一种数控机床车削稳定性在线监测方法技术

本发明专利技术提出了一种数控机床车削稳定性监测的方法，涉及监测技术领域。由于伺服系统性能的不断提高，其响应速度、敏感性等也不断提高，因此，在切削过程中机床的状态可以在驱动电机的电流上得到反映。本发明专利技术中，通过各种信号处理方法提取电流信号的多个特征值，建立特征状态向量作为数学模型的输入，再通过数学模型的分析计算，输出机床的切削状态。该发明专利技术中由于电流信号抗干扰性强、易于采集、使用辅助工具少等特点，相对于目前的诸多监测方法其操作上具有简单易行、监测效果好等优点，更容易实现对加工状态的在线监测，有效保证了加工安全和产品质量。

【技术实现步骤摘要】

本专利技术属于监测
，尤其涉及一种数控机床车削稳定性监测方法。
技术介绍
实现数控机床的高精、高效、智能化和安全，提高加工稳定性是当前机床行业的发展方向，数控机床切削状态监测是达到这些目的的重要手段。数控机床通过状态监控和控制优化，能够保证加工产品的质量和提高生产效率，节省成本，提高产品的竞争力，并且能够保证加工安全，提高自动化和管理水平等。因此，发展机床切削状态监测技术具有重要意义。目前切削状态监测常采用的监测信号是切削力、切削扭矩、加速度等，尽管切削力含有丰富的切削状态信息，能够直观的反映出切削状态，但由于其测量困难，测量设备昂贵等原因不能够广泛推广，适用性不强。这些方法在本领域属于公知，例如见中国专利申请号为CN03137046.2，专利技术名称为机床切削颤振在线智能控制系统，将加速度信号输入到颤振识别技术模块CDM中，循环判别并运行以监测颤振的发生。中国专利申请号为 CN02114689. 6，专利技术名称为高速旋转机械半速涡动在线稳定性特征提取与监测方法，将非接触式电涡流位移传感器获得转子的振动位移信号，应用HR滤波器技术来处理振动位移信号，以此信号特征判断半速涡动稳定性。中国专利申请号为CN87106117. 1，专利技术名称为 切削颤振在线测量仪，采用单板微型计算机检测和处理切削信号，识别切削信号中的周期分量，监测切削颤振的发生。基于振动加速度信号和振动位移信号的方法都存在着信号监测不方便，传感器安装麻烦，影响机床的正常加工，甚至需要改动机床的结构，因此只能在科研中使用，应用到实际生产中都有较大的难度。邵强等发表的《混合密度连续HMM在旋转机械启动过程故障诊断中的应用》(机械科学与技术，2009. 11) 一文中运用混合密度连续HMM诊断旋转机械启动过程中的故障，该文献中介绍了前向后向算法、维特比(Viterbi)算法和鲍姆-韦尔奇(Baum-Welch)算法， 这些算法可用于该专利中监测模型的建立。
技术实现思路
本专利技术的目的旨在克服现有技术的不足之处，提出一种数控机床车削稳定性监测的方法，该方法在无需复杂辅助工具的前提下有效保证加工安全和产品质量。本专利技术提供的一种数控机床车削稳定性监测的方法，包括下述步骤(1)分别采集数控机床驱动电机在正常切削、过渡阶段和颤振发生三种切削状态的三相输出电流，作为样本电流信号；(2)对样本电流信号分别通过放大、滤波与A/D转换，得到电流数字信号，该电流数字信号即监测电流信号；(3)对监测电流信号进行特征提取，得到多个信号特征值；(4)在多个信号特征值中选择至少三个对颤振敏感的信号特征建立特征向量V =(vtl，vt2, vt3,…，vtn)，作为识别模型的输入；(5)计算特征向量ν = (vtl，vt2，vt3，…，vtn)在每一个切削状态模型ξ i下出现的似然概率值lo&QP(V| ξ》，其中，i = 1,2,3 ；(6)比较步骤(5)中求得的三个状态模型Ii下各自的似然概率值IogltlP (V I ξ,), 输出最大概率值对应的模型序号；(7)在切削状态模型库中查找步骤(6)中输出的模型序号所对应的切削状态即为当前切削状态，实现对切削状态的在线监测；当判定即将发生颤振时，数控系统输出改变主轴转速和进给速率指令，防止颤振的发生；(8)在车床切削过程中，重复步骤(1)至(7)，完成对切削状态进行在线实时监测。本专利技术监测伺服驱动电机电流信号；通过分析电流信号，得出信号的方差、均方频率、高低频能量比等特征，建立特征向量；应用维特比(Viterbi)算法来求取模型的最优状态序列，然后基于维特比(Viterbi)算法和分段K-均值算法优化CDHMM(混合密度连续型隐马尔科夫链)初始模型参数；通过基于匪I (最大互信息熵)的鲍姆-韦尔奇 (Baum-Welch)算法来训练CDHMM模型，生成模型库；前向后向算法求取一观测向量在各个切削状态模型下的似然概率值，输出最大似然概率值对应的模型序号；查找序号对应的切削状态即为当前切削状态，实现对切削状态的在线监测；本专利技术通过对伺服驱动电机电流信号的监测和分析处理，能够识别切削过程中的切削稳定性，可实现方便快捷地对数控机床车削稳定性进行实时地在线监测，并且适用性强，易于推广；另外，本专利技术无需使用到像测力仪、加速度传感器这样复杂昂贵的仪器设备，实验成本大大降低，为数控机床状态监测技术提供了一种新的方法。附图说明图1为本专利技术CDHMM模型参数初始化和模型库训练示意图；图2为本专利技术电流信号监测系统图3为本专利技术⑶HMM工作原理示意图；图4为本专利技术CDHMM状态识别基本流程图；图5为本专利技术颤振在线监测流程示意图。具体实施例方式本专利技术的车削稳定性在线监测方法，通过获取机床驱动电机电流信号，并经过一系列的信号处理与特征提取选择过程，最后通过监测模型的判断过程，实现对车削稳定性的在线监测。本专利技术方法利用CDHMM模型及模型库对采集的数据进行分析计算实现对数控机床车削稳定性监测。首先通过以下步骤对CDHMM模型的参数进行初始化和生成模型库，其流程如图1所示。(1)利用霍尔电流传感器分别测量数控机床驱动电机的三相输出电流，作为样本电流信号；通过步骤(1)获取样本电流信号应包括正常切削、过渡阶段和颤振发生三种切削状态，三种切削状态分别用S1, s2, S3表示，即切削状态集合有S = (S1, S2, S3)；(2)对测量的输出电流分别通过放大、滤波与A/D转换，消除部分干扰信号并得到电流数字信号，该电流数字信号即为监测电流信号；步骤(1)、⑵如图2所示(3)利用希尔伯特-黄(Hilbert-Huang)变换方法对监测电流信号进行处理，提取信号特征值；(3. 1)求取步骤O)中获得的监测电流信号的RMS(均方根)值；(3. 2)通过EMD (经典模态分解法)技术自适应地将监测电流信号的RMS值进行分解，得到监测电流信号RMS值的IMF(固有模态函数)分量和余量。X(t)表示表示监测电流信号RMS值，Cd(t) (d= 1,2,3,4……η)表示各IMF分量，I n(t)表示余量，则监测电流信号 RMS值X(t)可以表示为所有的IMF分量Cd(t)和余量艮⑴之和X (t) = C1 (t) +C2 (t) +C3 (t) +......+Cn (t) +Rn (t)(3. 3)利用希尔伯特-黄(Hilbert-Huang)变换对各IMF分量进行处理，得各个IMF分量的Hilbert谱，汇总所有IMF分量的Hilbert谱就得到监测电流信号RMS值的 Hilbert谱，再进行积分处理可得监测电流信号RMS值的边际谱h (w)，提取相关特征值；(3. 4)对比正常切削和颤振发生两种状态下监测电流信号RMS值IMF分量的不同， 将不同的IMF分量相加作为Hilbert能量；(3. 5)对Hilbert能量做非线性能量平滑处理，其处理过程如下 (3. 5. 1)先对Hilbert能量进行非线性处理，即 Ψ = χ2 (η) _χ (η-1) χ (η+1) χ (η)表示Hilbert能量某一采样点数值；(3. 5. 2)再对Ψ 进行平滑处理，即将Ψ 与Bartlett (巴特利特)窗 进行卷积ψ, = ψ[χ(ρ)\ w(n)(4本文档来自技高网...

【技术保护点】
１．一种数控机床车削稳定性在线监测方法，其特征在于，该方法包括下述步骤：（１）分别采集数控机床驱动电机在正常切削、过渡阶段和颤振发生三种切削状态的三相输出电流，作为样本电流信号；（２）对样本电流信号分别通过放大、滤波与Ａ／Ｄ转换，得到电流数字信号，该电流数字信号即监测电流信号；（３）对监测电流信号进行特征提取，得到多个信号特征值；（４）在多个信号特征值中选择至少三个对颤振敏感的信号特征建立特征向量Ｖ＝（ｖｔ１，ｖｔ２，ｖｔ３，…，ｖｔｎ），作为识别模型的输入；（５）计算特征向量Ｖ＝（ｖｔ１，ｖｔ２，ｖｔ３，…，ｖｔｎ）在每一个切削状态模型ξｉ下出现的似然概率值ｌｏｇ１０Ｐ（Ｖ｜ξｉ），其中，ｉ＝１，２，３；（６）比较步骤（５）中求得的三个状态模型ξｉ下各自的似然概率值ｌｏｇ１０Ｐ（Ｖ｜ξｉ），输出最大概率值对应的模型序号；（７）在切削状态模型库中查找步骤（６）中输出的模型序号所对应的切削状态即为当前切削状态，实现对切削状态的在线监测；当判定即将发生颤振时，数控系统输出改变主轴转速和进给速率指令，防止颤振的发生；（８）在车床切削过程中，重复步骤（１）至（７），完成对切削状态进行在线实时监测。...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘红奇，李斌，陈青海，毛新勇，彭芳瑜，唐小琦，毛宽民，贺松平，
申请(专利权)人：华中科技大学，武汉华中数控股份有限公司，
类型：发明
国别省市：83