声发射熵分析刀具磨损故障预测研究

第 5期 2 0 1 4年 5月 机 械 设 计 与 制 造 Ma c h i ne r y De s i g n Ma nu f a c t u r e 1 0 9 声发射熵分析刀具磨损故障预测研究 席剑辉 林琳 沈阳航空航天大学 自动化学院 辽宁 沈阳 1 1 0 1 3 6 摘要 刀具在加工过程中不断磨损 直接影响构件的加工精度 根据采集的刀具声发射信号 分析声发射序列熵值在不 同切削阶段的概率分布特征 建立一种基于刀具磨损状态的重心熵值的阈值检测方法 同时采用最小二乘支持向量机 L e a s t S q u a r e s S u p p o V e c t o r Ma c h i n e L S S V M 建 立声发射序 列的熵值预测模 型 结合熵值检 测实现 刀具磨损状 态的 高精度监测 仿真结果表明 采用最小二乘支持向量机预测熵值能够达到较高的预测精度 刀具的阈值检测 能够及时发 现刀具的磨损故障 提高加工效率 二者结合 能够满足实际生产加工需要 关键词 刀具 声发射 熵 支持向量机 故障预测 阈值检测 中图分类号 T H1 6 T H1 7 T P 2 0 6 3 文献标识码 A 文章编号 1 0 0 1 3 9 9 7 2 0 1 4 0 5 0 1 0 9 0 4 F a u l t P r e d i c t i o n Re s e a r c h o f To o l W e a r o f E n t r o p y An a l y s i s o f Ac o u s t i c Emi s s i o n XI J i a n h u i L I N L i n S c h o o l o f A u t o m a t i o n S h e n y a n g A e r o s p a c e U n i v e r s i t y L i a o n i n g S h e n y a n g 1 1 0 1 3 6 C h i n a A b s t r a c t T o o l w e a r s c o n s t a n t l y i n t h e p r o c e s s o fma c h i n i n g w h w h h a s an i n flu e n c e o n t h e m ach i n i n g acc u r acy ofa r t if a c t s d i r e c t l y P r o b a b i l i t y d i s t r i b u t i o n c h a r act e r i s t i c s of aco u s t i c e m i s s i o n s e q u e n c e s e n t r o p y v a l u e s i n d iffe r e n t c u t t i n g s t a g e s ar e ana l y z e d acc o r d i n g t o t h e acq u i r e d aco u s t i c e mi s s i o n s oft o o l a n d t h e n a m e t h o d oft h r e s h o l d d e t e c t i o n is e s t abl is h e d b ase d o n c e n t e r ofg r a v i t y e n t r o p y o f t h e t o o l w e ar s t a t e s Me anw h i l e e n t r o p y v l u e s p r e d wt i o n m o d e l is b u i l t w i t h l e ast s q u a r e s s u p p o r t v e c t o r m ach i n e I 5 一 S VM a n d c o m b i n e d w i t h e n t r o p y d e t e c t i o n t o a c h i e v e h i g h p r e c is i o n m o n i t o r i n g oft h e t o o l we ar s t ate s S i mu l ati o n r e s u h s s h o w t h a t e n t r o p y v a l u e s are pr e d wt e d b y I S S VM an d C an g e t h i g h e r pr e d i c t ion p r e c isi o n I n a d d i t i o n t h r e s h o l d d e t e c t i o n o f t h e t o o l C an d e t e c t f a u h s t i m e Z y and i m p r o v e t h e e f fic i e ncy ofm a c h i n i n g T o c o m b i n e t h e m i t w i l l s at t h e nee d s ofa c t u a l p r o d u c t i o n a n d p r o c e s s i n g Ke y W o r d s To o l Ac o u s t i c Emi s s i o n En t r o p y S VM F a u l t P r e d i c t i o n Th r e s h o l d De t e c t i o n 1引言 在实际生产加工过程中 刀具的磨损状况对于整个系统的 正常运行具有重要的意义 刀具的磨损不仅会影响工件表面的质 量 严重的甚至可能造成设备的损伤 为了避免刀具由于磨损引 发故障这一问题 需要对刀具的磨损状态进行预测 以便及时地 更换刀具 从而避免不必要的损失 近年来 故障预测技术发展了一些先进的方法 比较成熟的 方法如基于模糊理论的预测技术 灰预测 神经网络预测以及支 持向量机预测等 支持向量机 S u p p o V e c t o r Ma c h i n e S V M 方法 基于统计学习理论的 V C维理论 采用新型的结构风险最优化准 则 根据有限的样本信息在模型的复杂性和学习能力之间寻求最 佳折衷 尽量提高学习机的泛化能力l 1 文献口 建立了支持向量机 预测模型并进行 M A T L A B仿真 分析影响刀具磨损的特征因素 对刀具磨损量进行直接预测 文献 利用了最小二乘支持向量机 对刀具的磨损进行预报建模 对刀具的磨损条件进行了分析 在以上学者的研究基础上 通过间接方法预测刀具的磨损 状态 即根据采集的声发射信号 通过预测熵值判断刀具的磨损 状态 并建立最小二乘支持向量机预测模型 将阈值检测融人到 建模过程中 实现刀具磨损故障的实时监测 2基于重心熵的刀具磨损状态检测及阈 值估计 熵值 E是对系统状态不确定性的定量衡量指标 可以反映 刀具磨损过程中其内部的紊乱程度 引用熵这一特征量 通过预 测熵值判断刀具的磨损状态 其计算公式为 E l o g p 1 式中 P 厂 刀具的声发射信号 信号长度 对数据进行归一化处理 将数据压缩N o 1 范围内 p p p p 2 式中 p 数据的原始值 一压缩后的值 p i 一原始数据序列的 最小值 p 原始数据序列的最大值 数据来源于数控车床的加工过程 工件材料为用于航空发 动机的G H 6 4 8 刀具材料为 K C 5 0 1 0 数据采集由北京某公司的 P X WA E声发射检测系统实现 传感器为该公司P X R 3 0型 A E传 感器 数据采样频率为2 MH z 在下文计算中分别随机选择切削初 期和中后期采集的声发射信号各三组进行比较分析 每组包括连续 的5 0 0个声发射序列 每个序列有 3 2 7 6 8 个采样点 现随机选择的 来稿 日期 2 0 1 3 1 0 1 7 基金项 目 国家自然科学基金项目 6 0 8 0 4 0 2 5 6 1 0 7 4 0 9 0 国家自然科学基金青年基金资助项目 6 0 8 0 4 0 2 5 航空科学基金项 2 0 1 I Z D 5 4 0 1 1 作者简介 席剑辉 1 9 7 5 一 女 辽宁沈阳人 博士 副教授 主要研究方向 系统辨识 时间序列预测 林琳 1 9 8 9 一 女 辽宁沈阳人 硕士研究生 主要研究方向 复杂系统综合健康管理 1 1 0 席剑辉等 声发射熵分析刀具磨损故障预测研究 第 5期 磨损初期和磨损后期各三组刀具数据 熵值在磨损过程中具体分 布 如图 1 所示 横坐标为熵值 纵坐标为对应熵值出现的概率 O 2 0 1 5 墼o O 0 5 0 J l lIIl 0 8 9 0 0 0 9 1 2 0 0 9 3 4 0 0 9 5 6 0 0 9 7 8 0 1 0 0 0 0 0 9 0 1 0 0 9 2 3 0 0 9 4 5 0 0 9 6 7 0 0 9 8 9 0 熵值 a 磨损初期 I t O 9 0 1 O 0 9 2 3 0 0 9 4 5 0 0 9 6 7 0 0 9 8 9 0 熵值 b 磨损后期 e 磨损初期 d 磨损后期 e 磨损初期 熵值 f 磨损后期 图1刀具声发射序列熵值分布 F i g 1 En t r o p y Va l u e s Di s t r i b u t i o n o f To o l Ac o us t i c Emi s s i o n S e q u e n c e s 对比图中熵值分布情况 可以发现 刀具磨损后期概率集中 的点对应的熵值较大 说明随着磨损程度的加深 熵值逐渐增大 因为刀具切削中后期 磨损状态较为严重 需要实时监测 分析图 1中各磨损后期的熵值分布屙陛 计算分布图重心对应的 熵值如下 g E k 3 式中 一对所选声发射序列计算出的第 k个熵值 g 熵值出现的概率 考虑各种干扰影响 将计算的多组重心熵值取平均 得到最 终的阈值 t h r 该值可作为刀具切削中后期磨损状态的刻画值 当 连续多组的刀具磨损熵值超出该阈值时 认为磨损已到一定阶 段 可以换刀 在切削中后期计算了三组声发射序列熵值分布的 重心熵值 取平均后可得阈值为 t h r O 9 7 5 0 9 7 3 2 0 9 7 3 6 3 0 9 7 3 9 3最小二乘支持向量机 支持向量机 S V M 的方法是 V a p n i k在 2 0世纪 9 0年代提 出的一种统计学习理论 对于预测问题 利用的是支持向量机 的回归算法 最小二乘支持向量机把解二次规划问题转化为求解 线性方程组的问题 具体回归算法如下 假设给定样本数据 y i 1 l l X 输人数据变量 y 广 相应的目标值 数据点的总数 一般采用下式来估计函数 y 6 4 式中 厂 G G 爿 E 线性映射函数 G 一高维特征空间 卜输 人的维数 n r 叔值向量 6 一常数偏差 目标是寻找合 适的 值和6 值 值和 6 值通过结构风险最小化原则来确定 结构风险最 小化问题等效为求解以下优化问题 m in Q 1 I l l l c Ze 5 二 i 1 s y co rg dp x 6 1 1 7 式中 Q 结构风险 罚 因子 型对训练样本的预测误差 为了求解上述问题 需要引入 L a g r a n g e 方法 b 毒 1 c g 一 厶 i 1 g o j T 6 6 1 式中 l L O L n l L a g r a n g e 乘子 根据 K K T K a r u s h K u h n T u c k e r 条件 联立方程得以下方 程组 O l 拉 l O t i 0 l 2 C E i O L x 6 7 No 5 M a v 2 0 1 4 机 械 设计 与 制 造 1 1 l 再通过定义核函数解式 7 的方程组 最后确定的回归函数 为 厂 O 6 8 式中 K 一核函数 常见的核函数如高斯径向基核函数 p f 一 1 2 t r 4刀具声发射序列的熵值预测建模 4 1预测模型输入的确定 文献 平 究了用能量区分刀具的磨损状态 通过能量的变化 分辨出刀具的故障特征 文献I8 I 研究了方差与磨损状态的关系 将 方差作为刀具磨损监控的信号特征 而熵与能量 熵与方差分别 又有着如图 2 图 3的对应关系 即无论能量还是方差 都随着熵 值的增大而增大 用熵值对刀具的磨损状态进行预测 则相当于 将上述两特征融合 图 2能量与熵的关系 Fi g 2 Re l a t i o n Be t we e n En e r g y a n d En t r o p y 图 3方差与熵 的关系 Fi g 3 Re l a t i o n B e t we e n Va r i a n c e a n d En t r o p y m 其中 设信号的长度为m 方差计算公式为 D 1 式中 信 号 的 均 值 能 量 的 计 算 公 式 为 e p 户l 综上 预测模型的输人选择刀具磨损声发射信号的能量和 方羔 4 2预测模型的建立和验证 选取 6 0组声发射数据 涵盖刀具磨损的各个阶段 作为研 究对象 其中前4 0 组数据用于训练 后 2 0 组数据用于测试 试验 前对数据进行归一化处理 选用高斯径向基核函数为模型的核函 数 核函数参数 s i g 2 7 选择惩罚系数 g a m 5 2 将 4 1 中所选特征量输入最小二乘支持向量机刀具磨损状态 预测模型 并将预测值与真实值对比 得到拟合结果 如图4 所示 组别 图4 L S S V M刀具熵值预测 F i g 4 En t r o p y Va l u e s P r e d i c t i o n s o f T o o l wi t h L S S VM 从图4中可以看出 随着刀具磨损的不断加深 熵值整体呈 上升趋势 这是因为刀具在使用过程中 表面与工件不断摩擦 其 内部体系变得混乱 平均不确定性增大 因而熵值随之增大 同 时 可以看出两条曲线 真实值与预测值 拟合程度较好 拟合精 度较高 为了验证该预测模型的精度 另外选择两组预测模型作 对比试验 结果如表 1 所示 表 1各模型预测误差 Ta b 1 Er r o r s o f Pr e d i c t i o n Mo d els 表 1中 模型 1 表示这里所建的 以能量 方差为输入 熵为 输出的 KS S V M预测模型 模型 2 表示 B P神经网络预测模型 模型 3 表示以当前时刻熵值以及上一时刻熵值为输入 下一时刻 熵值为输出的 I s S V M预测模型 从表 1中可以看出 三种模型 预测所得的各类误差中 模型 1的误差值最小 验证了使用最小 二乘支持向量机预测熵值可以获得较高精度 4 3磨损状态的阈值检测 得到图4的预测模型后 结合第 1 部分的刀具磨损状态的 重心熵值检测 对刀具磨损状态进行监测 结果如图5所示 从图 5 中可以看出 在磨损初期 刀具磨损熵值总体较小 个别熵值偶尔超出该阈值 但是到磨损后期 刀具磨损熵值普遍 较大 并且连续超出该阈值 根据前文中第 1 部分的分析 则认为 此时磨损进入一定阶段 可以做换刀处理 1 1 2 机 械 设 计 与 制 造 No 5 Ma lv 2 01 4 图5刀具熵值预测及阔值 Fi g 5 E n t r o p y P r e d i c t i o n s a n d t h e Th r e s h o l d o f To o l 5结论 刀具磨损的预测及检测是一个极具有价值的研究课题 引 入刀具声发射序列的多维特征 采用最小二乘支持向量机预测模 型 通过预测刀具的熵值判断刀具的磨损状态 刀具磨损程度的 界定一直是研究的重点与难点 通过分析声发射序列熵值在不同 切削阶段的概率分布特征 建立了刀具磨损状态的重心熵值检测 方法 并将预测模型与重心熵值检测方法相结合实现刀具的状态 监测 试验结果表明最小二乘支持向量机预测模型能够实现刀具 的磨损状态的高精度预测 基于重心熵值的阈值检测能够获得较 好的刀具故障检测结果 二者的结合 能够满足实际工业生产加 工需要 提高工作效率 参考文献 1 王红军 徐小力 支持向量机在设备故障诊断方面的应用研究概述 J 机械设计与制造 2 o 0 5 9 1 5 7 1 5 9 wa l l g H o n g j u n X u X i a o l i O v e r v i e w o f t h e s u p p o r t v e c t o r ma c h i n e s a n d i t s a p p l i c a t i o n r e s e a r c h o n e q u i p me n t f a u l t d i a g n o s i s J 3 Ma c h i n e r y D e s i gn Ma n u f a c t u r e 2 0 0 5 9 1 5 7 1 5 9 2 叶蔚 王时龙 雷松 支持向量机刀具磨损预测模型及 M A T L A B 仿真 J 1 工具技术 2 0 0 9 4 3 1 O 4 2 4 5 Ye We i Wang S h i l o n g L e i S o n g P r e d i c t i o n mo d e l o f c u t t i n g t o o l w e a r b a s e d o n l e a s t s q u a r e s u p p o rt v e c t o r ma c h i n e a n d M AT LAB s i mu l a t i o n l J j T o o l E n g i n e e ri n g 2 0 0 9 4 3 1 O 4 2 4 5 3 陈高波 基于最小二乘支持向量机的刀具磨损预报建模 J 武汉工业 学院学报 2 0 0 9 2 8 2 1 1 2 一 l l 8 C h e n G a o b o T ool w e a l p r e d i c t i o n mo d e l i n g b a s e d o n l e a s t s q u a r e s s u p p o r t v e c t o r ma c h i n e J 1 o u ma l o f Wu h a n P o l y t e c h n i c Un i v e r s i t y 2 0 0 9 2 8 2 1 1 2 1 1 8 4 Va p n i k V N T h e N a t u r e o f S t a t i s t i c a l L e a r n i n g T h e o ry M N e w Yo r k S p rin g e r 1 9 9 5 5 C r i s t i a n i n i N S h a w e T a y l o r J A n I n t r o d u c t i o n t o S u p p o rt V e c t o r Ma e h i n e s a n d O t h e r K e r n e l b a s e d L e a r n i n g Me t h o d s M J C a mb ri d g e C a mb rid g e Un i v e r s i t y Pr e s s 2 0 0 0 6 王业 张广明 周娟娟 L S S V M技术在曳引机故障预测中的应用E J 机械设计与制造 2 0 1 0 4 7 1 7 3 Wang Y e Z h a n gG u a n g mi n g Z h o u J u a n j u a n T h e p p l i c a t i o n o f L S S VM me t h o d i n t r a c t i o n m a c h i n e f a u l t p r e d i c t i o n J J Ma c h i n e ry D e s i g n Ma n u f a c t u r e 2 0 1 0 4 7 1 7 3 7 聂鹏 高辉 陈彦海 局部均值分解在刀具故障诊断中的应用 J 北京 理工大学学报 2 0 1 2 3 2 1 1 l 1 2 5 1 1 3 3 Ni e P e n g G a oH u i C h e n Ya n h a i A p p l i c a t i o n o f l o c a l me a n d e c o mp o s i t i o n i n t o o l f a u l t d i a g n o s i s J T r a n s a c t i o n s o f B e i j i n g I n s t i t u t e o f T e c h n o l o g y 2 0 1 2 3 2 1 1 1 1 2 5 1 1 3 3 8 王海丽 马春翔 邵华 车削过程中刀具磨损和破损状态的自动识别 J 上海交通大学学报 2 0 0 6 4 0 1 2 2 0 5 7 2 0 6 2 Wa n g Ha i l i Ma C h u n x i an g S h a o Hu a Th e t o o l we a r a n d b r e a k a g e m o n i t o ri n g i n t u r n i n g u s i n g n e u r a l n e t w o r k J d o u rna l o f S h a n g h a i J i a o t o n g Un i v e r s i t y 2 0 0 6 4 0 1 2 2 0 5 7 2 0 6 2 上接 第 1 0 8页 参考文献 1 程纯娟 无扩口 导管预装成形技术E J 洪都科技 2 0 0 5 3 4 7 5 4 C h e n g C h u n j u an F l are lf r e e P i p e P r e s e t F o r m i n g T e c h n o l o g y l J J Ho n g d uS c i e n c e a n d T e c h n o l o g y 2 0 0 5 3 4 7 5 4 2 金鑫 民航飞机液压系统管路连接件分析 J 民用飞机设计与研究 2 0 0 7 2 1 7 1 9 J i n X i n R e s e arc h o n t h e p i p e fi t t i n g o f c i v i l a v i a t i o n a i r c r a f t h y d r a u l i c s y s t e m J C i v i l A i r c r a f t D e s i gna n d R e s e ar c h 2 O o 7 2 1 7 1 9 3 何志荣 肖四英 陈楼生 胀压式飞机液压无扩口导管成形机研究 J 2 0 o 8 4 3 3 3 7 H e Z h i r o n g X i a o S i y i n g C h e n Leu s h e n g R e s e a r c h o n f o r mi n g ma c h i n e f o r b u l g i n g t y p e fl a r e f r e e p i p e o f a i r p l a n e h y d r a u l i c s y s t e m J 2 0 0 8 4 3 3 3 7 4 李光俊 詹梅 L F 2 M J G 6 x 1 挤压式无扩口导管端头成形工艺 J 塑性 工程学报 2 0 0 8 2 5 4 5 5 L i G u a n g j u n Z h a n Me i T h e e n d f o rmi n g t e c h n o l o g y o f L F 2 M J G 6 x l n o n e x t e n d t u b e J J o u rna l o f P l a s t i c i t y E n gi n e e ri n g 2 0 0 8 2 5 4 5 5 5 王勖成 有限单元法 M 北京 清华大学出版社 2 0 0 3 6 6 6 7 0 2 Wa n g X u c h e n g F i n i t e E l e m e n t M e t h o d M1 B e i j i n g T s i n g h u a U n i v e r s i t y P r e s s 2 0 0 3 6 6 6 7 0 2 6 张昭 蔡志勤 有限元法与应用 M 大连 大连理工大学出版社 2 0 1 1 l 3 6 l 3 8 Z h a n g Z h a o C a i Z h i q i n F i n i t e E l e me n t Me t h o d a n d I t s Ap p l i c a t i o n