電火花加工間隙狀態(tài)的鑒別與檢測方法

本文格式為Word版，下載可任意編輯——電火花加工間隙狀態(tài)的鑒別與檢測方法

畢業(yè)論文（設(shè)計）

課題名稱電火花加工間隙狀態(tài)的鑒別與檢測方法?

目錄

摘要2關(guān)鍵詞2引言3一、高頻檢測法4二、擊穿延時法5三、間隙電壓(電流)的檢測法5四、放電間隙狀態(tài)的識別6（一）傳統(tǒng)識別方法6

1

（二）智能識別方法6結(jié)論9

干擾。

四、放電間隙狀態(tài)的識別

獲取間隙電壓(電流)之后，辨識放電狀態(tài)的方法十分多，主要可以分成兩個大類。（一）傳統(tǒng)識別方法

圖4間隙電壓比較檢測判斷電路原理圖

傳統(tǒng)的識別方法是設(shè)計電路，制作放電間隙檢測模塊。其原理圖如圖4所示。根據(jù)具體加工條件放電狀態(tài)的電壓高低閾值，將測取的間隙電壓(電流)與設(shè)定的電壓(電流)閾值比較，利用計數(shù)器統(tǒng)計單位時間內(nèi)高于高閾值的脈沖個數(shù)，低于低閾值的脈沖個數(shù)以及位于高低閾值之間的脈沖個數(shù)，再通過規(guī)律判斷確定放電狀態(tài)?？紤]到電火花放電狀態(tài)的影響因素好多，一般不采用單次閾值比較結(jié)果來決定伺服進(jìn)給裝置的動作，而是計算一段時間內(nèi)的各種放電狀態(tài)的比值，來獲取放電狀態(tài)變化的趨勢，從而決定伺服進(jìn)給裝置的進(jìn)退。設(shè)計規(guī)律電路主要采用集成電路塊或者可編程規(guī)律門陣列(FPGA)，另外，為了提高放電間隙檢測模塊的柔性，霍孟友等利用單片機(jī)來設(shè)置電壓閾值，希望設(shè)計出檢測模塊能適用于加工條件經(jīng)常改變的場合。

電火花放電狀態(tài)的傳統(tǒng)識別方法具有反應(yīng)速度快、電路成熟等優(yōu)點，但總的來說，受電路本身的局限，一般檢測模塊靈活性不夠，不能隨著加工條件的變化作較大的變化。隨著計算機(jī)技術(shù)和智能技術(shù)的發(fā)展，研究人員已經(jīng)逐漸趨向于利用智能技術(shù)辨識放電狀態(tài)，通過將獲取的間隙電壓(電流)信號采集進(jìn)計算機(jī)之后，設(shè)計不同算法以實現(xiàn)對放電狀態(tài)的辨識。

（二）智能識別方法

目前的研究主要集中在采用智能方法辨識放電狀態(tài)。目前這些算法主要有模糊法、神經(jīng)網(wǎng)絡(luò)法、模糊神經(jīng)法、小波分析法等。

6

1、電火花間隙放電狀態(tài)模糊規(guī)律識別法

圖5模糊放電狀態(tài)識別原理圖

圖5為利用模糊技術(shù)進(jìn)行放電狀態(tài)識別的原理圖。將測取的間隙電壓和電流值作為模糊識別器的輸入，識別器中的模糊規(guī)則根據(jù)專家的經(jīng)驗和知識編寫，模糊規(guī)則可以增加和修改，從而增加了系統(tǒng)的適應(yīng)性。

合理選取模糊識別器的隸屬函數(shù)是識別技術(shù)的關(guān)鍵，Y．S．Tarng等運(yùn)用了模擬退火算法來選取優(yōu)化隸屬函數(shù)，可以不依靠初始狀態(tài)，可以避開局部最小趨向全局最優(yōu)，因而成為一種十分有效的機(jī)器自學(xué)習(xí)方法。

模糊技術(shù)最大的特征是將專家的控制經(jīng)驗、知識表示成為語言控制規(guī)則，然后用這些規(guī)則去控制系統(tǒng)。但是模糊控制的缺點也源于此，控制器模糊規(guī)則的設(shè)置源于操作人員的基本知識，受到操作人員水平的局限，同時不具有適應(yīng)對象持續(xù)變化的能力。

2、電火花間隙放電狀態(tài)神經(jīng)網(wǎng)絡(luò)識別法

圖6為脈沖類型識別的神經(jīng)網(wǎng)絡(luò)模型。該神經(jīng)網(wǎng)絡(luò)模型兩個輸入層節(jié)點代表間隙電壓、間隙電流2個輸入?yún)?shù)；5個輸出層節(jié)點有代表要識別的五種間隙狀態(tài)。通過訓(xùn)練樣本建立起的神經(jīng)網(wǎng)絡(luò)可以分辯不同工況下間隙的放電狀態(tài)。

J.Y.kao和H.S.Uu等研究了運(yùn)用前饋神經(jīng)網(wǎng)絡(luò)在線辨識放電狀態(tài)，E.Pajak和K.Wieczomwski利用單向多層神經(jīng)網(wǎng)絡(luò)來區(qū)分火花類型。此外H.S.Liu等采用基于不確定性推理的Abductivenetworks來模擬輸入與輸出之間的非線性，這種網(wǎng)絡(luò)的自組織性優(yōu)于神經(jīng)網(wǎng)絡(luò)，由樣本數(shù)據(jù)根據(jù)預(yù)計方差可自動尋優(yōu)來建立模型，訓(xùn)練的次數(shù)少。Mediliyegedara等則比較了采用五種不同的鼓舞函數(shù)時，前饋BP網(wǎng)絡(luò)對放電狀態(tài)的識別效果。神經(jīng)網(wǎng)絡(luò)技術(shù)根據(jù)具體狀況選擇適合的網(wǎng)絡(luò)結(jié)構(gòu)，用特定加工條件下的間隙電壓(電流)信號與放電狀態(tài)之間的關(guān)系來訓(xùn)練網(wǎng)絡(luò)獲得權(quán)值，訓(xùn)練好的網(wǎng)絡(luò)可以比較確鑿地識別在同樣的加工條件

7

下的放電狀態(tài)，但是當(dāng)加工條件改變時，識別效果會明顯降低，另外，網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和鼓舞函數(shù)的選擇也是影響識別效果的重要因素。

圖6電火花放電脈沖狀態(tài)識別BP網(wǎng)絡(luò)模型圖

3、模糊規(guī)律和神經(jīng)網(wǎng)絡(luò)結(jié)合的電火花放電狀態(tài)識別法

圖7電火花加工放電間隙神經(jīng)模糊控制器結(jié)構(gòu)框圖

羅元豐等將模糊規(guī)律與BP神經(jīng)網(wǎng)絡(luò)結(jié)合起來，建立了電火花加工間隙放電狀態(tài)的檢測模型并給出了算法，圖7為其設(shè)計的神經(jīng)模糊控制器結(jié)構(gòu)框圖，其中模糊推理部分由神經(jīng)網(wǎng)絡(luò)來實現(xiàn)。

曹光宇等選擇空載率和短路及拉弧率之差及其誤差變化作為模糊控制的輸入?yún)?shù)，伺服參考電壓、抬刀周期和脈沖間歇作為輸出參數(shù)，模糊推理部分由神經(jīng)網(wǎng)絡(luò)來實現(xiàn)。同樣嘗試將模糊規(guī)律技術(shù)與BP神經(jīng)網(wǎng)絡(luò)技術(shù)結(jié)合來辨識電火花放電狀態(tài)的還有裴景玉等。周明等則把模糊規(guī)律技術(shù)與學(xué)習(xí)向量量化(LVQ)神經(jīng)網(wǎng)絡(luò)結(jié)合起來辨識電火花放電狀態(tài)，A．W．Behrens也設(shè)計了神經(jīng)模糊控制器來識別電火花放電狀態(tài)從而決定伺服系統(tǒng)的進(jìn)退。

4、小波分析識別法

8

小波變換是近十年來迅速發(fā)展起來的一種新的信號處理工具。作為一種信號的時間一頻域分析方法，具有多分辯分析的特點，而且在時、頻域都有表征信號局部特征的能力。小波包分析是從小波分析延伸出來的一種對信號進(jìn)行更加細(xì)致的分析和重構(gòu)的方法，不但對低頻部分進(jìn)行分解，而且對高頻部分也做了二次分解，在信號去噪方面表現(xiàn)出明顯的優(yōu)勢，對信號的分析能力更強(qiáng)。針對電火花加工隨機(jī)干擾因素多，采集的間隙電壓(電流)信號噪聲比較多，Yu利用小波變換來分析間隙電壓／電流信號，通過小波變換，不僅可以去掉信號上的噪聲，還可以明了地分辯出不同放電狀態(tài)信號發(fā)生頻率以及持續(xù)時間。經(jīng)過小波變換之后的間隙電壓/電流信號，可作為電火花加工在線控制器的輸入，能獲得較好的控制效果。

結(jié)論

電火花加工過程是一種極其繁雜、帶隨機(jī)干擾、多因素相關(guān)的高度非線性過程，傳統(tǒng)的電火花放電狀態(tài)檢測模塊通過設(shè)計電路來檢測識別電火花狀態(tài)。具有較大局限性。

混合智能技術(shù)的應(yīng)用是電火花放電狀態(tài)檢測的發(fā)展方向。各種單一的智能技術(shù)都存在無法戰(zhàn)勝的缺陷，采用混合智能技術(shù)能相互取長補(bǔ)