的前提。刀具磨损的监控方 式有很多，按照监控模式分类：有在线监测和离线监测；按照反应速度分类：有 实时性监测和非实时性监测。 通过测量刀具与切屑的接触长度或刀具与毛坯材料的接触长度直接获取刀 具磨损程度。类似这种方法已经应用在工程实践中，在数控系统中可以为刀具预 设极限刀具长度，当刀具完成加工任务换进刀库后，刀库内部的传感器测得实际 刀具长度不满足预设要求时，系统会报警提示，发出换刀信号。 刀具寿命管理监视系统是数控机床刀具磨损监控中最基本最普遍的一种方 法，通过这种寿命监控，可以避免因刀具过渡损伤而带来的不良后果。其监视的 参数主要有以下几种： ( 1 ) 累计刀具切削时间； ( 2 ) 在刀具有效寿命时间内，累计加工工件数； f 3 ) 加工后测量工件尺寸： ( 4 ) 每次加工后用专用传感器测量工件尺寸。 一部分大型加工中心都会配备有和其刀库匹配的刀具寿面管理系统，通过数 控系统内部管理模块对刀库内刀具的型号，对应的刀具阈值进行设定和调整。通 过累计加工时间，直接监控刀具的寿命，当累计时间达到预先设定的刀具寿命时， 控制系统发出换刀信号，同时机床做出如下反应：中断加工作业；或完成正在加 工的工件后停机；或自动更换刀具；或系统报警。虽然寿命管理系统可以实现对 刀具加工过程监控，做到及时换刀，但是它并没有从根本上获得刀具磨损的状态 变化趋势，一些不能通过简单地积累作业时间长短和件数表征的特征量很容易被 第一章绪论 忽略。由于加工参数和材料的选择失误的情况下，刀具在实际加工过程中已经出 现过渡磨损征兆，但是由于寿命系统是由依据系统内固定阈值进行刀具状态识别 的，不可能随实际情况而报警，这样就可能会造成工件在己经破损的刀具下被加 工，对工件以及整个加工中心都会造成损害。 通过安装在机床上的传感器获取到表征刀具磨损状态的切削力，电机功率、 电机电流、振动、噪声等物理变化，将拾取的原始信号作为监测系统的输入信号， 然后输入到信号处理单元中，从原始信号中提取特征，形成表征刀具工况的低维 特征量集合，成为辨识分类器的输入空间，由分类器输出诊断决策。信号处理和 模式识别基础理论的发展，为国内外学者在刀具故障诊断中的信号选取、信号分 析、特征提取、状态识别等方面的研究开辟了新的领域，取得了显著的成果。 n g h o s h t h 】针对数控机床铣削过程的在线监测系统进行了系统的研究，从 铣削加工的特点出发，提出基于神经网络的传感器信息融合，通过采集切削力、 主轴振动信号、主轴电流、噪声等原始信号进行时域分段滤波后进行自适应融合， 经人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ) 处理评估刀具磨损状态。 s h a n gl i a n gc h e n 1 5 j 针对数控机床铣削过程原始数据融合方法进行了探究， 采用加速度传感器和力传感器进行试验，将采集的原始信号的时域幅值、时域方 差、频率波动进行归一化，取通用平均值融合三种特征信号，以原始基础数据组 为参照，在特征向量中用融合向量元素替换原始信号特征向量元素，通过神经网 络分析刀具的磨损程度。 西华大学的贺灵敏i 】6 j 等通过将经验模式分解切削力信号的结果与小波分解 结果相对比，给出了利用经验模式分解对刀具故障状态进行特征提取的方法。采 用经验模式分解方式提取出了切削力信号中的内禀模态函数能量熵作为特征量， 采用支持向量机实现了对刀具磨损状态的识别。 随着刀具磨损量的增加，刀具与工件之间的磨损加剧，振动信号的波形变化 越来越不规则，信号的分形维数逐渐增大，西南交通大学的朱丽琴 17 j 等将分形理 论应用于刀具磨损的在线监测，从振动信号中提取出不受信号能量的大小影响的 分形维数。运用振动信号的分形维数大小能随刀具在整个磨损历程中的变化规 律，有效地实现刀具磨损状态的监测。 刀具在破裂时会产生一种弹性波，这种弹性波是以固体在产生塑性变形和破 裂时放出的能量转换成声波的形式传播出来的，可在适当位置安装声发射传感器 拾取信号。正常切削时，声发射信号小而连续，随着刀具磨损信号呈增大趋势； 当刀具破损时，信号产生阶跃突变，达到正常情况下的几倍。北京理工大学的陈 爱弟【1 8 j 等给出了声发射信号的模糊聚类优选方法和优选特征，并在实时检测刀具 磨损量的实验中得到验证。 第一章绪论 有关切削加工过程动态模型的研究监测诊断也是刀具磨损研究的重要内容， 它基于过程的动态变化规律，研究动态模型的目的：根据数学模型实现预报控制； 数学模型既是对客观系统的数学描述，又是系统信息的凝聚手段。模型参数及有 关特征值、特征函数都能反映过程的状态规律，它是时域特征量的重要提取方法。 研究动态过程数学模型及其硬件模块，以便在线刀具磨损的应用。 天津大学王国峰副教授、李启铭【2 等对切削加工过程中的动态模型进行深入 的研究，针对当前刀具磨损监测非参数化特征提取无法给出相应数模模型的问 题，实现了切削力信号的参数化的动态协整建模，更好地表征刀具在铣过程中的 动态状态变化规律。 南京航空航天大学的张臣【l9 j 等人对球头铣刀铣削力建模进行了研究。在z 2 m a p 仿真模型基础上，考虑刀具偏心和刀具变形对瞬时切削厚度的影响，由铣 削力和切削负载之间的关系，建立了球头铣刀三轴铣削力仿真模型，能够对球头 铣刀的铣削力进行准确预测。 由于加工过程切削机理的复杂性、加工条件的多样性、刀具工况状态的随机 性，使得目前监控方法的在线实时能力和环境适应能力还远不能满足生产的需 要，大多数尚处于试验研究阶段，因此有必要在监控方法上做进一步研究。 1 3 本课题主要研究内容 考虑到数控机床整体状态监测与刀具磨损状态监测的功能融合，以及数控机 床系统与监测单元进行数据交互的理论基础，本文针对目前刀具状态监测技术存 在的这些问题，以数控机床铣削加工为研究对象，以切削力信号和振动信号为原 始信号，进一步研究了刀具磨损状态监测技术，力求找出更加实用、有效的刀具 状态监测方法。采用保留信号原始几何形状的形态滤波算法作为前处理，并以多 种信号分析方法提取出能够充分反映铣削过程缓变和时变特点的特征向量，采用 适用于小样本分析的支持向量机建立辨识模型。结合上述监测过程提出监测单元 与数控系统交互数据协议和整体的监测诊断系统架构，并阐述实现模式和具体功 能被详细的描述。具体研究内容如下： 第一章绪论，介绍了状态监测与诊断技术的主要内容和发展趋势，并就数控 系统的状态监测意义进行了简要阐述，详细论述了刀具磨损状态监测意义及国内 外研究的主要角度和方法，最后提出了本课题主要研究内容。 第二章刀具磨损状态监测系统模型的建立，通过对刀具磨损机理和主要物理 现象的深入研究，明确了刀具监测诊断系统的主要环节，并就铣削加工过程的特 点，分析了构建监测诊断方案所要解决的问题，提出使用形态滤波和支持向量机 第一章绪论 算法的刀具监测实现方案，章节的最后就理论原理进行了详细的说明。 第三章刀具磨损状态的识别过程与分析，首先按照要求设计了实验方案，完 成了实验设备的选择和设定工作，制定出验证实验方案；处理实验数据，将形态 滤波后的信号采用时域分析、频域分析、小波包分析提取特征向量，通过支持向 量机模型辨识出刀具状态，来验证整个监测系统的可行性。 第四章监测单元与数控系统的监测诊断信息无缝交互技术，从数控系统和监 测单元的之间数据传输入手，分析了数据交互的需求和实现方式，提出模块化的 数据交互协议。 第五章数控机床刀具磨损集成监测诊断系统，以前文提出的刀具监测系统和 数据交互协议为基础，提出层次化的数控系统加工状态监测系统框架，阐述了具 体的实现流程。 第六章结论与展望，对全文得到的结论进行总结，并就进一步的工作给出了 思路。 第二章刀具磨损状态监测系统模型的建立 第二章刀具磨损状态监测系统模型的建立 随着科技化生产环境标准与要求的不断提高，加工制造产品本身结构与材料 属性的日益复杂，数控加工机床已不仅仅执行单一的运动轨迹控制与逻辑控制的 功能，而逐渐转化为贯穿产品参数化生产全过程的核心复杂平台。在数控加工机 床进行高速度、高精度、高效率的产品制造加工过程中，需要实时监测和控制机 床高自动化程度的加工状态，数控机床加工运行动态的实时监测成为数控机床安 全机理和智能化生产的重要研究内容。通过对于加工状态下的刀具监测，能够将 需求的实时加工状态进行采集，作为故障诊断和远程控制维护数据基础和判断依 据，以使机床保持安全最佳的状态。 2 1 刀具磨损机理研究 2 1 1 切削过程中刀具磨损特性 数控机床加工过程中刀具所表现出的动态特性主要有以下几方面： 离散性与断续性：从数控机床、刀具与工件形成的加工系统中，获取的不同 形式的信息是相互独立的，并不存在直接的耦合关系，如工件几何尺寸、加工精 度要求和表面质量等；在刀具的一次走刀过程中，刀具与工件之间的相互作用过 程可以是连续的，如车削和磨削工艺；在铣削的情况下，切削作用过程就呈现断 续的特征状态。 缓变性与突发性：在恒定的加工环境和加工参数设定下，数控机床动态特性 变化速度是非常缓慢的，随着刀具和工件之间加工作用过程的不断持续，床体温 度的升高、热误差、应力的产生等现象都属于缓变过程，早期征兆十分微弱；而 刀具的磨损、破损和折断则相对发生速度快，属于突发性故障。 随机性与趋向性：由于加工过程中的随机因素干扰大，因此各种物理量的变 化，如切削力、切削温度、刀具磨损与刀具寿命和加工参数的关系往往是带有趋 向性的随机过程【2 。 模糊性：在故障征兆和故障源的映射关系是模糊的和不可确定的，一部分关 系是可以得到明确关系式的，而另一部分属于不明确映射关系的系统，在状态辨 识过程中需要用到各种数学分类辨识系统和模型，但是现实中不存在完全适用各 种情况下故障源与征兆映射关系辨识分类的通用模型。在状态分类中，可分性是 第二章刀具磨损状态监测系统模型的建立 基本的，但类别之间往往无确定的边界，客观一卜也存在模糊区，使得状态分类困 难。 在数控机床加工过程中，刀具由于受到热压裂、物理摩擦、腐蚀、塑性变形、 扩散磨损、化学磨损和晶粒脱落等原因影响，逐渐失去了其锋利度直至磨钝。由 于刀具和被加工材料之间的相互作用不同，所产生的磨损机理也不相同，一般有 磨粒磨损、粘结磨损、扩散磨损、表层剥落磨损和强度削弱磨损等 2 1 - 2 3 。 数控机床执行铣削加工工艺过程时，由数控系统控制机床主轴旋转带动刀 柄，安装在刀柄上的铣刀跟随主轴主运动旋转，工作台随机床各进给丝杠的运动 而移动，固定于工作台上的工件则作x 与y 方向进给运动。虽然运动形式与车 削加工不同，其实质都是刀具切除多余材料，形成切屑，得到新的加工表面的过 程，从而产生一系列的物理现象，如切削力、切削热等。磨钝的刀具会引发不必 要的振动，影响工件的表面光洁度和加工精度，更为严重的是，与工件接触加工 过程中刀具有可能会发生折断，载荷的突然释放和相继产生的惯性影响会在贵重 工件及机床本身造成不可恢复的应力效应。 由于铣刀与工件的切削过程是不连续的，一方面对于刀具的耐用度有利，另 一方面，切削均匀性相对车削较差，断续切削作用于刀具和刀柄的径向切削力是 交变的，对于主轴刚度不高的机床来说会带来一定的冲击振动；并且铣刀切下的 切屑需要在先留存于刀槽中直至刀齿离开加工表面才将其抛出。在考虑铣削刀具 监测诊断方法时，需要多考虑以上特点。 2 1 2 刀具磨损量的评价标准 刀具的磨损过程分为三个阶段 2 4 】： 1 ) 初期磨损阶段 因为新刃磨的刀具后刀面存在粗糙不平及显微裂纹，氧化或脱碳等缺陷，而 且切削刃锋利，后刀面与加工表面接触面积较小，压应力较大。这一。阶段后刀面 的凸出部分很快被磨平，刀具磨损速度较快。 2 ) 正常磨损阶段 经过初期磨损后，刀具粗糙表面已经磨平，缺陷减少，刀具进入比较缓慢的 正常磨损阶段。后刀面的磨损量与切削时间近似地成比例增加。正常切削时，这 个阶段时间较长。 3 ) 急剧磨损阶段 当刀具的磨损带增加到一定极限后，切削力与切削温度均迅速增高。磨损速 度急剧增加，生产中为了合理使用刀具，保证加工质量，应该在发生急剧磨损之 前就是及时换刀，如图2 1 。 第二章刀具磨损状态监测系统模型的建立 0 图2 1 刀具磨损曲线 在生产实际中，常常根据切削中发生的一些现象来判断刀具是否已经磨钝： 1 ) 切削力增大，出现不正常的振动和噪声； 2 ) 材料加工表面粗糙度显著恶化，尺寸精度出现误差； 3 ) 切削热造成切削温度的上升，切屑的颜色和形状发生变化； 4 ) 切削过程中，出现火花等。 在评定刀具材料的切削性能和试验研究时，都是以刀具表面的磨损量作为衡 量刀具的磨钝标准。刀具后刀面的磨损对加工精度和切削力的影响较前刀面更为 显著。由于后刀面磨损量比较容易测量，i s o 标准统一规定以1 2 背吃刀量处的 后刀面上测定的平均磨损量允许达到的最大值v b 作为刀具的磨钝标准。 根据对铣削加工原理和特点的分析可知铣刀是多齿多刃刀具，每一个刀齿都 可以看成一把车刀，因此所有刀齿后刀面磨损量的平均作为铣刀磨损量的评价指 标，可用公式( 2 1 ) 表示为 饿厶一” v b = 一 ( 2 1 ) z 其中，2 代表铣刀刀刃数。 2 2 刀具磨损状态监测系统模型 2 2 1 刀具磨损监测系统的主要环节 在切削过程中，当刀具出现磨损时，与切削过程密切相关的物理量如切削力、 切削功率、切削温度、振动信号等都会发生相应的变化；反过来说，如果监测到 这些信号发生了变化，也就意味着刀具的状态也可能发生变化。而传感器直接拾 第二章刀具磨损状态监测系统模型的建立 取的相关性强的原始信号直接用于对刀具磨损决策过程相对简单，但并不是最有 效和可行的。从实用的角度来说，需要将原始信号中蕴含的信息提取出来成为敏 感系数更高的特征量，是有助于刀具磨损决策过程训练效率和推广性能的提升。 切削过程中刀具磨损的监测系统主要包括如下几个环节，如图2 2 ： 厂 ! 厂l 传感器组 1 ：秘 信号采集与处理5 【，一j l，一 特征提取与选择 监测诊断模型建立 信号获取- 1 i信号处理与故障诊断 图2 - 2 刀具磨损监测系统主要环节 控制输出 ( 1 ) 信号拾取和传感器设置 不同类型的传感装置安装在机床的不同部位，用于切削加工过程的原始信号 获取，监测切削过程中刀具、工件和数控机床组成的系统的物理状态参数的变化。 在这一步，需要根据实际的加工装置与环境情况，考虑噪声对信号采集的影响和 传感器安装位置对信号采集的影响，选择适合的传感器类型和传感器的安装位 置，它关系着在整个刀具状态决策过程的准确性，对于整个监测系统来说是极其 重要的。 ( 2 ) 信号采集和预处理 该环节主要是将传感器获取的信号进行采集和储存，a i d 转换，放大，滤波， 除噪声等预处理，预处理的目的就是去除噪声，加强有用的信息，并对输入测量 仪器或其他因素造成的退化现象进行复原。在这一环节，以传感器类型和实际加 工参数为基准，确保足够的采样频率和采样时间，确保原始信号的完整性。 ( 3 ) 特征提取和选择 前一环节获得原始信号的数据量是相当大的，为了有效的实现刀具磨损的诊 断识别，就要对原始数据进行变换，得到最能反映分类本质的特征。采用时域分 析、频域分析、时频域分析等不同方法处理信号预处理后的信息中，通过变换把 维数较高空间中表示的信息变为维数较低的特征空间中表示的元素，利用合适的 数学方法选择能够反映刀具状态变化的敏感特征；提取出最能表征各工况状态的 特征量。 f 4 1 智能诊断决策 第二章刀具磨损状态监测系统模型的建立 采用智能诊断技术对数控机床加工过程不同的刀具磨损程度作故障报警的 诊断决策或趋势预报。建立刀具磨损状态决策模型，在样本训练集基础上，寻找 出最能表征信号特征值与刀具磨损间的不能用传递函数表示的映射关系，确定好 模型内参数和整个识别系统的判决规则，使按这种判决规则对被识别对象进行分 类所造成的错误识别率最小或引起的损失最小。 在提取特征模型和确定识别规则时，要注意正常的工况变化与切削过程变化 对应阈值的不同。同时，随着机床的不断运行，同一工况下阈值也在不断变化， 应通过在线监测的历史数据调整阈值。 ( 5 ) 诊断控制策略 对开环控制的数控系统，刀具磨损监测系统检测结果可在显示器或指示灯报 警，并给出状态异常的可能原因，而调整控制则由人工完成。对于闭环系统，数 控系统能自动调整加工条件或状态，使机床自动恢复正常状态或停机。 2 2 2 切削过程中发生的物理现象及刀具监控方法 对于不同的刀具切削参数有不同的监测方法，