帶鋸床鋸切負(fù)載檢測系統(tǒng)研制

倪敬，湯海天，劉湘琪，劉曉晨

(1.杭州電子科技大學(xué)機(jī)械工程學(xué)院，浙江杭州310018;2.浙江理工大學(xué)機(jī)械與自動控制學(xué)院，浙江杭州310018)

0 引言

金屬帶鋸床是一種下料工序主要設(shè)備，以其鋸切精度高、鋸縫小，具有高效節(jié)能等特點(diǎn)，被廣泛應(yīng)用于鋼鐵、機(jī)械、汽車、船舶、石油和航空航天等行業(yè)［1］。在實際鋸切加工生產(chǎn)中，隨著加工工件截面積無序變化、加工工件材質(zhì)硬度突變、鋸齒齒刃磨損等復(fù)雜工況的出現(xiàn)，金屬帶鋸條鋸切負(fù)載參數(shù)會相應(yīng)產(chǎn)生變化［2］，對后續(xù)工藝的加工精度、加工效率有著較大的影響。

目前，針對機(jī)床在線檢測開展了相關(guān)研究，如某專利(專利號為CN101135899)公開了一種精密數(shù)控機(jī)床在線檢測系統(tǒng)，該系統(tǒng)采用點(diǎn)對多點(diǎn)無線串口通訊方式，可實時檢測數(shù)控機(jī)床工作狀況，能在一定程度上對數(shù)控機(jī)床進(jìn)行誤差補(bǔ)償，提高機(jī)床工作精度［3］。但該系統(tǒng)缺乏連續(xù)分析大量顫振信號的能力，無法應(yīng)用于復(fù)雜工況的工作環(huán)境，無法對工作狀況進(jìn)行智能決策及分析，因此，并不適用于基于金屬帶鋸條顫振特性的鋸切負(fù)載檢測要求。針對注水機(jī)組振動狀態(tài)開展的相關(guān)研究，如某專利(專利號為CN201010102851.9)公開了一種注水機(jī)組振動狀態(tài)的點(diǎn)檢方法及檢測裝置。該裝置可以較為全面地針對機(jī)床運(yùn)行過程中的狀況進(jìn)行比對分析，基于數(shù)據(jù)庫信號管理處理也提高了檢測系統(tǒng)的自適應(yīng)能力［4］。但這種裝置成本較高，且采用聲學(xué)信號進(jìn)行比對，主觀判斷成分較大，不利于客觀分析。

因此，針對以上不足，本研究根據(jù)金屬帶鋸床鋸切的高精度、高效率等要求設(shè)計帶鋸床鋸切負(fù)載檢測系統(tǒng)。

1 工藝原理分析與性能指標(biāo)

1.1 系統(tǒng)工作原理

帶鋸床鋸切負(fù)載檢測系統(tǒng)如圖1所示。它主要由電渦流傳感器模塊、信號采集模塊、信號處理模塊、智能決策模塊組成。其中，電渦流傳感器模塊由電渦流傳感器和安裝支架組成，該模塊的作用是測定帶鋸工作時工件兩側(cè)鋸切產(chǎn)生的帶鋸顫振偏移量;信號采集模塊由前置放大器、轉(zhuǎn)換板、數(shù)據(jù)采集卡組成，它采用轉(zhuǎn)換板及采集卡，包含了高速A/D轉(zhuǎn)換、數(shù)字輸入輸出等功能;信號處理模塊及智能決策模塊均通過C++Builder編程集成于工控機(jī)內(nèi)，可以對采集卡所采集的帶鋸顫振偏移量信號進(jìn)行信號處理，并基于故障診斷學(xué)中的專家系統(tǒng)理論，參考基于知識庫的診斷模型，對處理結(jié)果進(jìn)行基于粗糙集的邏輯推理，實時檢測金屬帶鋸床鋸切負(fù)載變化。

帶鋸床鋸切負(fù)載檢測系統(tǒng)工作原理為:由電渦流傳感器采集的帶鋸鋸切的振動信號，經(jīng)過過前置放大器進(jìn)行信號放大，放大后的信號經(jīng)轉(zhuǎn)換板及數(shù)據(jù)采集卡進(jìn)行A/D轉(zhuǎn)換，轉(zhuǎn)換后的數(shù)據(jù)通過PCI接口傳輸至工控機(jī)內(nèi)進(jìn)行數(shù)字信號處理提取特征值，并通過專家系統(tǒng)對鋸切負(fù)載進(jìn)行智能識別。

1.2 主要性能指標(biāo)和參數(shù)

主要性能指標(biāo)和參數(shù)如下:

(1)振動測量精度為＜±2 mm;

(2)負(fù)載檢測識別范圍為200 N～2 000 N;

(3)振動采集頻率范圍為0～1 000 Hz;

(4)鋸切進(jìn)給速度為0.2 mm/s。

2 機(jī)械系統(tǒng)設(shè)計

根據(jù)帶鋸床鋸切性能和工作要求，本研究設(shè)計的帶鋸鋸切負(fù)載檢測的機(jī)械部分如圖1所示。主要包括傳感器安裝支架和固定螺栓。該機(jī)械裝置與帶鋸床機(jī)構(gòu)裝配簡單，對實際的鋸切加工影響較小。

如圖1所示，電渦流傳感器的探頭固定安裝在支架上，安裝支架通過螺栓固定于金屬帶鋸床的導(dǎo)向裝置上。在進(jìn)行鋸切檢測時，系統(tǒng)調(diào)節(jié)傳感器安裝支架的伸展姿態(tài)，使得電渦流傳感器的探頭垂直正對于金屬帶鋸條的鋸帶部分。當(dāng)帶鋸工作時，帶鋸條會產(chǎn)生基于平衡位置的橫向顫振偏移，其偏移值的大小經(jīng)由電渦流傳感轉(zhuǎn)換為電流信號變化量，提供系統(tǒng)進(jìn)一步分析處理。

圖1 帶鋸鋸切負(fù)載檢測系統(tǒng)示意圖

3 電氣系統(tǒng)設(shè)計

3.1 電氣系統(tǒng)原理介紹

電氣系統(tǒng)原理如圖2所示，主要包括模擬量輸入模塊、信號放大模塊、A/D轉(zhuǎn)換模塊、高速計數(shù)器模塊及FIFO模塊。電渦流傳感器檢測帶鋸條顫振偏移后，輸出模擬(電流)信號至前置放大器的信號輸入端口，前置放大器的信號輸出端口與轉(zhuǎn)換板模塊的模擬量輸入端口相連，具體連接方式為單端連接。輸入轉(zhuǎn)換板模塊的模擬信號通過外接電纜直接傳輸至采集卡，進(jìn)行模擬信號的高速A/D轉(zhuǎn)換，轉(zhuǎn)換后的數(shù)據(jù)通過PCI接口傳輸至工控機(jī)內(nèi)。

圖2 電氣系統(tǒng)原理圖

3.2 硬件選型與設(shè)計

本研究選取電氣元件如下:

(1)數(shù)據(jù)采集卡設(shè)計與選型數(shù)據(jù)采集卡采用研華PCI-1716L，并選擇PCLD-8710接線端子模塊。

(2)監(jiān)控計算機(jī)設(shè)計與選型工控機(jī)采用研華IPC-610MB-L。

(3)傳感器設(shè)計與選型傳感器采用TR81系列電渦流傳感器。

3.3 電控軟件系統(tǒng)設(shè)計

3.3.1 原理介紹

帶鋸鋸切負(fù)載檢測軟件的具體工作原理如圖3所示，經(jīng)信號采集模塊A/D轉(zhuǎn)換后，輸出數(shù)字信號值x(t)至信號處理模塊，為了便于分析計算，將轉(zhuǎn)換采樣后信號的時間序列截取有限長的一段進(jìn)行計算，其余部分視為零不予分析，即采用窗函數(shù)w(t)去乘采樣信號(時間序列)，x(t)·w(t)，其頻譜函數(shù)為［X(f)·W(f)］。然后采用快速傅里葉變換算法(FFT)，將離散的時間序列x(t)·w(t)變換成離散頻率序列，輸出結(jié)果X(f)p=［X(f)·W(f)］·D(f)［5］。隨后應(yīng)用相關(guān)性分析提取帶鋸振動特征值，即應(yīng)用自相關(guān)函數(shù)區(qū)別周期函數(shù)，衰減寬帶隨機(jī)噪聲，并可確定周期因素的頻率，由此測得帶鋸?fù)稽c(diǎn)的固定頻率隨時間及工況變化而發(fā)生的相應(yīng)關(guān)系。

圖3 鋸切負(fù)載識別原理圖

本研究提取的帶鋸振動特征值輸入到專家系統(tǒng)中，經(jīng)過專家系統(tǒng)進(jìn)行智能識別，能夠?qū)︿徢泄r進(jìn)行在線智能決策。專家系統(tǒng)由數(shù)據(jù)庫、知識庫、粗糙集推理機(jī)、人機(jī)接口及預(yù)測模型組成。知識庫是專家系統(tǒng)中的專家知識、經(jīng)驗與書本知識、常識的存儲器［6］，可以通過軟件的專家系統(tǒng)知識庫模塊，將帶鋸的運(yùn)行顫振曲線簇及相關(guān)頻譜分析信息作為專家知識導(dǎo)入知識庫;數(shù)據(jù)庫是專家系統(tǒng)中用于存放反映系統(tǒng)當(dāng)前狀態(tài)的事實數(shù)據(jù)的場所，經(jīng)數(shù)字信號處理提取的特征值作為系統(tǒng)的輸入信息，暫存于數(shù)據(jù)庫中;預(yù)測模型能夠根據(jù)當(dāng)前數(shù)據(jù)庫的數(shù)據(jù)，利用知識庫中的知識，按一定的推理策略進(jìn)行對比分析，提出問題的分類。此時系統(tǒng)提出的問題分類是比較繁雜的，有一些只是存在于理論情況中。因此，基于實際系統(tǒng)，需要經(jīng)過粗糙集(RSDA)對問題分類進(jìn)行約簡。

粗糙集推理機(jī)工作原理圖如圖4所示，粗糙集(RSDA)是一種分析數(shù)據(jù)之間相關(guān)性和依賴性的一種符號方法，利用RSDA從數(shù)據(jù)中提取規(guī)則、尋找關(guān)鍵屬性和屬性值，進(jìn)行預(yù)測和決策［7-10］。由于規(guī)則的產(chǎn)生完全從數(shù)據(jù)驅(qū)動，基于粗糙集推理機(jī)的專家系統(tǒng)具有自學(xué)習(xí)、自診斷的功能。

粗糙集推理機(jī)主要實現(xiàn)過程如下:

(1)數(shù)據(jù)的離散化處理。即對連續(xù)的輸入變量進(jìn)行適當(dāng)?shù)膮^(qū)間劃分。

(2)基于粗糙集的數(shù)據(jù)分析。采用二值化數(shù)據(jù)方法［11］對數(shù)據(jù)進(jìn)行過濾，并得到簡化的規(guī)則和重要的屬性值。

(3)模糊變量辨識和優(yōu)化劃分。

(4)綜合決策。對經(jīng)過一系列處理的輸入變量進(jìn)行綜合決策，輸出綜合決策結(jié)果。

圖4 粗糙集推理機(jī)工作原理圖

經(jīng)過專家系統(tǒng)的診斷和決策，最終通過軟件的鋸切監(jiān)控模塊，輸出帶鋸鋸切的參數(shù)及當(dāng)前的鋸切工況，并通過鋸切負(fù)載曲線模塊，將當(dāng)前的鋸切負(fù)載值以曲線的形式實時顯示出來。

3.3.2 具體軟件設(shè)計

帶鋸鋸切負(fù)載檢測系統(tǒng)的軟件采用Borland C++Builder 6.0編寫，主要完成對帶鋸鋸切負(fù)載系統(tǒng)進(jìn)行信號處理及智能識別工作，其主要界面如圖5所示，主要包括以下幾個模塊:

(1)專家系統(tǒng)知識庫。能夠?qū)雽?dǎo)出帶鋸鋸切的運(yùn)行顫振曲線簇及相關(guān)頻譜分析信息。

(2)歷史數(shù)據(jù)模塊。能夠保存和讀取帶鋸鋸切的歷史數(shù)據(jù)。

(3)鋸切監(jiān)控模塊。監(jiān)控鋸切過程的參數(shù)變化，顯示當(dāng)前的鋸切工況。

(4)鋸切負(fù)載曲線模塊。實時顯示鋸切負(fù)載曲線變化。

(5)系統(tǒng)報警模塊。當(dāng)系統(tǒng)檢測識別出鋸切異常時，系統(tǒng)將會報警。

4 系統(tǒng)實驗

圖5 系統(tǒng)軟件界面

為了增強(qiáng)實驗的可靠性，驗證帶鋸床鋸切負(fù)載檢測系統(tǒng)的識別準(zhǔn)確率及響應(yīng)速度，本研究隨機(jī)選取3個工況條件進(jìn)行分析，具體取值如下:

(1)工況一，進(jìn)給速度40 mm/s，鋸切速度100 mm/s;

(2)工況二，進(jìn)給速度50 mm/s，鋸切速度120 mm/s;

(3)工況三，進(jìn)給速度60 mm/s，鋸切速度140 mm/s。

經(jīng)過近10次實際測試，本研究得到了在3種不同工況下系統(tǒng)的響應(yīng)速度及檢測準(zhǔn)確率。系統(tǒng)響應(yīng)速度曲線如圖6所示，系統(tǒng)在3種不同工況下的響應(yīng)速度均小于0.07 s，系統(tǒng)識別準(zhǔn)確率如圖7所示，系統(tǒng)在3種不同工況下檢測的準(zhǔn)確率分別為96%、97%、95%，實驗結(jié)果表明，帶鋸床鋸切負(fù)載檢測系統(tǒng)在不同工況下均具有較好的響應(yīng)速度及識別準(zhǔn)確率，可以較好地滿足帶鋸床鋸切負(fù)載在線識別監(jiān)控的需要。

圖6 系統(tǒng)響應(yīng)曲線

5 結(jié)束語

針對金屬帶鋸床鋸切的高精度、高效率等要求，基于機(jī)械、電氣及軟件系統(tǒng)設(shè)計，本研究研制了帶鋸床鋸切負(fù)載檢測系統(tǒng)，該系統(tǒng)主要由電渦流傳感器模塊、信號采集模塊、信號處理模塊、智能決策模塊組成。

圖7 系統(tǒng)識別準(zhǔn)確率

實際研究結(jié)果表明，該鋸切負(fù)載檢測系統(tǒng)在不同的工況下均具有識別準(zhǔn)確率高、響應(yīng)速度快等特點(diǎn)，其檢測精度可以達(dá)到負(fù)載檢測量程的1‰，可以較好地滿足帶鋸床鋸切負(fù)載在線識別監(jiān)控的需要，改善帶鋸床鋸切的精度，提高鋸切的效率。

［1］曾云.臥式金屬帶鋸床進(jìn)給系統(tǒng)設(shè)計與研究［D］.長沙:中南大學(xué)機(jī)電工程學(xué)院，2006.

［2］WOJNAROWSKJ J，LWONA A W.Application of the rigid finite element method to modeling of free vibrations of a band saw frame［J］.Mechanism and Machine Theory，2005，40(2):241-242.

［3］郭隱彪，黃浩，郭江.一種精密數(shù)控機(jī)床在線檢測系統(tǒng):中國，101135899［P］.2008-03-05.

［4］吳國新，谷玉海，王少紅，等.一種注水機(jī)組振動狀態(tài)的點(diǎn)檢方法及檢測裝置:中國，201010102851.9［P］.2010-07-07.

［5］趙文禮.測試技術(shù)基礎(chǔ)［M］.北京:高等教育出版社，2009.

［6］鐘秉林，黃仁.機(jī)械故障診斷學(xué)［M］.北京:機(jī)械工業(yè)出版社，1997.

［7］黎明.基于模糊集和粗糙集理論的非線性系統(tǒng)建模與控制方法研究［D］.沈陽:東北大學(xué)信息科學(xué)與工程學(xué)院，2003.

［8］侯超偉，馬波，申大鵬，等.基于粗糙理論的往復(fù)壓縮機(jī)規(guī)則提取方法研究［J］.機(jī)電工程技術(shù)，2013，42(10):71-76.

［9］黎明，張化光，何希勒.基于粗糙集的模糊模型辨識方法［J］.東北大學(xué)學(xué)報:自然科學(xué)報，2000，21(5):480-483.

［10］王玨.關(guān)于Rough Set理論與應(yīng)用的綜述［J］.模式識別與人工智能，1996，9(4):337-344.

［11］DUNTSCH I，GEDIGA G.Simple data filtering in rough set systems［J］.International Journal of Approximate Reasoning，1998，18(1):93.