對刀具磨損獲取信號處理方法的探討

1、對刀具磨損獲取信號處理方法的探討賈娜1馬雪亭2（東北林業(yè)大學(xué)機電工程學(xué)院，黑龍江哈爾濱150040）摘要:刀具磨損是近幾年研究的對象之一，研究刀具磨損多是通過建立監(jiān)測信號與刀具磨損 之間的關(guān)系，利用監(jiān)測信號直接或間接反映刀具磨損狀態(tài)，而對于磨損信號的處理方法（建 立刀具磨損的關(guān)系）是多種多樣的，本文通過對近幾年來學(xué)者針對監(jiān)測信號采用的不同處理 方法進行概述。刀具磨損；信號處理；監(jiān)測信號abstract: tool wear is one of the objects studied in recent years, research tool wear mostly worn by estab

2、lishing a relatio nship between the signal and mon i tori ng tool, use monitoring signal directly or indirectly reflect the state of tool wear, and signal processing methods for wear (establish relations tool wear) is varied, the paper summarized recent years, scholars of different treatment methods

3、 employed by monitoring signals.keywords: tool wear; signal processing, the monitoring signal1刖呂刀具磨損會帶來加工精度下降，頻繁更換刀具述會增加機床輔助時間，增加了加工成 本,由此研究刀具磨損的在線監(jiān)測技術(shù)就顯得非常重要，而這項技術(shù)的一個重要步驟就是 獲取信號的處理，本文對獲取信號的兒種方法進行討論。眾所周知，對于刀具磨損的在線監(jiān)測，無論是直接測最和間接測量，獲取的信號量龐人, 但冇用的信息量比重少，一般不能直接用于刀具磨損研究，需要進行細(xì)致的處理，由此產(chǎn)生 了各種刀具磨損信號處理方法。2信號處理信

4、號的處理是研究刀具磨損的一個重要步驟，通過信號處理，建立獲取信號與刀具磨損 狀態(tài)z間的關(guān)系?？梢哉f，信號處理決定著刀具磨損在線監(jiān)測技術(shù)的成敗，不同的處理方式 對得出的結(jié)果是有所不同的，對于在線監(jiān)測的準(zhǔn)確性也是有所不同的2.1時域分析方法時域分析方法是指將信號整理成橫軸為時間的信號函數(shù)圖像進行分析，在丿j具磨損的研 究領(lǐng)域，時域分析是比較常見的方法，它符合人們認(rèn)識事物規(guī)律的習(xí)慣，易于理解，比較玄 觀，常被用作信號后續(xù)處理的第一個階段2。比較常見的時域分析冇均值法、均方根值法、 方差和口相關(guān)分析等。董全成等利用均方根值統(tǒng)計方法建立聲信號與刀具磨損的關(guān)系，對刀具磨損狀態(tài)做了詳細(xì)研究，對刀具在線監(jiān)測奠

5、定了基礎(chǔ)3 o2.2頻域分析方法信號不僅和吋間有關(guān)，在不同頻率下信號的響應(yīng)也是不一樣的，山此產(chǎn)牛頻域分析方法。在刀具加工過程中，不同的磨損狀態(tài)對應(yīng)的信號的頻率分布也是不同的，那么我們根據(jù) 頻譜圖像就可以推出刀具處于什么樣的磨損狀態(tài)餐在刀具磨損領(lǐng)域，頻譜分析能得到信號 屮各頻率上的幅值或能量人小，反映信號的頻率結(jié)構(gòu)，進而與刀具磨損建立很好的相關(guān)性5。 張建國用頻譜分析的方法研究超精密車削單晶硅刀具振動信號。研究了單晶硅超精密車削時 刀具振動頻譜分布與切削參數(shù)的關(guān)系，并對刀貝振動頻譜的變化規(guī)律及其演變機理進行了 分析%2.3時頻分析方法時頻分析方法是設(shè)計時間和頻率的聯(lián)合函數(shù),用它同時描述信號在不同

6、時間和頻率的能 量密集度或強度，這樣就能更加肓觀的體現(xiàn)岀兩者之間的關(guān)系，得到的信息也會更加完善。 常見的吋頻分析方法主要有窗口傅里葉變換、小波分析、希爾伯特黃變換等。小波分析方法易與人類視覺特性相結(jié)合，還具有對獲収信號去噪的功能，是口前研究刀 具磨損時頻分析方法中應(yīng)用最多的方法7。陳曉智用小波分析方法通過多層小波分解對信號 主能量所處頻段進行局部特性刻畫，利川小波分解系數(shù)特征統(tǒng)計值在統(tǒng)計量與刀具狀態(tài)間 建立物理聯(lián)系。實例表明，該方法能有效地判斷刀具狀態(tài)，比常用的神經(jīng)網(wǎng)絡(luò)進行狀態(tài)分析 的方法更具冇理論直觀性與操作的時效8o2.4模糊聚類方法模糊聚類分析是以模糊數(shù)學(xué)為理論基礎(chǔ)，可以用這個方法來衡量

7、樣本之間的差界程度。 模糊聚類方法通過調(diào)節(jié)閥值就可以調(diào)整樣木按照需要所分成的種類個數(shù)，操作簡單，準(zhǔn)確率 高，并且可以通過軟件編程來實現(xiàn)，大大提高了識別效率°。在刀具磨損過程中，可以將采集到的切削力、噪聲、振動、聲發(fā)射等赫損信號的特征量 作為分類要素，最終經(jīng)過處理得到一個模糊等價矩陣，適當(dāng)調(diào)整閥值，直到得到我們所需要 的分類，那么在以后的刀具加丄過程中，町以隨時將獲取的刀具磨損信號作為待分類信號, 并合理的歸類，進而得岀刀具所處的磨損悄況。模糊矩陣具有所需要樣木數(shù)量少、分析結(jié)果 可靠的優(yōu)點。陳愛弟等將聲發(fā)射信號和振動信號進行模糊聚類處理，以此來檢測和預(yù)報刀具 的磨損量，達到精確預(yù)測刀具

8、磨損狀況的ri的10o2.5分形理論的方法不規(guī)則的信號在不同的吋間點上其復(fù)朵程度可以借助分形維數(shù)來描述。對于獲取的刀具 磨損的圖像信號，每個采樣點的圖像復(fù)雜程度不同，便對應(yīng)不同的分形維數(shù)，分形理論就是 根據(jù)維數(shù)來反映刀具磨損狀態(tài)uo林穎等利用分形理論對刀具擁損信號處理。研究表明利用 分形理論對切削力動態(tài)分量信號捉取分形維數(shù)d作為監(jiān)測刀具磨損狀態(tài)指標(biāo)。試驗結(jié)果表 明，分形維數(shù)和刀具磨損的狀態(tài)具有相關(guān)性，町以作為表征刀具磨損狀態(tài)的一個特征值，能 有效識別刀具的磨損狀態(tài)2.6 隱馬爾可夫模型(hidden markov model, hmm)隱馬爾可夫模型(hidden markov model,

9、hmm)是統(tǒng)計模型,它用來描述一個含有隱 含未知參數(shù)的馬爾可夫過程，是描述識別動態(tài)過程的一種有效方法，它是一個雙重隨機過程: 非平穩(wěn)信號可以認(rèn)為是多個平穩(wěn)信號段組成的，隱馬可科夫模型可用于描述每個平穩(wěn)信號段 特征，又町描述多個短期平穩(wěn)信號段z間的動態(tài)變化。隱馬爾可夫模型中的狀態(tài)不直接可見， 但受狀態(tài)影響的部分變量可見。狀態(tài)所輸出的符號是有概率規(guī)律的，因此輸出符號序列與狀 態(tài)序列有一定的相關(guān)性13 o口俊杰針用隱馬爾可夫模型方法對銃削力信號進行提取，対信號特征欠量進行量化編碼, 作為隱馬爾可夫模型的輸入向量，分別訓(xùn)練三個不同磨損階段的隱馬爾可夫模型對未知的 刀具磨損狀態(tài)進行預(yù)測，能對刀具磨損狀態(tài)

10、進行較好的識別均。2.7偏最小二乘回歸方法偏最小二乘回歸法采用對變量x和y都進行分解的方法，從變量x和y同吋提取因子， 再將因子按照它們z間的相關(guān)性從小到大排列。偏最小二乘回歸能允許樣本個數(shù)少于變量個 數(shù)，約束條件更少，靈活度更人。在刀具磨損方面，可以將兩個或兩個以上的參數(shù)組成樣本 預(yù)測刀具的磨損狀況，起到在線監(jiān)測的作用15o徐創(chuàng)文采用主軸電機功率信號和進給伺服電機功率信號作為監(jiān)測信號，將樣木變蜃篩 選為自變量，因變量是后刀而磨損量，在不同的參數(shù)環(huán)境下對工件進行加工，會產(chǎn)綸多組試 驗數(shù)據(jù)，然后用偏最小二乘回歸分析方法建立模型，用來預(yù)測刀具磨損狀況止。2.8人工神經(jīng)網(wǎng)絡(luò)分析方法人工神經(jīng)網(wǎng)絡(luò)是對生

11、物上的神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能進行效仿，它是一種強人的信息數(shù)據(jù) 處理系統(tǒng)，大致分三層，輸入層、小間層和輸出層，輸入層是對獲取的信號數(shù)據(jù)進行接收, 中間層負(fù)責(zé)處理信號數(shù)據(jù)，輸出層是將處理的結(jié)果進行輸出，如果輸出的結(jié)果為期望相同, 那么訓(xùn)練結(jié)束，如果不同則會反向計算，修改各層權(quán)值和閥值，直到符合期望為止王軍平利用電流信號基于隨機模糊神經(jīng)網(wǎng)絡(luò)建立了刀具.磨損量的軟測量模型。該模型利 用切削參數(shù)實時地調(diào)整網(wǎng)絡(luò)的部分參數(shù)，從而可以減小切削參數(shù)與電流信號之間關(guān)系對于 刀具磨損估計的彩響并且使得模型具有動態(tài)性、實時性.通過實驗驗證表明該方法是正確 的且分別利用主軸電流值和進給電流值估計刀貝 磨損量具有較好的一致

12、性叫2.9支持向量機分析方法支持向量機對樣木的需求相對較少、避免出現(xiàn)過擬合和欠擬合等問題，很好的彌補了人 工神經(jīng)網(wǎng)絡(luò)的不足19o近年來一 些學(xué)者在這方面做了不斷的探索。王國鋒等基于多傳感器信號、采用多分類支持向量機進行多種狀態(tài)下辨識刀具狀況，通 過多傳感器獲取刀具振動信號等，把獲得的時域、頻域和小波域的信息作為刀具磨損分類特 征；用支持向最機訓(xùn)練和識別刀具不同濟損狀態(tài)下的特征數(shù)據(jù)。對切削過程中不同濟損狀態(tài) 的分類結(jié)果表明，多分類支持向量機貝有出色的學(xué)習(xí)能力，能夠?qū)崿F(xiàn)在小樣本情況下的不同 磨損階段分類，識別精度比較理想20。2.10云模型孕徳毅院士于1995年提出云模型，它是一種定性定量不確定性

13、轉(zhuǎn)換模型，數(shù)據(jù)樣本z 間貝有隨機性和模糊性，而云模型把這兩個特性都考慮在內(nèi)，山定量到定性，原本復(fù)雜的語 言值用數(shù)字特征來表示；再從定性到定量，隨機性和模糊性以及它們兩者z間的關(guān)系可以通 過云發(fā)生器來模擬和建立2】。在具體處理中，實現(xiàn)云模型的方法不是單一的，不同的方法構(gòu) 成不同類型的云，如正態(tài)云模型、半云模型、對稱云模型和組介云模型等。接合前文所說的 支持向量機，可以更好地應(yīng)用到對刀具磨損信號的處理當(dāng)小去。王利偉等結(jié)合云模型和支持向量機的優(yōu)點，提出了包含輸入層云化層svm層逆云化層 和輸出層等五層結(jié)構(gòu)的云svm模型，利川該模型對刀具磨損狀態(tài)的識別和預(yù)測進行了仿真, 結(jié)杲表明該模烈能夠鮫真實的識別

14、和預(yù)測磨損狀態(tài)，具有較強實用性。表明該模羽結(jié)合了云 模型的隨機性和模糊性，乂保持了 svm優(yōu)點，解決了高維問題和局部極俏問題，支持小樣 本，適合數(shù)控機床刀具磨損狀態(tài)識別22。2.11機器視覺識別方法刀具表面是刀具磨破損狀態(tài)的直接反映，因此棊于刀具表面圖像的直接監(jiān)測方法具冇 其它監(jiān)測方法所不能比擬的優(yōu)點，它由顯微鏡，照相機，計算機及圖像處理軟件等組成，先 獲取刀具磨損的圖像信號，對其進行細(xì)致處理。原理簡單，操作方便，可以很好地得出刀具 的磨損狀況23。基于刀具或工件的圖像、紋理或切屑圖像都可以用機器識別的方法來進行處 理。像趙林惠等対微小型刀具磨損檢測試驗研究】、張利等對刀具濟損狀態(tài)識別技術(shù)的研

15、究彳 等都是利用機器視覺識別技術(shù)對圖像信號進行處理，得出相應(yīng)的結(jié)論。但是在工件切削的過程屮，切屑擋在刀具的表面，因此，基于刀具表面圖像的視覺監(jiān)測 方法一般不能在切削過程中進行，因此只是-種間歇式的監(jiān)測方法。3發(fā)展趨勢隨著現(xiàn)代加工方法和對工件質(zhì)量要求的提高，刀具監(jiān)測技術(shù)越來越重耍，單一的刀具信 號獲取己經(jīng)很少能滿足要求，同樣，單一的信號處理技術(shù)也會存在這樣或那樣的不足，所以 多種信號處理方式的融合技術(shù)己經(jīng)越來越成為人們研究的方向z。如，模糊系統(tǒng)和神經(jīng)網(wǎng) 絡(luò)都屬于知識分布存儲、都具有并行處理的無模型系統(tǒng)。通過效仿人的生理動作來解決問題 是它們結(jié)合的基礎(chǔ)和冃標(biāo)。知識的獲取與表達、知識的存儲與推理等方

16、面是它們的主要區(qū)別。 如果用神經(jīng)網(wǎng)絡(luò)利用知識，那么就需耍進行學(xué)習(xí)，陽對于模糊邏輯僅僅需耍從知識庫中提取 出來即可；對于結(jié)構(gòu)化的知識用模糊邏輯來處理更適合，而對于分結(jié)構(gòu)化的知識用神經(jīng)網(wǎng)絡(luò) 處理更有效。結(jié)合這兩種數(shù)據(jù)處理方法可以具有它們共同的優(yōu)點并克服它們各白的缺點。這 種互補的特性使得它們的結(jié)合越來越得到人們的廣泛關(guān)注。關(guān)山.在線金屬切削刀具憾損狀態(tài)監(jiān)測研究的冋顧與展望ii:信號特征的提取j機床與液壓,2010,17:121-125.夏海濤，孟廣耀,劉松年，胡知音,劉英.基于切削力實現(xiàn)銳刀狀態(tài)監(jiān)測的特征值選取的研究j.制造技術(shù)與 機床,2011,02:97-99董全成云svm刀具磨損聲譜特征的分

17、析j控制與檢測,2006, 8(3):35-384王國鋒，李啟銘，秦旭達尚秀，崔銀虎膨東彪支持向暈機在刀共磨損多狀態(tài)監(jiān)測屮的應(yīng)用j天津人學(xué)學(xué) 報,2011,01:35-395游風(fēng)荷云svm模型及在材質(zhì)渦流檢測信號處理方法j材質(zhì)渦流檢測信號處理方法，2002(10):11-14.張建國云svm超楮密車削單晶硅刀具振動頻譜分析j納米技術(shù)與禱密工程,2010, 8(6):491-4977毛新勇，劉紅奇,李斌.主軸電流信號屮銃削力成分的時頻分析及提取方法研究j.中國科學(xué)(e輯:技術(shù)科 學(xué)),2009,11:1824-1827.8陳曉卻一種新的聲發(fā)射刀具磨損小波分析方法j科研成果與學(xué)術(shù)交流,2007,

18、29(1):12-159陳洪濤，黃遂，李竊力:傅攀.基于模糊聚類的數(shù)控車削加工刀具序損檢測研究j現(xiàn)代制造工程,2010,07:134-137+142.10陳愛弟.基于模糊聚類的刀具序損量在線監(jiān)測方法j北京理工大學(xué)學(xué)報,2000, 20276-280.張錯鋒，袁惠群,聶鵬.基于廣義分形維數(shù)的刀貝磨損狀態(tài)監(jiān)測j振動與沖*,2014,01:162-164+16912林穎.基于影像視覺的立銃基于知識基于分形理論和神經(jīng)網(wǎng)絡(luò)的刀具磨損監(jiān)測j.中國機械工程,2004, 15(16):1126-1128.13周忠偉，孟廣耀，徐建，王成華.基于hmm的刀具磨損和顫振預(yù)報及切削過程的最優(yōu)化控制研究j.裝備 制造技術(shù),2013,01:108-110.14呂俊杰基于som和hmm結(jié)合的刀具磨損狀態(tài)監(jiān)測研究j科研成果與學(xué)術(shù)交流,2009, 21(13):1531-1535.15陳高波基于最小二乘支持向暈機的刀具磨損預(yù)報建模j武漢工業(yè)學(xué)院學(xué)2009,02:112-114+118.16