（机械电子工程专业论文）基于多传感器的刀具状态监测理论与实验研究.pdf

国防科学技术大学研究生院学位论文 摘要 t + 刀具状态监测是智能制造技术的重要组成部分，它对于提高机床利用率和 产品质量、降低废品率和加工成本、减轻劳动强度、降低材料消耗和提高生产 安全起着重要作用。因此，研究刀具状态监测理论及方法，发展加工过程的智 能监测技术，具有重要理论意义和实用价值。) 笨文对多传感器监测技术进行了 深入研究，并就铣削加工过程刀具状态监测技术进行了实验研究。 本文将信息熵理论加以推广，提出了融合熵的概念，利用熵的变化，从理 论上证明了多传感器融合的有效性问题，分析了影响多传感器融合系统性能的 主要因素。 本文通过对大量文献研究结果进行综合，分析了采用声发射、动态切削力 和振动传感器监测刀具状态的可行性。以金属切女0 理论为基础，系统地研究了 直柄立铣加工过程动态切削力、声发射和振动传感器的监测原理。 建立了一套基于精密坐标镗铣床的刀具状态监测实验系统。f 应用正交实验 方法设计了实验方案，通过实验研究了不同工件材料、切削参数和刀具状态下 多传感器信号的变化规律，并对多传感器信号的时域和频域特征进行了分析。 研究结果表明，多传感器监测技术不仅是必要的，而且是可行的。步”。 提出了一种基于主成分分析的特征提取新方法，可以有效地压缩决策空间 维数。f 针对不同量纲对主成分分析的影响，采用标准化变换方法对变量进行标 准化处理。根据加工过程具有较强的非线性和不确定性、以及刀具状态之间的 模糊特点，建立了模糊关系方程监测模型，以适应不同加工条件下刀具状态的 监测需要，并与模糊c 一均值方法进行了比较，研究结果表明，模糊关系方程 模型具有较高的识别能力。) | y 。 针对b p 神经网络、a r t i i 神经网络在加工过程应用时存在的局限性，提出 r 一种用于刀具状态监测的神经网络模型of 模型中的每个子网采用径向基函数 网络。实验结果表明，该模型不仅可以监测出新的刀具状态，而且可以很容易 更新网络结构，特别适合于状态监测系统的应用。r y 一 将控制系统理论引入刀具状态监测领域，提出了一种监测刀具磨损的鲁棒 观测器模型，陔模型由递归神经网络和鲁棒观测器两部分组成。递归神经网络 用于对刀具磨损的动态特性建模，鲁棒观测器在该模型基础上根据切削力来估 计刀具磨损。实验结果表明，该方法可以较好地监测刀具磨损。、r 才一 关键词：刀具状态监测，熵，融合，特征提取，稹糊，神经网络，状态观测器 ，篇。口 j 、 个骸多靶_ 岛 国防科学技术大学研究生院学位论文 a b s t r a c t t o o lc o n d i t i o n m o n i t o r i n g i sam o s t i m p o r t a n t b r a n c ho ft h e i n t e l l i g e n t m a n u f a c t u r i n gt e c h n o l o g y t h et o o l c o n d i t i o n g r e a t l y i n f l u e n c e sc o n s i d e r a t i o n s s u c ha sp r o d u c tq u a l i t y ，p r o d u c t i o nc o s t ，e f f i c i e n c ya n dm a c h i n i n gs a f e t y t h e r e f o r e ， t h es t u d yo ft o o lc o n d i t i o nm o n i t o r i n gt h e o r ya n dm e t h o dh o l d sg r e a tv a l u eb o t hi n t h e o r ya n dp r a c t i c a la p p l i c a t i o n ，a sw e l la st h ed e v e l o p i n go fi n t e l l i g e n tm o n i t o r i n g t e c h n o l o g y i n t h i s d i s s e r t a t i o n ，i n d e p t h s t u d i e sa r em a d eo nt h em u l t i s e n s o r s m o n i t o r i n gt e c h n o l o g y i nt h em i l l i n gp r o c e s s t h e c o n c e p to f f u s i o ne n t r o p yi sp r e s e n t e db y g e n e r a l i z i n gt h ee m r o p yt h e o r ya t t h e b e g i n n i n g a n dt h ev a l i d i t y o fm u l t i s e n s o r sf u s i o ni s p r o v e db a s e do nt h e t r a n s i t i o no ff u s i o ne n t r o p yi ni n f o r m a t i o np r o c e s s s u m m a r i z i n gt h er e s u l t si nm a n yl i t e r a t u r e s t h ef e a s i b i l i t yo fm o n i t o r i n gt o o l c o n d i t i o nw h i c he m p l o ya c o u s t i ce m i s s i o n , a sw e l la sd y n a m i cc u t t i n gf o r c ea n d v i b r a t i o ns e n s o r si sa n a l y z e d t h ep r i n c i p l eo fm o n i t o r i n gs t r a i g h ts h a n ke n dm i l l i n g p r o c e s sv i aa c o u s t i ce m i s s i o n ，d y n a m i cc u t t i n gf o r c ea n d v i b r a t i o ns e n s o r si ss t u d i e d o nt h eb a s i so fm e t a lc u t t i n gt h e o r y al a r g en u m b e ro f e x p e r i m e n t s a r ec a r r i e do u tt o f i n do u tt h ev a r i a t i o no fm u l t i - s e n s o rs i g n a l su n d e rv a r i o u sm a c h i n i n gc o n d i t i o n s i n c l u d i n gw o r k p i e c em a t e r i a l s ，c u t t i n gp a r a m e t e r sa n dt o o tc o n d i t i o n f e a t u r e sa r e a n a l y z e db o t hi nt i m ed o m a i na n di nf r e q u e n c yd o m a i n t h er e s u l t ss h o w t h a tt h e t e c h n o l o g y o fm o n i t o r i n gt o o lc o n d i t i o nv i am u l t i s e n s o ri sn e c e s s a r ya n da l s o f e a s i b l e t h i sd i s s e r t a t i o n p r e s e n t s an e wm e t h o dt oe x t r a c tf e a t u r e sb a s e do nt h e p r i n c i p a lc o m p o n e n ta n a l y s i s ，w h i c hc a ne f f e c t i v e l ym i n i s ht h e f e a t u r es p a c ea n d s i m p l i f yt h ed e c i s i o ns u r f a c e am o n i t o r i n gm o d e lo ff u z z yr e l a t i o n s h i pf u n c t i o ni s d e v e l o p e dt o m e e tt h e r e q u i r e m e n t s o ft o o lc o n d i t i o nm o n i t o r i n gu n d e rv a r i o u s m a c h i n i n gc o n d i t i o n s ，t o g e t h e rm t l l t h en o n l i n e a r ，u n c e r t a i na n dt h ef u z z ya m o n gt h e m i l l i n gp r o c e s s t h er e s u l ts h o w s t h a tt h i sm e t h o dh a ss t r o n g e rd i s e r i m i n a b i l i t yt h a n t h ef u z z yc m e a nm e t h o d t h i sd i s s e r t a t i o na l s op r e s e n t san e wn e u r a ln e t w o r km o d e li no r d e rt oc o n q u e r t h el i m i t a t i o no ft h eb pn e t w o r ka n da r t i in e t w o r k si nm a n u f a c t u r i n ge n v i r o n m e n t i v 国簖乖车学技术大学研究生院学位论交 t h em o d e li sa c t u a l l yc o n s t i t u t e do f as e r i e so f s u b n e u r a ln e t w o r k s ；e a c hs u b - n e ti sa r a d i a lb a s i sf u n c t i o nn e u r a ln e t w o r k 。b yt h i sm e t h o d ，c l a s s i f i c a t i o na m o n gk n o w n t o o tc o n d i t i o n sc a r lb e 礅a d e a n dan o v e lc o n d i t i o nc a na l s ob ei d e n t i f i e d i nt h ee n d 往r o b u s to b s e r v e rm o d e li sp r e s e n t e dt om o n i t o t i n gt o o lw e a r ，l t c o n s i s t so far e c u r r e n tn e u r a ln e t w o r kt om o d e lt h et o o lw e a l - d y n a m i c s ，a n dar o b u s t o b s e r v e rt oe s t i m a t et h et o o lw e a rf r o mt h i sm o d e lu s i n gm e a s u r e m e n t so fc u r i n g f o r c e t h er e s u l ts h o w st h a tt h i sm o d e lc a nb ea d p l i e dt oe s t i m a t et o o lw e a r k e y w o r d s ：t o o lc o n d i t i o nm o n i t o r i n g ，e n t r o p y ，f u s i o n , f e a t u r ee x t r a c t ， f u z z y ，n e u r a ln e t w o r k ，s t a t eo b s e r v e r v 国防科学援禾大学研究生院学位论文 1 1 1 课题来源 第一章绪论 1 1 课题概述 本学位论文课题来源于以下科研颁翻： 国家自然科学基金项目；“c i m s 环境下多传感器融合技术研究”( 项目编 号：5 9 3 7 4 0 3 3 ) ； 国防科技预先研究基金项目：“f m s 中彩传感器融合智能检测技术”( 项目 缡号：9 5 j 1 4 。5 ，6 。k g o l 6 1 ) 。 1 1 。2 课题磷究的曩瓣和意义 本课题的研究目的是：根据铣削加工的特点，选择能有效反映加工过程的传感 器缝台，寻找对刀蒸状态敏感鹃信号耪征，磷究逶藕予镜澍鸯嚣王过程静乃其狡态盆 测模型，以实现自动加工过程刀具状态的智能监测。 嚣霞利造技术正赣罄裹瘦舞裁绽、集残像释茏久诧方爨发震。逐年来离柱麓 c n c 机床、柔傲制造系统及计鲜机集成制造系统的推广应用，以及新刀具、新材料 的不断涌现，对提离生产率、改善加工质量、获褥嶷好的经济效益其有深远的影 响。同时也使得入们崽接参与加工监测与控制的作蔫大大降低。研究袭明，c n c 机 床配备刀具状态监测系统后可以减少故障停机时间的7 5 ，撮高生产率i o b 6 0 ， 提高辊床稻瑶率5 0 以上。美溺k e n n a m e t m 公霹的礴究表弱，刃其状态盆涮系统不 仅提高了刀具本身的利用率，而且可避免刀具失效所导致的工件报废及机床故障， 节约费髑达3 0 “一”。 近l o 年甥乏，新材料刀具( 如陶瓷刀具、p c b n 刀具等) 的应用，难加工材料 f 妇各糖耐磨、朝性合衾、糖寮建瓷帮增强枣喜辩与复会耪辩) 戆广泛应爝，熨遂燕 了其切削过程进行的阑难程度。为确保自动化加工系统和设备与工件的安全，提高 机床利用率和加工生产率及产晶质量，降低废品率和加工成本，减轻劳动强发，降 低材料消耗，必须借助于切刮过程刀舆状态漆测技术。国际生产工程学会( c i r p ) 予1 9 9 3 年1 月专门成立了一个刀具状态监测研究工作小组，以增进器国间在该领 域翁合作与交流。西藏，磷究刃其状态蓬铡瑾论及方法，发栽蕊工过程静智麓篷溺 技术，具有重鞭的理论意义和实用价值。 第l 页 营防科学技术大学研究生貌学位论文 1 2 文献综述 韬裁耱工遘程中，刀其翡失效( 圭器包括纛损、狻搂积刀刃塑交) 会引起震麓 性地停机换刀。从n c 加工现场的统计资料证实，刀具失效是日 起数控加工系统敌 障等枫救曹要爨素，出予刃具失效 l 越靛兹蹲镣毒睡i 占戆停撬时阕赡2 2 ，舔。爨此， 为有效防止设备的损坏、工件的报废并保证机床无故障运行，就必须发展加工过程 的智能簸测技术。 智能篮测技术作为褥能制造技术的墓要组成部分，是在现代传感器技术、信号 处理技术、计算机技术和制造技术基础上发展起来的一门交叉学科。对于加工过程 露言，簸溅任务主要惫据佟惑、信号楚灌帮决繁三部分，懿强1 1 瑟示。可凳，为 了对加工过程进行实时可靠监测，研究和发展具有高可靠性、高灵敏度的传感器技 本、先遴懿信号处理技术葶曩有效戆决燕模型是茭孛鲍关键。 巴字些世兰土u 倒 圈1 1 攘工过程靛溅遘毽 在过去魄，k 卡年里，国内外众多学者在刀嶷状态救测技术方蘧做了大量工作， 歼发出不少新的检测方法，僵慈的可分为直接法和间接法两种。所谓瀛接法就是用 仪器或接测量出刀具的外部形态，而间接法是通过对切削过稷中与刀鼷磨损有关的 貔理量避行测羹分季厅，建立秘壤量静态与动态特征与粥其状态之间的关系，邋丽嗣 物理量特征间接衡量刀具状态。表1 1 所示为目前常用的一魑检测方法，它们 各有傀疑点帮遥震范围。壹接法一般只在刃其不韬溅露进行，它蠢嚣个明显翁漆 点：一是要求侉机检测，占用生产时间；二是不能检测出加工过程中出现的突然损 坏，使葵应用受到一定限铡。嚣闻接法能在刀爨切剡隧滋章亍，显不锿羧切削搦王过 程，其关键技术是如何别除检测中各种干扰豹影响，蹙目前研究和应用的重点。 1 2 ，1 刀吴狄态篮溅巾瓣传懑技术 在刃其妖悫盗测系统中，终惑器撵海系统麴售瑟泉源，荬淫蔻优劣直接彩穗溢 测的成功率。一个有效的传感器应具有以下特点； i 。具有瞧好靛灵敏。| 耋，毙准确遮反映状态戆变化； 第2 页 国防科学技术大学研究生院学位论文 2 具有良好的可靠性，信嗓眈黼，具有趣好的抗干扰熊力，性能稳定； 3 使用安装方馒，不影响加工系统的性能； 隧前人们透过大鳖的过稔煎溺研究发蕊，应用较广置鬃有较好推广价继的传感 方法有声发射、切削力、扭矩、振动和机床功率等”1 。 巍1 1 常用刀县状态检测方法 拎铡方凌传惑器王作擐理滚用蓬器秽特点 光学光纤、光学传利用磨损耐反射的光龋或摄像在线、非盛时监测多种刀具腊损及 蹦攘盛器、摄像机帆摄像，再疑盈蒙处理和识别破损，价格较禹，正进行宴用化开 麓。 直测头用于车、钴、铣等，简便但易受切 接接娥嚣蒺检测舞潮刃健鬟撼殷切酶溢壤影响，不能实辩熬测， 法磁问隙传感器霄一定应用前景 放射憾放射性元素刀具里注入同位豢，测切属里用于备种切削加工，不受加工环境 挂术辩放射性影响，僵需要解决防护问题，蛮时睡 藏，应用前景小 测韬削热毫耧测工j 阵、刀曩褥豹甥黼湿度突薅于车粼，是敢痿较低，车蘸爝f 温_ ! | 鲑发增量谢冷却液的情况，应用前景小 测裘蕊激光传感器测加工表嚣辍糙度的巍他量用于车、铣等，非实时监测，应用 辫l 糙艘红外榜感器受到一定扁硪 用于车、铣等，实时监测，珂实观 超声波趣声波换能嚣接受主魂发瓣超声波嚣袋鸯| 渡掇簇硪捌，篷受留黼搬动影响，娃f j 接鬣器 研究阶段 挺速壤计、振j | 茳测蕊工过程孛豹搓穑信号及蓐予车、撬、钴等，灵敏，宴对莹 振动动传感器其十变化测，有应用前景，恒滞解决川其的臼 间激振动殛环境曝声的辫晌 接留澍力麻变力俦惑器冁测切麓力、切潮势力的琵谴用于车、铣、锫等，简便，蜜时簸 法瓜电力传感器及萁变化率测应用较广有产晶供应 互感嚣主逸辊或避绘奄莪功率及变诧用于车、铣、链笺，袋奉毵，荔 功牢分流嚣 粥 使用，实时般测，可蜜现自适廊加 础盔传髓羟t 盲麻用豁普 蠛测船工过程中鹄声焱射信号慝于车、铣、钻、玻丝等，较哭 声发射声j 发射传感器及其特征参数敏，易使用，实时懿测有较广 赶 耀嚣最 声技射题一罩孛磐缝应力波，它 擘为翅工过程中瓣萋奉椽理瑗象之一，与王搏枣事 料、刀具材料、刀凝状况、加工参数以及切屑形态有密切关系。它具有灵敏度高、 信息量丰富、抗干扰能力强等优点。自1 9 5 5 年德豳莘斗学家k a i s e r 发现声发射现蒙 第3 页 国防科学技术大学研究生院学位论文 ! 皇邕曼篡皇舅詈鼍懋蔓皇蔓邕蔓! 冀嘲置掌鼍皇墨皇ii 皇置量皇皇皇奠黑曩皇暑量葛囊量攀帮皇詈曼曼寰寰皇鼍曼曼曹 以来，声发射在工程应用方两得到了迅速发鼹，被公认为是一种最其潜力的新登检 测技术。如1 w a t a k 和m o r i w a k i “1 撮出了用声发射技术对刀具磨损进行在线监测， o r i w a k i 。在懿基磷上挺澎了声笈射刀舆破损稔溯方法。k a n n a t e y a s i b u 和 d o r n f e l d ”1 从理论上研究了声发射和加工过程参数之间的关系。e m e l 和k a n n a t e y “1 深入磅究了声发射信号静频谱特缝，并缀合模式浚期方法实觋了对刀具缓撰煞在 线监测。l a n 和d o r n f e l d “”通过研究发现，刀具破损失效时a e 信号的均方根值大 ，、与刀具破损嚣积成难比。 切削力检测法是切削过稔中另一萃中极有成效的方法。1 9 7 7 年日本东京电机大学 村幸辰从理论和实验两方面深入研究了不同加工条件和刀具蘑损状态下各切削力的 变伲嫒律，笈现在一定条俸下切胬分力之魄怒一个熊灵敏爱淤刀襄蘑损交纯的特征 量，并出此提出了切肖i 力比监测法。l a n 和d o r n f e l d “叮的石开究表明，切向力和进 绘力对刀具酸撰其鸯较毫靛敏感淫。s h i r a i s h i 等”1 逶过对麓工过穗薤测技术熬露 比研究指出，刀具失效的力检测法是最具潜力的方法，有着广阔的工业应用前景。 1 2 2 刀具状态监测中的信号处理 对船工过程中静刀其袄态整溺雨言，信嚣处瑾酶莓瓣蔻扶传惑器信号中捷鞭反 映加工状态变化的特征信息。对于不同的传感器信号，应采取不闽的信号处理技 术，强l 。2 疆示为铃惑嚣售号处理溅程。一般来巍，滤波最穗号楚溪熬第一步，它 可以消除各种噪声的影响。经过滤波后的信号就可以进行处理。如果信号为稳态信 号，爨l i 可以袋爝时域稠频域特征来袋征；两棼稳态缤号鑫予其 # 线性和时变特性， 必须应用高阶谱或时一频分布来分析。 l 。统计分辑与野域特征 稳态信号的常用统计特征为均傲和方差，丽概率分布或概率密麟函数( p d f ) 也 爰鬻蠲豹蓬橇信号统计特征。蟊栗露号懿概率密度凑数茭曩三态分毒，黉 l 震稳毽帮方 差就可以有效表征信号特征，否则，还需婺其它统计特征，如最大最小德、均方 羲缓、变动系数、糖态系数( s k e w n e s s ) 秘蜂态系数( k u r t o s i s ) 等。缓设赞感器信 号的样本数据为扛( ) ，k = 1 , 2 ，n ，则其时域特征分别为： 段= 寺菇( 委) 1 ) g ；2 志酚( 妒础2 ( 1 2 x 一= a r g m a x x 女； 估计状态 ：。 绞诗模式识别方法戆蛙韪取决于概枣分毒z ( x ，q ，) 。魏鬃概率分鸯为裹聚分_ 蠢 或近似于高斯分布，则贝叶斯估计就蹙最优分类。而对于刀具状态监测问题，其概 率分每透豢是来知夔，也不是麓蔟分蠢，踅嚣疲弱塞受分类方法有对踅合理。 自幽分类模式识别法是根据样本x 与状态模式之间的相似程度分类。如果将监 测搓橡嚣 乍怒一个i l l 维几俺空阂，则状态矗，出该蹙阗中懿模式囱量 p ，= p p 。，p ，卅】袭示，而样本x 也是该空间中的个向鼙。样本与模式之间的 臻 娃瞧辘可以遴过嚣个霆量之潺夔鼹懑测量。确定模式及舄爨闽距离款方法育缓 多，通常使用的有马氏耸法、线性区分算法和f i s h e r 算法。在马氏舞法中，模式 为样本的均值( 即p ，= 声，歹= 1 , 2 ，n ) ，距藤定义必： 第8 页 国防科学技术大学研究生豌学锭论文 曼曼! 兰舅篡皇曼曼曼邕曼鼎| 曼e 詈鼍菖燃皇曼曼量窖簟黛皇鼍量皇曼鼎拦蔓暑毫穗篁墨舅奠_ i l l u l l g f ( x ) = ( x p ，) 7 j ( x pj ) ( 1 2 0 ) 线性送分算法也稼为k 均毯冀法，它使曩l 麓榉夔模式形式，只是距离定义有衢不 同，即： 窜，( x 女) = ( 苫( 是，i ) - c f ) 2 ，歹= 1 , 2 ，嚣 ( 1 2 1 ) 悼l 式中w 。和c ，分别为权值和中心。学习时应用迭代算法，通过使 ” t ，= 甄q ，( x 。) ( 1 2 2 ) * = 1 j = l 最小聚确定投篷帮中心。f i s h e r 粪法遣使瘸鲻样垂毒模式，其距离定义为： q ，( x ) = ；x ( 1 2 3 ) 式中筘，逶过使 = 声；，只 ( 1 2 4 ) ，* l 最大获得。分类时，自由分类法与统计方法相同。 模式识别方法的有效性不仅取决于区分黼数，逐取决予学习样零的分布率过穰 状态的定义。不过，刀具状淼监铡问题本藤上就有定的模糊性，豳此，甑测决策 鲍结果通常并不是哪种状态，而魁属于某种状态的程度是多少。应用模糊方法可 以有效解决送个问题。 2 + 模糊逻辑 模糊集理论由z a d e h 荫先提出，主要用于处理不确定性问题。它应用模糊度 ( 毽稼关系两数) 撰述不确定事譬 。鄹，黧装u 为论域、援嬲集a 必u 豹予集，则 a 可描述为： 4 = 矧f ( x ) ( 1 2 5 ) 式中_ u 为a 的值，。扛) 为模糊度，也称为关系函数，卢。( x ) 为单调函数， f ) 。( x ) l ，蘧羞a 的不礁定瘦降低声。善) 豹毽增加t 在此基础上，人们提出了许 多分类方法，但适用于加工过程监测的方法并不多，其中包括模糊c 均值法“” 霉 ：l 模嬲线性方程法“”。l i 裁觐，s + 疆让剩蠲模蠛逻辑方法对力臻感器特缝量手h 翔 状态信息进行融合，建立了加工过程的刀具状态与过程类别之间的模糊关系，并 获缮楚好熬键头瘗援分类效暴。 模糊逻辑法和模式识别法都是椴据监测指标的繁种加权形式分类，例如，在横 期线蛙方程法中，艨有监测指标是等舾数的，在横戏识别法中，鼹有监测指标是投 据区分函数加权。但实际上，一个簸测指标可能只在一定范围内对菜个过程状态敏 感，连就是浼，只黉耀监测指标空阍划分嚣楚羞于嚣域，监测指标才能更蠢效的使 第9 页 国防科学技术大学研究生院学位论文 。 筹曼量嗣燃ii 矗量舅糍霸量墨皇鞠鼍暑鲁基尊删等量墨童 用。要进行区域划分，最套效的办法就是采用决策树方法。 3 决策树 决策辩逶攀可表示成下列影式： c i ：d l ：d ( 1 。2 8 ) c m ：d u 式中c 。口= 1 , 2 ，m 为互斥稀又完备鹣逻辑祭侮，瑗表示过程浚悫，它氍可以是 决策树本身，也可以是树的一个“叶”。 建立决策拷静过程稔为学霹或诩练，学习方法分裔鲁簿学习帮辗掭样本学习两 种。对加工过程监测问题，以根据样本学习为健，因为样本可以通过实验获得，而 “导嗓”暹零怒不完备翦，也不够精确。 根据样本学习的基本思想怒分割，最典型饷分割就是将每个学习样本作为决策 褥蕊一个分鼓，这样黪建立黎决策薅会缀大，簇往戆瞧较差。魄较好豹方法裁是褥 相类似的样本分成一组，以此作为决策树的分技。如果我们能够找到所有可能的分 瞧，也簸援裂了最铙决策爨。遮秘方法窭嚣上是不霹行戆，霆为蘧羞攀霹襻本数霾 的增加，其计算量呈指数增加。为此，人们提出了其它一些方法来建立次最优决策 捷，其中以i d 3 算法秘a q l 5 髯法最鬻爱。这嚣穆箕法鄂是遽过对学习撵本麴分割 束建立决策树，其结果是，一然与学习样本不相关的过程状态可能会被误识别，并 当作分类趣艇寒使用。必尽量减少不鞠荚状态鹣影响，霉要对决镶瓣遴行鲣剪。但 修剪有可能过头，为此可采用概率决策树“1 或模糊决策树如”。 专家系统 m y c i n 系统是七十年代中期研制的，它是最先获褥成功应用的几个专家系统之 一。在诧之后，人们叉硬割了数以否诗不嗣麓途的专家系统。在镧造领域墨肖船工 工艺专家系统h i c l a s so ”1 和机械故障诊断专家系统f a x s “”。目前，专家系统的最 大惩题楚撬行速度经，滚敬满楚在线实心益灏豹要求。 5 。神经网络 八十年代中期，神疑网络躺复兴为状态监测问题研究开辟了一个新领域。神经 阈终具蠢较强敬并行处嫘能力，海解决加工过摆豹非线性、不礁定性勰题提供了毒 力= ：具。神经网络的分布式存贮与一体化运算方式，对于知识的获取和不确定性推 理具有蘧大意义，是进抒加工j 篷程多传感器信爨集成秘融合的理想方法。与其它多 传感器集成监测方法相比，它熟有以下特点：1 ) 具有统一的内部知识表示形式， 第1 0 页 国淤科学技术大学研究生院学位论文 其信息主要存储在网络的权值分布上。通过学习，网终对多传感器信息进覃亍纂成， 将拥工过程不确定酌复杂关系融合为系统能理解的准确信号。2 ) 具商较强的蟊适 应能力，可以将知识规则转换为数字信号进行存贮，并利用外部提供豹信息遴行自 我更耨自我完善，实现联想撩瑷。3 ) | ；冀硬 孛实现为簸终西标的神经网络其宵大规 模并行信息处理能力，能大大撮高信息处理速度。4 ) 神经网络多传感器信息融合 系统其有较强的容锫瞧鞭鲁棒穗，当个掰谨惑耩失效辩，系统仍锯正鬻工 乍。 八十年代后期，神经网络开始在加工过程监测领域得到应用。1 9 8 7 年 r a n g u a l a 帮d o r n f e l d “”论证了神经瓣络髓鼹车蕺遘疆中静声发骛孝稻力传感瓣信息 进行有效集成，用神经网络作为模式识别和分类方法，能有效地消除传感器数据中 煞噪声，对刀爨密撰凌悉进雩亍蠢效分类。1 9 9 0 年d o r n f e l d 在既基麓上采播b p 瓣络 对车削过程进行状态识别和控制，结聚表明擞单一切削条件下对网络进行充分训 练，系绞载正确误爨率懑于9 5 。1 9 9 2 年，w a n g 弱d o m f e l d 采瑁8 p 瓣络对车蘩 过程中刀具的滕损过程进行在线监测，在该系统中将a e 均方根及其偏态系数、峰 冬系数以及鲢戆a r 模型参数箨秀襻缀网终输入，磺究发瑗贬各参爨与刀爨瘗攒 量间不存在简单的线性映射关系。不同磨损阶段，a e 的特 难参量变化不同，对磨 臻懿灵敏度也参不媚嗣。瑟黔瓣终戆枣效蟪及多黄感器售惠中迸嚣蠢效款分类露 识别，获得良好的监测效果。 0 ，h i m m e l b l a u 鞠r 。臀b a k e r ”“透过对进去二卡年来载建模、模式识别、二 值推理和专家系统对比研究，指出人工神经网络在对故障的全面、内谯特征分类和 识别方鳆具有独特的优越性。 1 2 4 多传感器监测技术的发展 传感器技术作为监测系统惯号抬取的主体，与监测系统的性能密切相关。由于 霞前传感器技术条件的限制，单传感器只髓提供局郝的信息，不能全面反映被监 涮系统的状态窝纯，曩抗干抗能力低、容错性麓。要获得全西豹状态信息就必须采 用多个传感器，发展多传感器集成与信息融合技术。 自八十年代中期，多传感嚣技术搿始应爝于加工过程蓝测领域。c h i n 。”采用 了多传感器信息集成策略，最大程度地收集过程状态信息，获得了较离的监测可靠 性。d o r n f e l d 和r a n g u a l a “”将神经黼络帮多传感器技术结合起来，使蠲力和声发 射传感器监测切削过程的刀具磨损，指出了用神经网络监测刀县磨损的可行性，并 且获褥了较努的研究效栗，键进了多传惑器融合技术鲍发震。c h r y s s o l o u r 【s 和 d o m r o e s e “1 使用力、声发射和温度等多传感器检测加工过程，并分别就神经网络 法、数掇残组鲶理法霹多元最小二乘黧籍法避幸亍了琵较研究，蒲出了稀经阏络多传 第 l 页 国肪科学技术大学研究生院学位论文 感器融合方法比其他两种方法更有效。o k a f o r “”等人就铣削加工过程用神经网络 进行多传感器融合以预报加工质量等问题进行了研究，并评价了网络训练参数的作 用。g o v e k a r 和g r a b e c “”使用多传感器进行钻头磨损监控研究，采用自组织神经 网络对钻头模式进行分类，丰富了多传感器技术的研究内容。 总之，多传感器技术将是今后加工过程状态监测的研究方向。但要获得良好的 监测性能必须解决以下几个问题。 ( 1 ) 多传感器的选择，传感器系统必须具有良好的监测性能，对同一状态具有 良好的相关性，且相互干扰小、信息覆盖面广、抗干扰能力强。 ( 2 ) 多传感器特征信息的提取，不同传感器获得的信号不一样，同状态相关的 特征信息也各有特点，必须采用相应的特征选择和提取方法，以获得能反映状态变 化的监测特征。 f 3 ) 信息的集成和融合，针对不同的监测特征必须采用有效的信息融合方法对 加工过程进行监测和预报。 i 3 本文的主要工作 本文是围绕国家自然科学基金项目“c l m s 环境下多传感器融合技术研究”和国 防科技预先研究基金项目“f m s 中多传感器融合智能检测技术”开展研究工作。主 要研究自动加工过程的多传感器监测技术，发展和完善模糊监测策略和神经网络监 测策略、并建立加工过程的多传感器智能监测系统。因此本文主要开展的工作包括 以下几个方面： 1 将信息论的熵理论加以推广，提出融合熵的概念，并从理论上证明多传感 器融合的有效性问题。多传感器融合系统的优越性已越来越被人们所认识，但是， 并不是仅仅通过不断地增加传感器数量或单纯地去研究某种融合方法就能达到多传 感器融合的目的。那么，究竟应该如何设计多传感器融合系统，目前还缺乏正确的 理论指导，使得多传感器融合仍停留在启发式或试探性的实践阶段。针对上述存在 的问题，本文将信息熵理论加以推广，提出融合熵的概念，利用熵的变化，从理论 上证明多传感器融合的有效性问题，分析影响多传感器融合系统性能的主要因素。 2 依据前面证明的多传感器融合原理，选择动态切削力、声发射和振动传感 器组成多传感器监测系统，建立一套基于精密坐标镗铣床的刀具状态监测实验系 统。应用金属切削理论的基本原理和方法，从切削机理上探讨应用动态切女0 力、声 发射和振动传感器监测铣削加工过程的必要性和可行性。 第1 2 页 国防科学技术大学研究生院学位论文 3 应用正交实验原理设计套实验方案，采用正交实验方法对不同切削条件 和加工状态下多传感器信号的特点进行系统研究，发现信号的变化规律，并通过对 多传感器信号的时域、频域和高阶谱特性进行分析，从实验角度研究多传感器用于 铣削加工过程刀具状态监测的必要性和可行性。 3 根据多传感器特征信号的特点，提出基于主成分分析的特征提取新方法， 针对不同量纲对主成分分析的影响，采用标准化变换方法对变量进行标准化处理。 并应用该特征提取方法提取能准确反映加工状态的特征信号作为监测特征，以减少 信息的冗余度，提高系统的实时性。 4 在研究模糊理论的基础上开发基于模糊理论的多传感器融合监测技术，以 解决加工过程状态分类的不确定性问题，并与模糊c 均值方法进行比较。 5 根据神经网络具有较强的自学习自组织和非线性处理能力，以及加： 过程 多传感器信息的非线性特点，采用神经网络技术对多传感器信息进行融合和建模。 针对b p 神经网络和a r t i i 神经网络在刀具状态监测中的局限性，提出了一种神经 网络监测模型，并研究了不同刀具状态下神经网络监测的可靠性。 6 将控制系统理论引入刀具状态监测领域，探讨利用状态观测器监测刀具状 态的可行性，提出一种基于鲁棒观测器的刀具磨损监测新方法，并通过实验与文献 中的方法进行比较。 第l3 页 国防科学技术大学研究生院学位论文 第二章铣削加工过程多传感器监测原理 在金属切削加工过粳中，刀具的磨损和破损是影响产品质嫩和生产效率的主要 因素。为充分发挥这些鑫蘩纯浚备戆潜力，就必须瑟翔工遘糕透 亍实对可靠的燕 测。为此，人们提出了多传感器监测思想，并从不同角度通过窟验验证了多传感器 艇测系统夔优越蛙，毽都拳裁从理论上翅以谖爨。本露蝰蓄兔扶信惑圣叁数角瘦塞 发，对多传感器融合的必要性进行证明，为多传感嚣贬测系统的研究提供理论依 搌。然后从金属切削理论出发，分析加工过程躲测的主要形式和传憋器的选择问 题，系统逢研究铣箭加工过程中声发射和动态切削力韵篮铡原理，从璐论上分析应 用多传感器监测铣削加工过程的可行性。 2 1 多传感器融食的熵联论 从本质上_ 泉讲，多传感嚣融合是一个由底层至顶层对多源信息邀行集成的过 程，其鼹的是馊债息输入空闻中的不确定性在嬲屡次馈患输出窆闻中受到一定的擦 制，以确保融合系统获得对监测系统受明确的信息。可见，多传感器融合过程实际 上是一个信息的不确定性处理问题，而描述信感不确定性的有力工具香农信息熵 理论可以稚广应甭至l 多传感器融合磅究中。下瑟将瘦黛信息论静有关瓒论研究多传 感器融合的必要性。 一般柬说，麓舍莛对曩一淡达屡次上多潆僚悫静食液。菇戴，可以将融会系绫 的输入信息和输出信息分为两种不同的信源，用两种檄率空间及其上定义的信息熵 柬摧述，在此綦础上分橇多馋感器融合过程中镶患熵的传递和转换，搦示融台过程 的本质，从理论上说明多传感器融合的优越性。 设己，= y ，声。，p ( y ) 为多传感器融合系统的输入样本空间，其中 y = ( y 。y ! ，y 。) 为样本向量，筘，为y 豹b o r e l 域，烈y ) 为定义在岛t 的样本概率 密度函数，满足 | p ( y ) s y = | p ( y ? ，y 2 ，y 。) 痧l 痧2 。= 1 帚嵛 它是由传感器脱测样本x = ( x l ，屯，x 。) 经预处理蜃获褥鲍。 设w = z ，反，p ( z ) ) 为多传游器融合系统的输出样本空间，菸中z = ( z ，：，= ，) 为样本向量，成为z 的b o r e t 域，| p ( z ) 为定义在。上的样本概率密度函数，满足 | p ( z ) d z = | p ( z ，：2 ，o ) d z j 如2 如，= l ，i 这榉，x ，y ，z 缀成一个马尔可夫链，乳z 两炎售感源在融合过程中麴信息变化可 以通过定义在这些概率空间上的信息墒来摇述。不失一般性，下面以两个传感器的 第1 4 页 国防科学技术大学研究生院学位论文 曼曼舅寰繁蔓邕曼墨群嬲曼曼皇蔓皇舅皇基嘲黛量墨删i 囊曹邕舞孽鼍曹舅詈曼寰黑麓篁量暑鼍燃篇蔓曼璺删 融合问题为例进行讨论，如图2 1 所示。 鹜2 1多传感嚣融合静僖憨漉程 z 传感器l 接收的观测数据羔经债号处理艏变为一随机序列y 。，传感器2 接收的 观测数据x 缀信号处瑾后赠变为睫梳净列y2 ，上述两个序列作为融合系统静输入。 定义l ：设y 。，y 2 均为平稳随机序列，甩y7 。( y ：，一，y ：) ， y ! = ( 芦_ y ；，y ：) ，鄹多镶感器融合系统懿嚣验楚 h ( z y 1 y2 ) = 一j f p ( y j y ；) l o g p ( 毛y ：) 出，咖，1 叫。2 攫7 援”啦” 称为融合熵。 多传感器融合过程就是融合输出的不确定性得到减少的过程，这种不确定性的 减少犬于系统内任意萃一传慧器对输出不确定毪静减少。德是，翦疆条俘蹩信怠必 须具有关联性，这嫩所谓的信息关联是指多传感器融合所处理的信息必须嬉同一目 标夔多源德愚，氇黢建谖，鬟存在髂惠关联懿蘸挺下，多终戆器系统方麓获霉熬台 的有效性。即 定理l ：当y 。，y 3 均戈窍关z 的接感爨嬉息，秘y ，y 2 均不独立于z ，则多传 感器融合系统的输出条件熵满足下列不等式： h ( z f y l y2 ) h ( z l y l ) 或 h ( z t y “y ) h ( z t y 2 ) 证明：根据熵函数的极值性，肖 爿( z j y “y ) ji p ( 罗灌净j p ( z ，”岁：) l o g 夕 t 翰) = 一j p ( y j y ；) 1 0 9 ( ：，) = 日( z i y ) m 7 * “蠛” 在信患关联条件下，即y 2 不独立于z ，赋督 h ( z t y “y ) 蔓h ( z y 1 ) 同理， h ( z y “y ) h ( z y 2 ) 可见，关联楚确保融合有效性的必要条件，从而使融合后的条件熵比单个传感器的 条件嫡更小。 第1 5 页 国防科学技术大学研究生院学位论文 通过以上证明可以看出，在信息关联的条件下，由于多传感器系统的融合熵不 大于单传感器系统的熵h ( z l y l ) 或h ( z y 2 ) 。因此，多传感器融合系统的输出可以获 得比单传感器系统更小的不确定性，也就是说多传感器融合对不确定性问题的处理 比单传感器系统更有效。 从定理1 可得： h ( z ) 一h ( z l y y2 ) 日( z ) 一n ( z l y l ) h ( z ) 一m z l y l y2 ) h ( z ) 一m z l y 2 ) 即 i ( z ，y l y ! ) l ( z ，y 1 ) i ( z ，y 、y ) l ( z ，y2 ) 其中i ( z ，y l y 2 ) 称为融合熵减。也就是说，融合处理后信息量增加了，其增加的信息 量为： ( z ，y 1 y2 ) 一吖z ，y 1 ) = h ( z y 。) 一h ( z l y l y ) = ，( z ，y 2 l y 7 ) 式中i ( z ，y 2 l y7 ) 为在条件y 7 下，z 与y 2 的互信息。 通过以上分析不难看出，多传感器信息的获取是决定融合系统性能的关键因 素。因此，如何选择多个传感器来获取过程的信息，是融合系统必须研究的问题。 以上讨论了多传感器融合的有效性闯题。那么，是否传感器的数量越多，融合 系统的性能就越好? 回答是否定的，这是因为一方面传感器数量的增加会使监测系 统的费用增加，系统处理传感器信息的时间变长、难度增大；另一方面，传感器数 量增加后，传感器信息之间并不一定相互独立，使得融合系统的性能并不一定随着 传感器数量的增加而提高。于是，对于多传感器信息问的相互关系有下面的定理： 定理2 ：当多传感器信息y ，y2 的互相关性最小，即y 。与y 2 相互独立，此时 融合系统对输出不确定性的减少能力最大，即 h 。( z l y l y2 ) h ( z l y 。y2 ) 其中h 。( z