基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的機(jī)床刀具故障診斷

摘 要： 針對(duì)機(jī)床刀具的故障診斷系統(tǒng)進(jìn)行研究，使用智能人工神經(jīng)網(wǎng)絡(luò)算法建立診斷模型。為了提高神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練效率，避免網(wǎng)絡(luò)陷入局部最優(yōu)解，使用一種改進(jìn)的量子神經(jīng)網(wǎng)絡(luò)，將附加動(dòng)量與自適應(yīng)學(xué)習(xí)速度方法融合，提高網(wǎng)絡(luò)收斂效率。使用五軸聯(lián)動(dòng)銑床進(jìn)行刀具故障診斷識(shí)別。對(duì)聲發(fā)射信號(hào)進(jìn)行特征提取，使用總振鈴技術(shù)、總能量、有效電壓、事件計(jì)數(shù)、重心頻率、均方根頻率以及頻率標(biāo)準(zhǔn)方差作為網(wǎng)絡(luò)的輸入向量，判別刀具為新刀、輕微磨損或嚴(yán)重磨損。實(shí)驗(yàn)結(jié)果表明，使用的改進(jìn)的量子神經(jīng)網(wǎng)絡(luò)的效率以及識(shí)別準(zhǔn)確度均高于常規(guī)BP神經(jīng)網(wǎng)絡(luò)。

關(guān)鍵詞： 機(jī)床刀具故障診斷； 量子神經(jīng)網(wǎng)絡(luò)； BP神經(jīng)網(wǎng)絡(luò)； 聲發(fā)射信號(hào)

中圖分類號(hào)： TN711?34； TH183 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2016）17?0167?04

0 引 言

金屬切削的生產(chǎn)環(huán)節(jié)出差錯(cuò)往往都是因?yàn)榍懈钇餍档膯栴}。如果無法科學(xué)、合理、適當(dāng)?shù)剡M(jìn)行機(jī)械事故排查，那么有可能造成加工階段的不連續(xù)性，從而增加成本費(fèi)用。除此之外，不確切地高估工具的運(yùn)行期限，從而讓工具效率大打折扣，使得變更工具的進(jìn)程更加困難。所以，參照相關(guān)資料文獻(xiàn)以及監(jiān)控手段可以大大降低機(jī)械的出錯(cuò)率，從而增加機(jī)械的使用期限，最終達(dá)到降低成本，簡(jiǎn)化變更工具的生產(chǎn)過程。觀察平常生產(chǎn)的環(huán)節(jié)，目前能夠達(dá)到科學(xué)、合理、有效管控工具使用情況的手段極其豐富，直接和間接測(cè)量法是其中最主要的兩種手段。因?yàn)榍罢咭怨ぞ叩娜锌诰唧w情況作為管控工具使用的依據(jù)，在此條件的限制下，該手段僅僅可以在工具靜止的狀態(tài)下完成狀況評(píng)估。而后者對(duì)此的要求較低，可以通過相關(guān)的物理量對(duì)動(dòng)態(tài)的工具開展實(shí)時(shí)管控，這種手段也是使用最多的。由于受管控的工具跡象、客觀環(huán)境等問題的干擾，在現(xiàn)實(shí)管控環(huán)節(jié)中，使用最多的有切削力信號(hào)、振動(dòng)信號(hào)、聲發(fā)射、計(jì)算機(jī)視覺以及多傳感器信息融合等監(jiān)測(cè)方法[1?3]。

聲發(fā)射監(jiān)測(cè)法是將來可能被廣泛普及的可供參考的途徑。這種手段是通過其信號(hào)（也可以稱為彈性應(yīng)力波）由于外部沖擊導(dǎo)致形變，從而發(fā)射某種物理能。因其具有大量匯聚信號(hào)、受到妨礙較小、效率高等優(yōu)勢(shì)而受到科學(xué)界的青睞。

對(duì)刀具故障甄辨的手段，主要有人工神經(jīng)網(wǎng)絡(luò)方法、多傳感信息融合方法、模糊判別方法等[4?5]。

量子神經(jīng)網(wǎng)絡(luò)把量子力學(xué)和神經(jīng)網(wǎng)絡(luò)相關(guān)知識(shí)進(jìn)行融會(huì)貫通，相比于經(jīng)典的神經(jīng)網(wǎng)絡(luò)，具有如下優(yōu)點(diǎn)：指數(shù)級(jí)的記憶容量和回憶速度；獲得新技能以及分析數(shù)據(jù)的高效；由于沒有標(biāo)準(zhǔn)間的阻礙，從而能夠抹去災(zāi)變性失憶的痕跡；高準(zhǔn)確度以及可信度[6?7]。

筆者在BP（Back Propagation，BP）神經(jīng)網(wǎng)絡(luò)的研究條件下，用量子演算手段來規(guī)劃網(wǎng)絡(luò)的分析途徑，提高了樣本分析水平和訓(xùn)練水準(zhǔn)。在四層量子神經(jīng)網(wǎng)絡(luò)中，隱層量子神經(jīng)元的激勵(lì)函數(shù)采用多個(gè)傳統(tǒng)激勵(lì)函數(shù)的疊加，使網(wǎng)絡(luò)有了一種固有的模糊性。通過這種方法可以分散總體決策的非穩(wěn)定度和失誤，降低故障評(píng)判的非穩(wěn)定性，增加了評(píng)判的正確性。

4 結(jié) 語(yǔ)

本文針對(duì)機(jī)床刀具的故障診斷系統(tǒng)進(jìn)行研究。使用一種改進(jìn)的量子神經(jīng)網(wǎng)絡(luò)建立診斷模型，將附加動(dòng)量以及自適應(yīng)學(xué)習(xí)速度方法融合，提高網(wǎng)絡(luò)收斂效率。使用五軸聯(lián)動(dòng)銑床進(jìn)行刀具故障診斷識(shí)別。實(shí)驗(yàn)驗(yàn)證了本文研究的刀具診斷方法的可行性和可靠性，常規(guī)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行刀具診斷時(shí)，正確率約為91.6%，本文研究的刀具診斷方法診斷正確率達(dá)到98.2%，證明本文研究的刀具診斷方法效率更高。

參考文獻(xiàn)

[1] 段性軍.以“任務(wù)驅(qū)動(dòng)”的數(shù)控機(jī)床故障診斷及維修課程探索與實(shí)踐[J].中國(guó)科技信息，2012（4）：118.

[2] 喻俊馨，王計(jì)生，劉正華.基于聲發(fā)射和神經(jīng)網(wǎng)絡(luò)的數(shù)控機(jī)床刀具故障診斷[J].機(jī)床與液壓，2012（1）：165?168.

[3] 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)（自然科學(xué)版），2012（1）：16?21.

[4] 邵占帥，黃民.基于雙譜的刀具振動(dòng)信號(hào)特征值提取[J].組合機(jī)床與自動(dòng)化加工技術(shù)，2014（7）：70?72.

[5] 曾祥超，陳捷.數(shù)控機(jī)床刀具故障在線監(jiān)測(cè)系統(tǒng)開發(fā)[J].機(jī)械設(shè)計(jì)與制造，2009（11）：152?154.

[6] 劉海燕.基于模糊支持向量機(jī)的刀具故障診斷研究[D].大連：大連交通大學(xué)，2014.

[7] 祁美玲.智能故障診斷融合技術(shù)在數(shù)控機(jī)床故障診斷中的應(yīng)用[D].大連：大連交通大學(xué)，2010.

[8] 黃韜.基于WEB的數(shù)控遠(yuǎn)程監(jiān)控系統(tǒng)的研究[D].長(zhǎng)沙：湖南大學(xué)，2011.

[9] 官金，李國(guó)富，陳志剛.基于工作電流信號(hào)的車床刀具故障分析[J].寧波大學(xué)學(xué)報(bào)（理工版），2013（1）：113?116.

[10] 龍伯華，譚陽(yáng)紅，許慧，等.基于量子神經(jīng)網(wǎng)絡(luò)的電力電子電路故障診斷[J].電工技術(shù)學(xué)報(bào)，2009（10）：170?175.

[11] 龍伯華.電力電子電路故障診斷方法研究[D].長(zhǎng)沙：湖南大學(xué)，2009.

[12] 王姣，劉海燕.基于支持向量機(jī)和遺傳算法的刀具故障診斷[J].組合機(jī)床與自動(dòng)化加工技術(shù)，2013（1）：74?76.

[13] 楊俊宇，王云霞，沈愛群.基于CORBA技術(shù)的數(shù)控機(jī)床遠(yuǎn)程服務(wù)系統(tǒng)[J].組合機(jī)床與自動(dòng)化加工技術(shù)，2003（10）：62?64.

[14] 張永強(qiáng).立式加工中心ATC裝置常見故障的診斷與分析[J].汽車實(shí)用技術(shù)，2010（6）：28?29.

[15] 王亞輝.基于Web的開放式數(shù)控系統(tǒng)遠(yuǎn)程監(jiān)測(cè)與故障查詢?cè)\斷[D].南京：南京理工大學(xué)，2007.

[16] 趙春霞，白存軍，潘經(jīng)濤.基于LabVIEW數(shù)控機(jī)床刀具磨損的在線監(jiān)測(cè)[J].設(shè)備管理與維修，2015（11）：97?100.

[17] 俞凱耀，席東民.人工魚群算法優(yōu)化的PID神經(jīng)網(wǎng)絡(luò)解耦控制[J].計(jì)算機(jī)仿真，2014，31（10）：350?353.

[18] 王華秋.自組織模糊神經(jīng)網(wǎng)絡(luò)的內(nèi)模控制研究與應(yīng)用[J].計(jì)算機(jī)仿真，2014，31（4）：343?346.