【技术实现步骤摘要】
基于主轴电流和振动信号的数控机床刀具磨损量在线预测方法
本专利技术涉及的是一种机械加工领域的技术，具体是一种基于主轴电流和振动信号的高精度的数控机床刀具磨损量在线预测方法。
技术介绍
数控机床是现代先进制造技术重要的基础装备，而由刀具失效引起的机床停机时间大约占机床总停机时间的1/5-1/3。而对于配备有一套相对成熟的刀具监测系统的数控机床，其故障停机时间可以减少75％，加工效率可以提高10-60％。现有的刀具状态监测技术普遍对刀具磨损状态类别能达到较精准的预测，但对磨损量的预测精度不高，且实时性、推广性较差，难以大规模应用到工业生产中。
技术实现思路
本专利技术针对现有刀具监测技术预测模型精度低且基于单把刀具实验数据建立的模型推广性差的缺陷，提出一种基于主轴电流和振动信号的数控机床刀具磨损量在线预测方法，通过多把同型号刀具在同等条件下重复实验获得的数据，不仅可以充分挖掘原始信号中各磨损阶段与刀具磨损相关的特征参数，并通过后处理方式进一步增强和刀具磨损量的关联程度，使得构建的支持向量回归机预测模型...
【技术保护点】
1.一种基于主轴电流和振动信号的数控机床刀具磨损量在线预测方法，其特征在于，通过在设有传感器的数控机床主轴上利用多把同型号刀具在同一工况下重复进行试运行加工并测得原始加工磨损数据，根据刀具的初期快速磨损阶段、正常磨损阶段和急剧磨损阶段三个磨损阶段，分别从中提取出训练用的最优特征集并对支持向量回归机预测模型进行训练，最后采用训练后的模型进行实际加工过程中的在线实时预测刀具磨损量；/n所述的原始加工磨损数据，包括采用加速度传感器测得的主轴振动时域信号、采用电流传感器测得的主轴单相电流时域信号、采用显微镜测得的对应的刀具磨损量；/n所述的提取，包括：根据刀具磨损量和对应的走刀次数...
【技术特征摘要】
1.一种基于主轴电流和振动信号的数控机床刀具磨损量在线预测方法，其特征在于，通过在设有传感器的数控机床主轴上利用多把同型号刀具在同一工况下重复进行试运行加工并测得原始加工磨损数据，根据刀具的初期快速磨损阶段、正常磨损阶段和急剧磨损阶段三个磨损阶段，分别从中提取出训练用的最优特征集并对支持向量回归机预测模型进行训练，最后采用训练后的模型进行实际加工过程中的在线实时预测刀具磨损量；
所述的原始加工磨损数据，包括采用加速度传感器测得的主轴振动时域信号、采用电流传感器测得的主轴单相电流时域信号、采用显微镜测得的对应的刀具磨损量；
所述的提取，包括：根据刀具磨损量和对应的走刀次数拟合得到的磨损曲线、提取主轴单相电流时域信号的时域特征、提取主轴振动时域信号的时域特征、频域特征以及时频域特征。
2.根据权利要求1所述的数控机床刀具磨损量在线预测方法，其特征是，所述的多把同型号刀具，具体为三把山特维克直径8mm的3刃平头立铣刀对45钢工件进行面铣方式加工，每次走刀长度为120mm，利用Kistler三轴加速度传感器采集主轴振动信号，用电流传感器采集主轴单相电流信号。
3.根据权利要求1或2所述的数控机床刀具磨损量在线预测方法，其特征是，所述的最优特征集是指：相关系数大于阈值且在多组实验中重复出现的所有特征的集合，即根据所有特征与磨损曲线的相关系数，取得大于阈值的相关系数对应的特征作为有效特征，经高斯加权移动平均和归一化处理得到；
所述的相关系数，即皮尔逊相关系数其中：Xi、Yi分别表示特征参数和磨损量的第i个值，分别表示该特征向量和磨损量的均值，r为皮尔逊相关系数，取值范围在[-1,1]之间，越接近区间的极值代表其相关性越强，其中1代表完全正相关，-1代表完全负相关，0代表不相关。
4.根据权利要求1所述的数控机床刀具磨损量在线预测方法，其特征是，所述的时域特征包括：包括：均值、方差、标准差、均方根、最大值、峰峰值、整流平均值、波形因子、峰值因子、峭度因子、脉冲因子、均方幅值、裕度因子、偏斜度指标；
所述的频域特征包括：表征频谱位置重心的重心频率、表征频谱分布的离散程度的频率方差和表征频谱主频带的位置变化的均方频率，其中：当刀具的磨损量增大时，频谱结构也发生改变而使重心频率发生变化，重心频率频率方差均方频率其中：f表示频率，w(f)为该频率对应幅值，N为采样频率；
所述的时频域特征，采用小波包分解和经验模态分解进行提取，具体为：首先用db4小波基对原始振动信号的每个分量进行4层小波...
【专利技术属性】
技术研发人员：杜正春，陈沁心，冯晓冰，杨建国，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。