（机械电子工程专业论文）基于声发射法的刀具磨损状态研究.pdf

摘要 摘要 从机床结构来说，影响立式车铣复合加工中心精度的部件或结构有很多， 而电主轴和加工刀具是最直接的零部件，而针对切削加工刀具，采用电机电流 信号和声发射( a e ) 对刀具状态进行监测都是现在研究的有效方法。根据导师 的在做项目的要求，本文着重讨论基于声发射法的刀具状态监测系统的研究。 声发射是固体材料中普遍存在的一种物理现象。声发射作为一种有效的无损 检测技术已经应用到设备检测、监控的各个领域，以其灵敏度高、在监控过程 中无需停机等优点正适合于刀具的在线检测。本文在高速铣削加工动静态监测 技术的基础上，利用声发射信号对刀具的磨损状态的监控进行了研究，其主要 从一下几个方面来开展工作： ( 1 ) 构建铣削过程刀具磨损监测试验系统。包括对构建系统的硬件设备和 软件环境进行了较为详细的介绍。目的在于采集的声发射信号和分析、处理信 号做前期的准备。 ( 2 )利用声发射传感器和数据采集卡采集到的声发射信号，在l a b v i e w 环 境下，对信号进行统计分析和功率谱分析。目的在于寻找信号中存在着的与刀 具磨损变化相应的特征，通过对现场采集的声发射进行分析，根据刀具磨损状 态的特征，总结规律，以此作为刀具状态在线监测判别的根据。同时也说明利 用声发射信号进行刀具的在线检测是可行的。 ( 3 ) 通过构建的硬件和软件系统，对采集到的声发射信号进行分析，以得到 在加工过程中，刀具的切削三要素( 主轴转速刀、进给量厂和切削深度p 。) 对 声发射信号的影响程度，得出结论。 ( 4 ) 由于小波具有对高频信号细化分析的功能，我们将利用多辨率小波分解 对声发射信号进行分析和处理，然后对信号各频段进行的能量统计，以便提取 反映刀具磨损状态的频率特征，利用这一步得到的结果作为刀具磨损状态识别 的输入。经过分析采用r b f ( 径向基函数) 神经网络，对刀具的磨损状态建立 有效的识别系统。最后对整个识别系统的效果做出结论。 关键词：声发射，刀具状态，小波分析，r b f 神经网络 a b s t r a c t f r o mt h em a c h i n es t r u c t u r e ，t h e r ea r em a n yp a r t so rs t r u c t u r e si n f l u e n c et h e a c c u r a c yo ft h ev e r t i c a lm i l l i n gc o m p l e xm a c h i n i n gc e n t e r , h o w e v e rt h es p i n d l ea n d c u t t i n gt o o l sa r et h em o s td i r e c t l yp a r t s j u s tf o rt h ec u t t i n gt o o l s ，t h em e t h o do f t h eu s eo fm o t o rc u r r e n ts i g n a la n da es i g n a lt om o n i t o rt h es t a t eo ft h et o o l sa r e t h em o s te f f e c t i v em e t h o d 。s oa c c o r d i n gt ot h er e q u i r e m e n t so ft h ep r o g r a mo ft h e t u t o r , t h ef o c a lp o i n ts t u d yo ft h ep a p e ri sd i s c u s s i n gt h et o o l i n gm o n i t o rs y s t e m w h i c hb a s e do na es i g n a l a es i g n a li st h ep h y s i c a lp h e n o m e n o no ft h es o m em a t e r i a l s a ea sa ne f f e c t i v e n o n d e s t r u c t i v et e s t i n g ( n d t ) t e c h n i q u eh a sa p p l yt oa l lk i n d so ft h ei n s p e c t d e v i c e s w i t ht h ea d v a n t a g e so ft h ea e j u s tf i tt h eo n l i n et e s to ft h et o o l s ，s u c ha s h i g hs e n s i t i v i t ya n dw i t h o u ts t o pd u r i n gt h ew o r k s w ew i l lm a k eu s eo ft h ea e s i g n a l st os t u d ys t a t et h et o o la b r a s i o nb a s e do nt h er e s e a r c h e ro ft h et e c h n o l o g yo f t h ei n s p e c to fm a c h i n et o o lw i t ht h eh i 曲s p e e d s ow ew i l lc a r r i e do u to u rw o r k s f o r ms e v e r a la s p e c t sa sf o l l o w i n g ： ( 1 ) b u i l du pt h et o o lw e a rm o n i t o r i n ge x p e r i m e n ts y s t e mi nm i l l i n g i n c l u d i n g i n t r o d u c eh o wt oc o n s t r u c tt h es y s t e m sh a r d w a r ea n ds o f t w a r ee n v i r o n m e n tw i t h d e t a i l e d w ed os o m ep r e p a r a t i o n ss ot h a tw ec a ng a t h e rt h ea es i g n a l sw h i c hw ew i l l a n a l y z ea n dp r o c e s si nt h ef o l l o w i n gs t e p s ( 2 ) d e t e c ta n dc o l l e c tt h ea c o u s t i ce m i s s i o ns i g n a l so fd i f f e r e n tw e a rs t a g e s t h r o u g hu s i n ga es e n s o ra n dd a t a - a c q u i s i t i o nc a r d ，i nt h ee n v i r o n m e n to ft h e l a b v i e w , t h e nt h ea es i g n a l sw e r ea n a l y z e db ys t a t i s t i c sa n a l y s i sa n dp o w e r s p e c t r u m i no r d e rt os e a r c hc h a r a c t e r i s t i cc o m p o n e n tw h i c hc h a n g e sw i t ht h es t a t eo f t o o lw e a r i n gt h a te x i s t i n gi nt h ea es i g n a l s a tt h es a m et i m ew ew i l lp r o v et h a ti ti s f e a s i b l et ou s ea es i g n a l st om o n i t o rt h et o o ls t a t e so n l i n e ( 3 ) a c c o r d i n gt ot h es y s t e mo ft h eh a r d w a r ea n ds o f tw a r e ，w ew i l la n a l y s i st h e a es i g n a l sw h i c hg a t h e r e db yt h es y s t e m s ot h a tc a l lg e tl e v e l i n f o r m a t i o no ft h e n a b s t r a c t i n f l u e n t so ft h et o o l sf a c t o r s s ot h a tc a l ld os o m ec o n c l u s i o n s ( 4 ) b e c a u s eo fw a v e l e tt r a n s f o r m p o s s e s s t h ef u n c t i o no fa n a l y z et h e h i g h - f r e q u e n c ys i g n a l s ow ew i l lu s et h em u l t i r e s o l u t i o nw a v e l e td e c o m p o s i t i o nt o a n a l y z ea n dp r o c e s st h ea es i g n a l s t h e nd oe n e r g ys t a t i s t i c st ot h ep a r to ft h e f r e q u e n c yb a n d s ot h a tc a l le x t r a c tt h ef e a t u r e sf r e q u e n c yt h a tr e f l e c t e dt h et o o l s w e a rs t a t e a n du s i n gt h er e s u l t so ft h i s s t e pa st h ei n p u t st h et o o l ss t a t e s a f t e r a n a l y z i n go ft h ec h a r a c t e r i s t i co ft h ea es i g n a l s ，w eu s et h ei m fn e u r a ln e t w o r kt o b u i l dt h es y s t e mt ot h et o o lw e s t s t a t e s a n dc o n c l u d et h er e s u l to nt h ea l ls y s t e m 。 k e yw o r d s ：a es i g n a l s t o o ls t a t e sw a v e l e ta n a l y s i sr b fn e u r a l n e t w o r k m 1 绪论 1 1 课题概述 1 绪论 1 1 1 课题来源 本课题来源于国家科技重大专项：“c x 系列立式车铣复合加工中心高速条件 下机床性能研究 ( 项目编号：2 0 0 9 z x 0 4 0 0 1 - - 0 3 3 ) 的课题之一“基于高速铣削 加工动静态监测技术的研究”。 1 1 2 课题的提出 “c x 系列立式车铣复合加工中心”是“高档数控机床与基础制造装备一科 技重大专项中优先支持的课题之一【l 】，是军工、航天、汽车、医疗机械等领域急 需的重要高档数控机床。这种高档数控机床的最突出优点是工件在一次装卡中 完成大部分或全部加工工序，从而免去工序间的搬运和储存，可以减少机床和 夹具，节约作业面积，大大缩短工件的生产周期、提高工件加工精度，也非常 适应未来多品种小批量生产、变量变品种时代的到来。因此，目前世界上越来 越多的复杂零件采用高档数控机床进行综合加工，高档数控机床成为近年来发 展最活跃的技术之一。 本课题着重围绕上述机床产品的研制需要，按设计、单元部件、制造过程、 应用工艺和规范标准五个方面设置技术基础研究子课题，注重子课题之间的相 互关联性和平台建设与人才培养。通过本课题技术路线的科学实施，开发具有 国际先进技术水平的c x 系列立式车铣复合加工中心，解决其相关的关键技术难 题，制定系列化的企业工艺规范与技术标准，培养高水平的c x 系列立式车铣复 合加工中心的研发、制造与管理人才队伍，这对于打破国外在立式车铣复合加 工中心上的垄断地位，为我国工业发展提供先进的技术手段和设备，提升我国 高档数控机床的制造水平，进而增强我国基础制造装备的开发、制造、试验等 方面的自主创新能力，促进装备制造业和相关领域的快速发展和技术进步都是 非常必要的。 本课题拟采用“产、学、研、用”结合的方式，就“c x 系列立式车铣复合 加工中心 规模制造中涉及的产品研发技术基础、研发试验研究平台、产业化 制造技术和机床应用技术展开系统的研究，完成“c x 系列立式车铣复合加工中 1 绪论 心 产品开发适用的应用技术体系，满足相关机床开发工作需求；完成研究开 发试验平台建设，满足相关机床开发过程中必须的试验研究工作；完成相关机 床的产业化制造基地改造，满足市场对相关机床的批量需求；完成持续的用户 技术需求的试验研究平台，为持续进行高速机床的研究开发提供技术需求支持。 1 1 3 本课题研究的目的和意义 一个国家要强大，就必然离不开强大的经济实力，而制造业则是一个国家 经济发展的支柱性行业，要想制造业得到快速的发展和强大的实力，就必须依 靠先进的制造技术作为强大的技术支持。进入本世纪以来，各行各业都得到了 跨越式的发展，尤其是以计算机技术，现代信息处理技术，自动控制技术等为 代表的高新技术的发展，同时也推动了其他一些相关产业的发展。而在目前的 生产中，各个生产单位大量采用的数控机床中的原因在于：由于c n c 机床精度 高、可靠性好，而且夹具较少，这样就提高了生产效率，在通常情况下，一般 都能保证较高的工序能力和机械能力指数【2j 。为了保证自动化加工过程的顺利 进行，于是采用了加工状态监控技术，这在先进的制造技术中占有重要作用。 自2 0 世纪中叶起，一些制造大国纷纷开始研究此课题。而在实现加工自动化的 过程中，刀具的状态变化便是最常见的故障之一，所以具有先进的刀具状态检 测系统，从而预测刀具状态的变化过程便成为最为重要和关键的技术之一。 从机床结构来说，影响立式车铣复合加工中心精度的部件或结构很多，而 电主轴和加工刀具是最直接的零部件。因此，整个子项目基于高速铣削加工 动静态监测技术的研究一的主要内容是研究内容是针对电主轴开展基于电流法 的车铣复合加工中心电主轴工作精度监测系统和刀具磨损破损检测与监测研究 技术路线。而作为一个小的研究方向，本人的任务是针对切削加工刀具，综合 采用声发射( a e ) 信号开展对刀具状态进行监测。 声发射技术的原理是：通过构建采集声发射信号所需的硬件环境和软件环 境，采集切削加工过程中的声发射信号，接下来采用相关的信号处理技术以提 取能反映刀具磨损状态的有效特征信息，最后选择有效的信息识别方法，从而 实现对刀具状态的识别，以达到监控系统对刀具状态监控的目的，为生产加工 过程中提供准确有力的参考瞄j 。 1 2 刀具状态监控技术研究现状 2 1 绪论 正是由于工业自动化的发展要求，从而推动了基于刀具状态的检测技术的 发展，使得该项技术和研究得到了相当大进展和进步，从上世纪五六十年代到 现在，短短几十年的时间里，各国研究人员已经提出了许多的原理和方法，其 应用成果也取得了非常可观的成绩，但是不足的一点是，有一些方法还处于理 论阶段，有些还处于实验室阶段，还无法做到有效、全面的应用推广和应用。 总之，在刀具状态检测的道路上还有许多工作可做，许多原理、方法还有待创 新。 就本论所着力讨论的刀具状态监测系统而言，是指在机械加工过程中，通 过建立一整套的硬件环境和软件环境，利用各类传感设备采集到各类传感信号， 通过计算机处理和分析，从而得到刀具的所产生的一些规律，进而预测和得到 刀具的磨损状态。为了实现这样一个过程，我们可以将整个系统当做一个对我 们研究对象的模式识别过程，即刀具状态监控过程的模式识别。对于一个完整 的刀具状态监控系统通常包括以下几个部分：硬件条件和软件环境。其中硬件 包括：研究对象( 一般是加工刀具) 、加工环境、检测传感器、数据采集卡等。 软件环境包括采集信号的处理单元、特征信号的提取和模式识别等单元构成。 其系统框图见图1 1 所示： 加工条件 上 研究条件 上 传感器检测 l 采集的信号处理 j r i 特征信号的提取与选择 j r 刀具磨损状态的识别 图i - i 刀具状态监控系统框图 f i g 1 1t o o lw e a l c o n d i t i o nm o n i t o rs y s t e mc o n f i g u r a t i o n 就所建立的刀具状态监测系统对要实现的功能上来分的话，大概可以分为 l 绪论 原始数据的采集以及目标信号的处理和分析两大部分。我们在设计一个监控系 统前，必须首先确定研究对象( 刀具) ，例如在本实验系统中的铣刀所发出的声 发射信号，这是我们分析和判断刀具状态的基础，接下来要确定所建的检测系 统的实际监测范围，一般理想情况下，我们希望所建立的监测系统是能够在任 何实际的加工条件下都能够及时的准确无误的判断出刀具的磨损状态，从而为 自动化的生产和加工提高可靠依据。而在实际的条件下，可能会受到一定监测、 设备的条件的限制，所以无法准确、及时、有效得出可靠结论。之外，还加上 一些其他的分析方法，例如：在本研究中采取的基于多分辨率分析的小波分析， 以确定提取能够正确反映刀具磨损状态的特征量，并将此特征作为其他处理的 依据或者是其他分析方法的前提条件；最后的一个模块是模式识别模块，这个 模块主要通过建立信号特征与刀具磨损状态之间对应的数学关系模型，从而最 终实现对刀具状态的准确判定，以达到对刀具状态准确识别的目的1 4 j 。 1 2 1 刀具状态检测技术的分类 一般的情况下，我们的监控系统所采用的按传感器的数据采集的过程大体 可以分为两类：直接测量法和间接测量法【5 】。由于加工条件的影响因素和工作条 件的复杂性，我们可以从各个方面来对研究对象进行研究。就目前而言，各个 国家的研究机构和制造厂商大都将精力集中在诸如：刀具的切削力信号、电机 电流信号、功率信号、振动信号以及声发射信号等等【6 】。这些信号都是在实际加 工过程中相对而言容易采集到的和处理技术相对比较成熟、方便的影响因子。 以下是总结各种出现的有关直接测量方法和间接测量方法的具体介绍，见表1 1 所示【7 】： 表1 1 刀具监测系统数据采集方法总结 c h a r t 1 - 1t o o lw e a rc o n d i t i o nm o n i t o rs y s t e md a t aa c q u i s i t i o nm e t h o d s 监测方法分类选用传感器类型工作过程使用特点 利用磨损面反射在线监测多种刀 光学传感器、的光线或摄像机具磨损及破损， 光学图像法摄像机摄像，再经图可现直观图像。 象处理和识别 接触法 使用简便，但易 磁间隙传感器监测切削刃受切屑及切削温 度影响。 4 l 绪论 切削温度法测加工件与刀具用丁二车削，灵敏 热屯偶间切削温度度较低。 监测上作当中的使用灵敏，实时 振动法振动传感器振动信号检测， 使川简便，实时 应变力传感器检测切削力、检测，应用较广， 切削力法压电力传感器切削分力有产品供应 互感器、成本低，易 分流器、 主轴电机或进给使用，实时检测， 功率法 功率传感器 电机功率可实现自适应 加工，有市场 检测加工过程中使刚灵敏，实用， 声发射法声发射传感器的声发射信号及实时监侧，有较 其特征参量广应用前 景广 1 2 2 基于声发射信号刀具监控技术研究现状 ( 1 ) 测量声发射( a e ) 信号。声发射信号( a c o u s t i ce m i s s i o n ，简称a e ) 是 由于固体材料内部结构的变化而导致的应变能迅速释放而产生的弹性应力波， 除极少数材料外，金属和非金属材料在大部分情况下都存在着声发射现象【8 j 。声 发射由于在金属加工中分子的晶格发生畸变、裂纹加剧以及材料在塑性变形时 释放出的一种超高频应力波脉冲信号【8 】。 利用声发射检测技术的优越性主要表现在：它可以剔除在实际加工或实验 过程中的其他环境噪声的影响，从而只对我们所关心的声发射信号的高频阶段 具有较好的选择性分析，还有及实现对监控对象的在线监测。基于这样的优点， 基于声发射信号的自动检测技术在实现工业自动化方面具有较为广泛的应用前 景。自声发射技术被引入到检测领域以来，经过工程技术人员和研究人员的长 时间地不断探索与实践，已经取得了令人满意的效果。 1 2 2 1 国外刀具监控技术的研究现状 自从2 0 世纪4 0 年代起，经过近6 0 都年的发展和研究，国外对刀具磨损的 状态检测技术的研究已经取得了相当大的成果，其表现为技术和理论都取得了 l 绪论 重大的突破和进步。通过一些资料和文献可以知道： 在国外，以江田弘为首一些日本研究者通过采用检测声发射的方法对磨削 裂纹发现：其声发射信号的频率在1 0 0 k h z 以上，他们通过滤波的方式把由于磨 削裂纹形成而产生的声发射信号提取出来，从而实现对磨削裂纹的产生进行在 线监测p j 。 美国研究者d i r m e l a 的研究发现通过测量切削力信号和振动信号，并将这 两种常用的信号进行融合，比较分析等分析方法可以得到比较准确的检测结果， 使之能正确的反应刀具的磨损状态情况【i o l 。 同样是美国学者b e n h a r ds e e k ，他利用各种传感器采集多种信号，如：振动 信号、声发射信号以及刀具的切削力信号等反映刀具状态的典型信号，这种采 用多传感器信息融合的技术，并采用一些人工智能的识别方法，如：人工神经 网络、支持向量机等模型，使之成为在线刀具检测系统的关键技术之一【l i 】。 欧洲的一些研究人员t r a n s e a l 等人的研究表明：通过测量切削力的平均值， 得到的结果与下一个将要测量的实际值进行比较，采用这种预测值的方法可以 用来选择一个阈值，并通过这个阈值来预测刀具的破损情况，也可以得到比较 好的检测结果【1 2 】。 德国的一些研究团队m a n u m a nd a 通过采用特殊设备如摄像机采集加工刀 具的表面图像，并利用精度较高的微型话筒喜爱现场采集刀具所发出的切削力 声音信号，采用现代的数学处理方法小波分析进行反映刀具磨损的特征信号进 行提取、分析。最终将采集的处理后特征信号，输入神经网络进行信息的识别， 最终确定道具的磨损状态【1 3 】。 1 2 2 2 国内刀具监控技术的研究现状 在国内，由于数控加工技术和一些先进的制造技术相对于世界制造业强国 来说，起步较晚，所以和他们相比还有一定的差距，但是通过近3 0 年来的研究 和发展，经过国内研究人员的不断研究和创新，已经在刀具检测的技术和理论 方面取得了较大的成就，有些技术和理论已接近国际水平【1 4 】。 在国内，南京航空航天大学的一些研究学者对磨削加工中的声发射信号也 进行的研究，他们通过智能识别的方法，实现了对磨削烧伤的在线监测与预报。 实验表明；系统具有较强的对环境噪音的抵抗能力，实验也收到了很好的预报 效果【l 扪，因而在实际运用当中也有较大的价值。 6 i 绪论 华中科技大学秦勇等等通过采用测力计和测加速度仪器采集的反映刀具特 征的信号，输入基于模糊数据分析模型的神经网络系统，利用这种智能识别技 术，以达到识别刀具状态的目的，也取得一定的效果1 1 7 l 。 大连理工大学刘敦临、李建复等人以加工刀具的切削力和切削功率为研究 对象，建立起在线实验研究系统，研究了基于各种切削参数与加工刀具状态的 车削模型，得到较实用的实时监控方澍1 8 】。 兰州理工大学李小军等研究人员针对刀具在j 口t _ 过程中a e 信号和振动信 号的特点，利用小波分析技术提取采集信号的特征信号，建立起基于智能识别 技术的神经网络模型【l9 1 ，采用该技术的优点是能融合声发射信号和振动信号的 特征与刀具状态之间的非线性关系，以实现刀具状态的智能识别。此种技术可 以提高在线刀具检测的准确性1 2 0 】。 1 2 3 基于小波分析刀具监控技术研究现状 我们所说的小波分析是在傅立叶分析基础上发展起来的，经过各国研究人 员的研究和推广应用，它现在已被广泛应用于工程运用的各个领域，小波分析 不但克服了傅立叶变换只适用于平稳信号的分析，不能给出时域信息的缺点， 而且还克服了短时傅立叶变换对所有的频率成分，所取的时间窗口大小不能改 变的问题【2 2 1 。本文研究利用小波分析技术提取了声发射信号的频率段功率谱特 征，然后研究信号不同频段特征向量与刀具磨损状态之间的映射关系。并通告 提取出与刀具磨损相关的特征频率段能量作为模糊识别系统的输入，来监测刀 具磨损状态的变化，可以取得期望的结果，以达到利用声发射信号对刀具进行 在线检测的目的。 1 2 4 基于神经网络刀具识别技术研究现状 刀具状态识别模型是刀具状态监控系统中的核心组成部分，它是指按一定 的决策方法，从而实现对刀具磨损状态的最终识别的一种方法【2 3 1 。 就目前而言，包括国内外许多工程技术人员和研究人员广泛采用神经网络 的方法来对刀具磨损状态的进行智能识别，主要是因为使用神经网络具有的其 他识别方法所不及的优点【2 4 1 。对声发射信号分析处理的最终目的是实现对被检 测对象进行状态识别，使之为加工的自动化提供有力的技术支持和参考。就本 论文来说即实现刀具磨损状态的识别。这部分的内容也是本论文的一个重点， 7 1 绪论 如何合理去构建一个适应声发射信号的实用网络也是一个关键所在，本文也将 对构建过程进行较为详细的叙述。 通过对多种神经网络的学习和实践方法的综合比较，我们最终选择以径向 基函数的神经网络去构建神经网络识别系统，编写相关的应用程序，训练和识 别样本。 1 3 刀具失效及标准 刀具失效是金属在切削过程中的一个必然产生的现象，刀具失效形式主要 表现为以下两种：刀具磨损和刀具破损【2 5 1 。接下来将详细介绍这两种失效形式： 1 3 1 刀具磨损 刀具磨损是指由于在加工过程中的刀具和工件的接触，随着加工过程的进 行，刀具摩擦面上的刀具材料逐渐消失的现象f 2 6 1 。刀具磨损有着各种不同的表 现形式和形成原因。根据实际研究资料和生产的实际现场经验可以得出，刀具 磨损大致可以分为三个阶段【2 6 j 。如图1 2 所示。 网 德j 淄厂一 卜 i 严霉j 厂一j 。 ， ；4 1 t钳”1 帕- 蕾 讶触寸旧r a i n s ) 搔 图1 2 刀具磨损阶段示意图 f i g 1 - 2c u t t i n gt o o lw e a l p h a s e ss k e t c hm a p 由上图的刀具磨损阶段示意图我们可以得知：在磨损初期阶段，刀具的磨 损速度比较快。这主要是因为新刀具表面存在一些缺陷，其主要表现为表面有 微观粗糙度、氧化层等等【2 7 1 。经验表明：磨损量大约为o 0 5 m m o 1 m m 时，磨 损量的大小还与刀具刃磨的质量有一定关系。到了正常磨损阶段，磨损量大约 仆 删幂蕾qr 1 绪论 为0 1 m m 0 5 m m 。在这一阶段里，刀具磨损逐渐变得缓慢，随着持续时间的增 长，刀具的磨损量也随着时间而均匀增加，刀具的工作寿命主要表现在这个阶 段。到了严重磨损阶段，主要表现为磨损量大于0 5 m m 。当正常磨损超过这个 值时，会由于加工过程中刀具和工件的摩擦力增大【2 8 】。 根据刀具磨损发生的部位的不同，可以将刀具磨损分为下面三种类型【3 0 】： 1 刀具的前刀面磨损 当加工过程中，所需加工的材料为一些硬度较小的材料时，我们会选择合 适的加工条件，比如：我们通常会采用较高的切削速度，同时也会增大进给量， 这样可以提高加工过程的效率，但是由于加工条件参数的改变，必然会所使产 生的切屑与前刀面的接触产生剧烈的摩擦，在磨损初期，磨损的区域在前刀面 上的刀刃处，但随着加工的继续，磨损会由中间位置向刀刃两边逐渐扩展，从 而出现凹圆槽形状【2 9 1 。如图1 3 【2 9 】所示。 图1 3 刀具前刀面磨损 f i g 1 3n o s ew e a ro f c u t t i n gt o o l 图1 4 刀具后刀面磨损 f i g 1 - 4f l a n kw e a ro f c u t t i n gt o o l 2 刀具的后刀面磨损 这种磨损一般发生在切削速度比较低，切削硬度相对较高的材料，由于材料 脆性较大，如图l _ 4 所示：这时，由于工件与前刀面的接触长度就会减小，材 料与刀具的接触主要发生在工件与后刀面上，所以磨损集中也发生在刀刃及刀 刃的后刀面上【3 0 3 。 3 刀具前后刀面同时磨损 由于加工条件的不同会出现不同的刀具磨损状况，当加工条件置于前两种 条件之间时，将会出现刀具的前后刀面同时出现磨损的情况。且随这加工条件 的变化，会向前面描述的情况的任意一种情况转换。 9 1 绪论 1 3 2 刀具破损 在实际加工过程中，常见的刀具裂纹、刀具剥落以及崩刃等失效形式都属 于破损，当加工条件一般为加工高硬度材料、脆性材料时，刀具一般都容易产 生破损的状况【3 l 】。由于我们研究的刀具状态一刀具磨损为对象，只对刀具破损 作简单的叙述。 1 4 本文研究的主要内容 本文的研究主题来自于国家重大科技专项：“c x 系列立式车铣复合加工中 心高速条件下机床性能研究”的一部分，其主要任务是采用传感器采集的实时 电流信号和声发射信号，建立刀具的实时在线检测和监测刀具磨损的系统。本 文将利用现代技术的和最新的一些研究成果，综合国内外的一些应用较为广泛 的技术，在前人的研究基础之上，加以重现和在创新。本文的重点正是在于建 立的以声发射原理为基础上，搭建一个刀具的检测的有效试验平台，通过对所 采集信号的各种时域、频域以及时频域的分析方法，展开分析和应用。以及对 刀具加工参数的对采集信号的影响。本研究论文在第五章以研究先进的信号分 析和处理方法小波分析在声发射信号特征分析中的应用为在重点；再 研究人工神经网络在声发射信号模式识别中的应用，从而建立起有效的刀具状 态监控系统，以求实现对加工过程对刀具状态实现准确、及时、在线的监测， 为加工过程的自动化提供有力的支持。所以本文主要内容有： 1绪论。概述了刀具状态监测技术，从几个方面来进行概要性的叙述，首 先明确建立刀具状态监测系统的目的和意义，然后介绍国内外刀具监控技术的 发展过程，叙述刀具状态监测系统的组成，接着进一步探讨刀具状态监测的关 键技术及发展趋势，最后总结本论文的研究的重点及针对这些问题将如何开展 工作。 2 构建a e 信号采集、分析及处理的实验平台。其工作内容包括选择合适的 声发射传感器、利用现有的硬件和软件条件构建起适合声发射信号采集的实验 系统。并对实验的刀具的条件进行分析，提供相对合适的加工条件。 3 采用声发射信号常用的处理方法对信号进行处理，以确定于加工刀具磨 损相关的特征频段。主要工作包括：运用时域、频域等常用的信号分析方法， 再对有用的声发射信号进行时域的统计分析与处理，同时在频域内对其进行功 1 0 i 绪论 率谱分析，最终通过对比分析，观察刀具在各个不同加工阶段所表现的频率特 征，如峰值的大小、峰值的个数以及出现峰值所在的频率点，根据这些刀具磨 损相关的频率特征，得出刀具在磨损时的结论。 4 通过实验得出在实际加工过程中其他切削参数对声发射信号的影响，包 括：进给速度厂、主轴转速珂、切削深度a 。，这是三个最主要的影响因素，通 过观察实际采集到的声发射信号，并进行分析，得出较为准确及合理的结论。 5由于第三章所得出的结论是在人为观察信号的时域、频域是所得出的结 论，所以在此章，采用先进的信号分析方法通过采用多辩率小波分析理论， 对处于不同状态下的刀具所产生的声发射信号进行多层小波分析，将得到的各 相关频率段的能量百分比组成作为一组向量，用此向量表征对应的刀具磨损状 态，作为下一步神经网络识别的输入；接下来，通过建立的刀具磨损状态监测 系统，利用基于r b p 的神经网络建立刀具磨损识别系统，以多分率的小波分解 后的各个频率段的能量百分比组成特征向量作为r b p 的神经网络的输入，在 m a t l a b 编写程序，利用获得的样本对网络进行训练和仿真，分析识别效果， 已到达识别各状态下的刀具磨损状态的目的。 2 建立刀具磨损的在线检测系统 2 建立刀具磨损的在线检测系统 本章的重点在于叙述如何建立一个基于a e 信号的在线刀具磨损状态监测 系统。其主要的内容是通过构建的软、硬件环境来实现采集用于分析和处理的 声发射信号，这也被视为整个在线检测系统的一个基础环节，同时也是一个重 要环节。作为整个系统的基础环节，它将会对最后的判别结果有重要的影响。 由于影响声发射信号是否真实反映原有信号的因素有很多，加之现在条件的限 制，我们所建立的系统相对来说有一定的简化。下面将介绍一些系统建立的知 识，使之采集有效的声发射信号，以便于后面运用先进的信号分析方法对其进 行处理和分析，为实验打下良好基。 2 1 基于声发射原理的刀具状态监控系统的组成 刀具状态监测系统一般由三部分组成，它们分别是：信号采集、特征提取、 状态识别【3 2 】。在每一个环节之间是通过不同的设备和技术连接起来的使之成为 一个有效的整体。三者的统一构建，才能有效完成在线监测的任务。其各部分 基本关系如图2 1 所示： 各种信号处理 各种学习决策技 加 各种传感器 信 技术，如f f t ， 特 术，如：神经网 状 工 号 小波分析等 征 络、模式识别等 态 过监提 识 程 测取 别 图2 1 刀具状态监测系统的组成 f i g 2 - lc o m p s i t i o no f t o o lw e a rc o n d i t i o nm o n i t o r i n gs y s t e m 2 2 试验目的 在本章中所建立的实验系统其最终目的在于通过采集刀具在加工过程中产 生的声发射信号，利用声发射传感器采集刀具在各个状态的原始信号。其中的 各个状态是指刀具的模式初期、刀具的磨损中期以及严重磨损阶段。但刀具的 1 2 2 建立刀具磨损的在线检测系统 磨损有一定的判别标准，其各个阶段的判别标准如下表2 1 【3 3 1 所示：其实际的刀 具磨损量是通过千分尺来测量得到。 表2 - 1 刀具磨损的划分 ，r a b l e2 1d i v i s i o no ft o o lw e a r 刀具磨损的种类初期磨损中期磨损严重磨损 刀具磨损量标准 o 旬0 5o 0 5 旬5 0 5 单位l n i l l 在进行刀具磨损监测试验的数据采集的过程中，通过传感器采集到工件加 工时的声发射信号，最终通过数据分析，以便确定刀具的磨损状态与传感器信 号特征之间的规律，找出刀具磨损各个阶段的时域、频域特征，最终以实现刀 具磨损状态的准确预测，为加工的自动化提供有效的判断依据。所以为了达到 我们建立在线监控的试验目标，我们将从以下几个方面来对实验进行考虑与研 究： ( 1 ) 通过对加工条件的分析，以确定周围噪声信号对有用需分析的声发射 信号的影响； ( 2 ) 确定试验中用到的各种硬件和软件，根据实际条件选择合适参数的仪 器和设备，以为正确对刀具状态识别做基础性的准备； ( 3 ) 根据实验要求以及机床的结构，安排好声发射传感器的安装位置，以 使其他因素对实验结果的影响最小； ( 4 ) 由于加工环境的复杂性，必将有众多的影响因素，所以必须确定影响 信号特征的因子以及各个因子的影响水平阱】。 2 3 组建实验系统 本文所建立的实验平台是利用本校已有的资源基础上，在通过项目组积极 的向市场采购所需仪器和设备。包括实验机床、a e 传感器、数据采集卡、信号 处理的计算机以及与之相应的软件分析系统等等。整个自动监测系统由硬件和 与之相关的软件系统组成，由于实验涉及硬件较多，下面将会对其进行详细介 绍。以下的图2 2 是此状态监测实验系统的框图。 2 建立刀具磨损的在线检测系统 图2 2 铣刀磨损监测信号采集系统 f i g 2 - 2d a t aa c q u i s i t i o ns y s t e mo ft o o lw e a l m o n i t o r i n g 在通常加工或者试验过程中，被采集的声发射信号是通过声发射传感器的 采集，然后通过数据采集卡将采集到的声发射信号通过一定的处理，比如：放 大、滤波、a d 转换等等，这些功能已经在一些硬件中得到了功能集成。然后利 用数据采集卡传输进送入计算机，然后利用构建的软件系统进行相应的分析和 处理，最后在p c 机( 计算机) 上通过信号特征的判别或是通过更加先进的模式 识别功能进行分析，最后给出刀具磨损状态的识别结果，无论是前者通过人为 的判别结果，还是通过先进的智能方法，都能实现对刀具磨损状态的有效识别。 图2 3 为试验中所用到的铣刀磨损监测系统现场实物图。 图2 - 3铣刀磨损监测系统 f i g 2 3t o o lw e a rm o n i t o r i n gs y s t e m 图2 _ 4 所建系统采用的立式铣床 f i g 2 - 4s t a n d - t y p em i l l i n gw h i c ha p p l y t os y s t e m 1 4 2 建立刀具磨损的在线检测系统 2 3 1 系统硬件组成 本实验组建的刀具磨损监测系统的硬件系统主要由试验机床、加工刀具、 试验工件、声发射传感器、数据采集装置、个人计算机和用于刀具磨损量测量 的测量工具( 千分尺) 等组成。其中的设备如何连接方式，我们将不做具体介 绍，下面仅对整个试验中所包含的硬件作具体的介绍。 2 3 。1 1 试验机床 由于试验机床本来要求在项目研制的“c x 系列立式车铣复合加工中心”进 行试验的，但由于该机床还在样机制造阶段，所以用郑州大学机械学院金工实 习现场现有的机床设备立式铣床代替进行试验。其型号为北京机床厂生产的 c x 6 3 4 a 系列万能铣床。其整机结构和外形如图2 4 所示： 2 3 1 2 加工工件和加工刀具 因为本实验涉及的加工要求主要为磨损刀具，而并不需要加工特殊的工件 要求，所以对工件选材并无特殊要求，对于实验用的工件选用材料为：4 5 号钢 板，其硬度为h b 2 5 0 。铣刀采用1 8l n l l l 的高速钢立铣刀。切削条件为：采用 无切削液加工，以加快刀具的磨损，获得实验结果，并可以减少使用实验的加 工材料。如图2 5 所示： 图2 - 5所建系统采用铣刀 f i g 2 5 t o o lc u to i lt h ew e l l m o n i t o r i n gs y s t e m 2 建立刀具磨损的在线检测系统 2 3 1 3 声发射传感器 传感器所采集的a e 信号是刀具状态监控系统的数据基础，声发射传感器 所采集的声发射信号是监测系统进行处理和分析的的数据源，所以选择合理的 声发射传感器对于整个实验监控系统有着非常重要的意义，通过研究和对比， 以及分析信号的性质，我们采用声发射传感器作为数据采集的工具，其类型为： 本实验选用k i s t l e r 公司生产类型为8 1 5 2 b 的压电陶瓷声发射传感器 ( a e p i e z o t r o nc o u p l e r ) ，其具体主要参数如表2 2 所示：其形状和外观如图2 - 6 所示： 表2 - 2 压电陶瓷声发射传感器主要参数 t a b l e2 - 2t h em a i np a r a m e t e r so ft h ea e - p i e z o t r o nc o u p l e r 参数单位取值范围 频率范围( 1 0 1 0db l c h z l o o 硼 灵敏度 db 4 8 操作温度范围 _ 4 0 _ 6 0 oc 质量 g 2 9 输出电流 m a 2 3 1 4 数据采集卡 图2 - 6 声发射传感器 f i g 2 - 6 a c o u s t i ce m i s s i o ns g l l g o r 1 6 2 建立刀具磨损的在线检测系统 数据采集卡是整个在线监测系统的必备设备。它主要将声发射传感器所采 集的a e 信号进行初步处理，由于现在的数据采集卡都集成了较多的功能，在本 实验系统中，我们选用n i 公司生产的、其型号为u s 蹦0 0 9 型数据采集卡， 本实验用的采集卡在输出上有三路信号，这是a e 信号输出的三种形式，我们根 据实际要求仅对一路信号进行读取，并将这路信号输入计算机，再接下来进行 其他形式的处理和分析。对于u s b - - - 6 0 0 9 型数据采集卡，其具体主要参数如表 2 3 所示： 表2 3u s b - - - 6 0 0 9 型数据采集卡主要参数 t a b l e2 - 3t h em a i np a r a m e t e r so ft h ed a t aa c q u i s i t i o nc a r do ft y p eo fu s b - - 6 0 0 9 参数序号参数项 参数特点 1 输入通道数 多功能8 路模拟输入 2 输入信号量程 2 +