數(shù)控機(jī)床刀具磨損狀態(tài)特征參數(shù)提取*

高鵬磊，庫(kù)祥臣

(河南科技大學(xué) 機(jī)電工程學(xué)院，河南 洛陽(yáng) 471003)

0 引言

在金屬切削加工中，刀具磨損狀態(tài)的監(jiān)測(cè)不僅影響加工零件的質(zhì)量和生產(chǎn)效率，而且也是降低生產(chǎn)成本的重要途徑之一。在傳統(tǒng)切削加工過程中，刀具磨損、破損狀態(tài)只能依靠操作人員通過切削聲音、切屑顏色和切削時(shí)間等來判斷。這種判斷方法主觀性較強(qiáng)，不可避免的存在兩個(gè)問題:①如果刀具磨損量低于磨鈍標(biāo)準(zhǔn)但已經(jīng)被卸下，則沒有充分利用刀具而帶來浪費(fèi)，增加加工成本;②如果刀具已經(jīng)發(fā)生磨損或破損而沒有更換刀具，則會(huì)影響加工表面質(zhì)量和尺寸精度，甚至損壞機(jī)床［1-2］。

到目前為止，關(guān)于刀具磨損監(jiān)測(cè)的方法主要有:振動(dòng)法、聲發(fā)射法、電機(jī)功率電流法、切削力法、光學(xué)法、圖像法、表面粗糙度法、光學(xué)法等［3］。其中振動(dòng)信號(hào)目前被認(rèn)為是對(duì)刀具磨損、破損敏感度非常高的一種特征信號(hào)。在切削加工過程中，磨損及損傷程度不同的刀具與工件刃部側(cè)面摩擦，將會(huì)產(chǎn)生不同頻率結(jié)構(gòu)、不同強(qiáng)度的振動(dòng)信號(hào)，因此振動(dòng)監(jiān)測(cè)也是磨損監(jiān)測(cè)的有效方法之一［4］。

1 特征提取

振動(dòng)信號(hào)具有瞬態(tài)性和隨機(jī)性，屬于非平穩(wěn)信號(hào)，因此使用傳統(tǒng)的傅里葉變換不適合振動(dòng)信號(hào)的分析。小波分析具有同時(shí)在時(shí)域和頻域表征信號(hào)局部特征的能力，比較適合用于分析含有瞬態(tài)信息的振動(dòng)信號(hào)。本文通過對(duì)小波包分解理論的理解，以振動(dòng)信號(hào)的小波包分解系數(shù)來表征信號(hào)的能量，利用提取信號(hào)主要能量頻段內(nèi)統(tǒng)計(jì)特征值的方法，實(shí)現(xiàn)了對(duì)刀具磨損狀態(tài)的分析。

小波包分析是從小波分析延伸出來的一種對(duì)信號(hào)進(jìn)行更加細(xì)致的分解和重構(gòu)的方法，是目前非平穩(wěn)隨機(jī)信號(hào)分析最有力的工具。它的特點(diǎn)是對(duì)信號(hào)進(jìn)行變時(shí)窗分析，即對(duì)信號(hào)中的低頻分量采用較寬的時(shí)窗，對(duì)高頻分量采用較窄的時(shí)窗［5］。這個(gè)特點(diǎn)使得小波包分析在時(shí)域和頻域同時(shí)具有良好的局部分析特性，非常適合用來分析振動(dòng)信號(hào)［6］。

1.1 小波包分解

小波基定義如下:

設(shè)Φ(t)是函數(shù)空間L2(R)(平方可積的實(shí)數(shù)空間，即能量有限的信號(hào)空間)中滿足容許條件的一個(gè)函數(shù):

其中，a 稱為尺度因子或伸縮因子，b 稱為平移因子，a，b ∈R，且a ≠0。

從信號(hào)濾波的角度講，正交小波包分解是將待分解信號(hào)通過一個(gè)低通濾波器L 和一個(gè)高通濾波器H 分別進(jìn)行濾波，分解后得到一組低頻近似信號(hào)和一組高頻細(xì)節(jié)信號(hào)，并且同時(shí)對(duì)低頻和高頻信號(hào)一直分解下去。隨著分解級(jí)數(shù)的增加，頻率段劃分越細(xì)，并能夠根據(jù)被分析信號(hào)的特征自適應(yīng)選擇響應(yīng)的頻段，使之與信號(hào)頻譜相匹配，從而提高時(shí)頻分辨率，具有廣泛的應(yīng)用價(jià)值［7-8］。圖1 是三層小波包分解結(jié)構(gòu)圖，X 是原始信號(hào)。

圖1 三層小波包分解結(jié)構(gòu)圖

1.2 數(shù)據(jù)采集

實(shí)驗(yàn)選取采集卡型號(hào)為ADLINK PCI-9221，16 通道輸入，最高采集頻率250K。采集流程圖如圖2 所示。

圖2 數(shù)據(jù)采集流程圖

圖中采用Register_Card 函數(shù)初始化采集卡;采用AI_9221_Config 設(shè)置采集卡的觸發(fā)方式等;采用AI_ContReadChannel 設(shè)置采集卡的通道、幅值、數(shù)據(jù)長(zhǎng)度等;采用AI_ContVScale 把采集的數(shù)據(jù)轉(zhuǎn)換為十進(jìn)制數(shù)， 方便數(shù)據(jù)顯示和處理; 最后采用Release_Card 釋放采集卡。

采集頻率設(shè)置函數(shù)AI_9221_CounterInterval(CardNumber，ScanIntrv，SampIntrv)，其中CardNumber為采集卡編號(hào)，設(shè)置為0;ScanIntrv 為掃描間隔時(shí)間，最小值設(shè)置為160;SampIntrv 為采樣間隔時(shí)間，最小值設(shè)置為160，且ScanIntrv 大于等于SampIntrv。本實(shí)驗(yàn)設(shè)置采集頻率為25K，SampIntrv 參數(shù)設(shè)置為160，ScanIntrv 參數(shù)設(shè)置為1600。

1.3 實(shí)驗(yàn)條件和軟件

實(shí)驗(yàn)在數(shù)控車床上進(jìn)行，工件材料為45 號(hào)鋼，刀具材料為硬質(zhì)合金刀片，主軸轉(zhuǎn)速為800r/min，進(jìn)給速度為0.25mm/r，切削深度為0.6mm，切削環(huán)境為不加切削液。振動(dòng)傳感器選用型號(hào)為朗斯LC0103(T)，安裝在車刀的刀桿上，數(shù)據(jù)采集卡選用ADLINK PCI-9221。系統(tǒng)軟件采用C ++ builder2010和matlab7.0 混合編程，數(shù)據(jù)采集和數(shù)據(jù)分析界面界面如圖3 所示。從圖中可以看出采集分析界面不僅可以采集實(shí)時(shí)信號(hào)，而且還可對(duì)采集后的信號(hào)進(jìn)行時(shí)域分析、頻域分析、小波包分解等。

圖3 采集和分析界面

根據(jù)刀具磨損量的不同，實(shí)驗(yàn)分為新刀和磨損兩種狀態(tài)。在兩組狀態(tài)下分別采集數(shù)據(jù)，獲得新刀和磨損狀態(tài)下的刀具振動(dòng)信號(hào)如圖4 所示。從圖4 中可以看出在刀具磨損狀態(tài)下刀具的振動(dòng)幅值有明顯的增加。

圖4 刀具的振動(dòng)信號(hào)

1.4 特征頻段能量提取

理論上對(duì)實(shí)測(cè)的瞬態(tài)沖擊信號(hào)和隨機(jī)信號(hào)等非周期信號(hào)不能按傅里葉級(jí)數(shù)展開，但可在頻域上用功率譜密度函數(shù)加以描述［9］。功率譜密度函數(shù)是在頻域中對(duì)信號(hào)能量或功率分布情況的描述，它可由相關(guān)函數(shù)的傅里葉變換求得，也可以直接用FFT 分析技術(shù)來獲得，目前多采用FFT 分析技術(shù)直接計(jì)算功率譜，公式如下所示:

由Parse-va 定理可知，時(shí)域計(jì)算信號(hào)的能量與頻域計(jì)算能量是一致的。即

采用db4 對(duì)信號(hào)進(jìn)行4 層小波包分解，按照公式(3)分別計(jì)算新刀狀態(tài)和磨損狀態(tài)振動(dòng)信號(hào)的功率譜，再按照公式(4)計(jì)算能量，各個(gè)頻段能量如圖5所示。

圖5 小波包分解各個(gè)頻段能量

從圖中可以明顯看出兩種狀態(tài)下刀具磨損能量主要集中在前6 個(gè)頻段，其他頻段的能量非常小，考慮到輸入特征量過多會(huì)增加計(jì)算量和刀具磨損狀況的識(shí)別時(shí)間，因此只選擇前六個(gè)頻段的能量構(gòu)成特征向量E，即:

前六個(gè)頻段的能量值如表1 所示。

表1 4 層小波包分解前6 個(gè)頻段能量值

2 結(jié)束語

小波包分解不僅可以分解低頻信號(hào)，而且還能對(duì)高頻信號(hào)進(jìn)行分解，因此小波包分解是分析振動(dòng)信號(hào)的理想方法［10］。實(shí)驗(yàn)表明，通過小波包分解提取的不同頻帶的能量信息可以正確反映刀具磨損與振動(dòng)信號(hào)能量之間的關(guān)系。通過監(jiān)測(cè)不同頻帶能量的變化，可以判別刀具磨損狀態(tài)，進(jìn)一步為刀具磨損補(bǔ)償?shù)於肆己玫幕A(chǔ)。

［1］黃遂，陳洪濤，傅攀，等. 數(shù)控車削加工過程的刀具磨損動(dòng)態(tài)監(jiān)測(cè)［J］. 機(jī)械設(shè)計(jì)與制造，2010(2):191－193.

［2］賈吉林，楊紅麗. 數(shù)控機(jī)床刀具磨損在線監(jiān)測(cè)建模與研究［J］. 現(xiàn)代制造技術(shù)與裝備，2009(5):1－2.

［3］蒙斌. 數(shù)控機(jī)床刀具磨損與破損的聲發(fā)射監(jiān)測(cè)法［J］.機(jī)械工程與自動(dòng)化，2010(6):131－132.

［4］黃民，劉秀麗，謝厚正. 高檔數(shù)控機(jī)床刀具磨損故障監(jiān)測(cè)方法及實(shí)驗(yàn)系統(tǒng)［J］. 北京信息科技大學(xué)學(xué)報(bào)，2012，27(1):16－21.

［5］楊建國(guó). 小波分析及其工程應(yīng)用［M］. 北京:機(jī)械工業(yè)出版社，2005.

［6］曾祥超，陳捷. 數(shù)控機(jī)床刀具磨損監(jiān)測(cè)實(shí)驗(yàn)數(shù)據(jù)處理方法研究［J］. 機(jī)械設(shè)計(jì)與制造，2009(1):213－215.

［7］張鍇鋒，聶鵬，王東磊，等. 小波分析在數(shù)控刀具磨損狀態(tài)監(jiān)測(cè)中的應(yīng)用［J］. 測(cè)控技術(shù)，2009，28(2):3－6.

［8］謝秀嫻，付攀，曹偉青. 聲發(fā)射和小波包分解技術(shù)在刀具磨損狀態(tài)中的應(yīng)用［J］. 中國(guó)測(cè)試技術(shù)，2006，32(2):40－42.

［9］佟徳純，姚寶恒. 工程信號(hào)處理與診斷［M］. 北京:科學(xué)出版社，2008.

［10］黃遂. 切削加工過程中刀具磨損智能監(jiān)測(cè)與切削力預(yù)測(cè)技術(shù)研究［D］. 西安:西南交通大學(xué)，2010。