基于声发射和神经网络的数控机床刀具故障诊断.pdf

2 0 1 2年 1 月 第 4 J 0卷 第 1期 机床与液压 MACHI NE TOOL HYDRAULI CS J a n ． 2 01 2 Vo 1 ． 4 0 No ．1 D OI 1 0 ． 3 9 6 9 ／ j ． i s s n ． 1 0 0 13 8 8 1 ． 2 0 1 2 ． 0 1 ． 0 4 5 基于声发射和神经网络的数控机床刀具故障诊断 喻俊馨 ，王计生 ，刘正华 1 ．西华大学机械工程与 自动化学院 ，四川成都 6 1 0 0 3 9；2 ．成都 医学院，四川成都 6 1 0 0 8 3 摘要分析了数控刀具的切削状态，介绍了声发射检测系统和神经网络技术 ，对刀具切削状态信息声发射检测的可行 性和神经网络技术智能诊断方法进行了分析，并通过数控机床刀具故障诊断实例，验证了通过声发射提取刀具切削状态方 法的有效性和通过神经网络智能诊断技术检测刀具切削状态方法的正确性。 关键词刀具 ；声发射；神经网络；故障诊断 中图分类号T H1 8 3 文献标识码A 文章编号1 0 0 1 3 8 8 1 2 0 1 2 1 1 6 5 4 Fa u l t Di a g no s i s t o Cut t i n g To o l s o f Nume r i c a l Co nt r o l M a c h i ne Ba s e d o n Ac o u s t i c Emi s s i o n a n d Ne u r a l Ne t wo r k YU J u n x i n ，WANG J i s h e n g 。L I U Z h e n g h u a 1 ． S c h o o l o f Me c h a n i c a l E n g i n e e r i n g a n d A u t o ma t i o n ，X i h u a U n i v e r s i t y ，C h e n g d u S i c h u a n 6 1 0 0 3 9 ，C h i n a ； 2 ． C h e n g d u Me d i c a l C o l l e g e ，C h e n g d u S i c h u a n 6 1 0 0 8 3 ，C h i n a Ab s t r a c t T h e c u t t i n g s t a t e o f N C m a c h i n e c u t t i n g t o o l s w a s a n a l y z e d ．T h e a c o u s t i c e mi s s i o n A E i n s p e c t i n g s y s t e m a n d n e u r a l n e t w o r k N Nt e c h n o l o g y w e r e i n t r o d u c e d ．Th e f e a s i b i l i t y o f c u t t i n g s t a t e i n f o r ma t i o n b y A E i n s p e c t i n g a n d N N i n t e l l i g e n c e d i a g n o s i s t e c h n o l o gy w e r e d i s c u s s e d ． An e x a mp l e o f NC ma c h i n e c u t t i n g t o o l s f a u l t d i a g n o s i s wa s g i v e n ． Th e r e s u l t s i n d i c a t e t h a t p i c k i n g u p t o o l s c u t t i n g s t a t e i nfo rm a t i o n b y AE i s e f f e c t i v e ， a n d t h e me t h o d o f i n s p e c t i n g t o o l s ’c u t t i n g s t a t e v i a NN i n t e l l i g e n c e d i a g n o s i s i s v a l i d ． Ke y wo r d s T o o l ；Ac o u s t i c e mi s s i o n； Ne u r a l n e t wo r k ； F a u l t d i a g n o s i s 对机械制造加工过程进行在线检测与控制 ，并将 现代先进的检测技术、数据处理技术和智能诊断技术 应用于制造加工业 ，更好地为它们服务 ，是实现制造 业信息化 、自动化 、协同化的发展趋势。刀具磨损是 金属切削过程中的重要现象之一，随着制造业的迅速 发展 ，对制造业的各方面提出了更高的要求 ，制造业 的自动化以及制造系统运行的稳定性和可靠性 ，毫不 例外地要求对机械加工刀具切削状态进行在线监测。 用光学、机械振动、切削力、切削噪声等方法进行监 测都收到了不同程度的效果。利用声发射传感器采集 刀具切削状态的数据，再利用神经网络对它们进行特 征识别 ，是对数控刀具故障进行在线监测的一种新方 法 。 1 数控机床刀具切削状态分析 从 2 0世纪中叶数控技术出现以来 ，数控机床给 机械制造业带来 了革命性的变化，高速化、高精度 化 、复合 化 、智 能 化 、开 放 化 、并联 驱 动 化 、网 络 化、极端化 、绿色化已成为数控机床发展的趋势和方 向。数控加工具有如下特点加工柔性好，加工精度 高 ，生产率高，减轻操作者劳动强度 、改善劳动条 件 ，有利于生产管理的现代化以及经济效益的提高。 加工作 为机 械制造加工过程 的一个重要环节 ，要保证 制造业 的 自动 化 以及制 造 系统运 行 的稳定 性 和可 靠 性 ，就要求对数控机床的重要部件刀具的切削状 态进行有效的监测与诊断 。 刀具切屑 的形成过程 ，是通过刀具 与工件 的相对 运动，使被切削层金属产生塑性变形而变成切屑，工 件达到所要求的形状和尺寸的过程。刀具切削时，呈 现出离散性与断续性 、缓变性与突变性、随机性与趋 向性 、模糊性等的动态特性。结合刀具切屑形成过程 的特点 ，可把 刀具常见的切 削状态分 为以下3 种 1 刀具正常切削。这是刀具切削初期正常加 工零件所必须的切削状态 ，是按照要求完成零件加工 的保证 。 2 刀具磨损。这 是刀具长时间切削过程后 ， 表现 出的 比较 常见 的刀具切 削状态 。在此状态下切削 加工零件会影响零件的加工质量 ，此时须及时更换刀 具 收稿 日期 2 0 1 01 2 0 8 基金项目四川省教育厅青年基金资助项目 0 9 Z B 0 8 4 作者简介喻俊馨 1 9 7 5 一 ，女，副教授 ，主要从事 C A D ／ C A M方面的教学和研究。 Em a i l W y j x y a h o o ． c o m ． c n 。通信 作者王计生，E m a i l s c x w b 0 0 1 1 6 3 ． c o m。 1 6 6 机床与液压 第4 0卷 3 刀具破损。这是刀具遇到故障断裂、破损 后所表现出来的切削状态。它是一种突发性事件 ，不 仅会影 响零件 的加工质量 ，还可能导致整个加 工系统 发生故障。 2 声发射监测刀具切削状态的可行性分析 声发 射 A c o u s t i c E m i s s i o n ，A E ，是 指 在 外 因 机械载荷、温度变化等作用下 ，固体结构中释放 内部储存 能量所 引起 的弹性波 。金属材料由于内部 晶 格的错 位 、品界滑移 ，或者 内部裂纹 的发生 和发展 ， 均要产生声发射现象 。 金属切削过程 中 ，刀具 的磨损将影响到切削形成 过程 以及刀具与工件表面的摩擦等 ，因此刀具切削过 程将产生声发射现象。声发射主要是由主剪切区的错 位和第二剪切区的滑动摩擦产生的。单个声发射的持 续时间短，频带宽。其高频成分穿过物体时迅速衰 减，而低频成分很容易和机械噪声相混不易分辨，因 此，声发射检测都选择在某一频段内进行 目前国际 上认为较有意义的频率范 围是 1 0 0 k H z ～ 1 MH z ⋯。 随着刀具磨损，刀具切削面与工作面的摩擦增 大，引起声发射信号的变化。研究表明剪切错位与 摩擦产生声发射的机理是不同的，其声发射信号的特 征也不一样。同时由于声发射的频率范围远远高于机 械振动 与机械加工 系统有关 的频率变化 主要在 1 0 0 0 H z 以下和环境噪声的频率范围，对采集的数 据利用高通滤波器滤波后很容易得到无干扰的有用信 号，并且接收声发射信号的压电晶体传感器也很容易 安装在刀具上 ，而不影响加 工过程 ，因此不仅可 以用 声发射检测技术获取刀具的切削状态信息 ，而且通过 传感器检测刀具切削过程声发射信号的特征来监测刀 具的切削状态是 可行 的。 声发射源发出的声信号以弹性波的形式向四周传 播 ，到达表面即转变为表面波，经过耦合到达传感器 的可以是表面波、横波和纵波及其混合形式 ，由传感 器把它们变为电信号，由声发射仪器接受并处理，最 后 显示数 据和图形 。 刀具的声发射信号检测系统可由图1 表示。可以 看出声发射传感器安装在刀杆的尾部，声发射信号 经前置放大、滤波、A ／ D转换，送计算机进行处理 ， 也可先记 录在磁带上 ，离线进行分析 。 一甲 图 1 刀具切削声发射检测试验系统 3 神经网络技术智能诊断分析 神经网络理论是在现代神经科学研究成果的基础 上提 出来 的 ，是一种抽象 的数学模型 ，是人工智能 的 一 个 分支 ，在 2 0年 内得 到 了迅速 的发展 ，目前 已经 形成 了数十种 网络 ，主要有 多层感 知器 ，K o h o m e n 自组织特征 映射 ，H o p f i e l d自适 应共 振理论 ，A R T网 络 ，R B F网络，小波神经网络及概率神经网络等等。 与传统的人工智能专家系统相比，神经网络具有如下 独特 的优点 1 人工神经 网络可 以实 时运行 ； 2 人工神经网络能直接使用时间序列数据，而专家系统 需要将数值数据转化成符号信号。 在智能诊断中常用的是 B P神经网络，其结构如 图 2 ，网络 除输入输 出节点外 ，还有 一层或 多层隐层 节点，同层节点间没有任何耦合关系。输入信号从输 入层节点依次传过各隐层节点，然后传到输 出节点， 每一层节点的输出只影响下一层节点的输出。其节点 单元特性 传递函数 通常为 S i g m o i d型 ． 厂 1 ／ 1 e x p 一B x B 0 ，但在 隐层单 元 中 ，节点 的单元 特性 有时为线性 。 蘧⋯ ． 麓兰 图2 B P网络结构图 而神经网络是实现函数逼近的有效方法，实际上 3层 网络就可以逼近任 意的函数 ，这种逼 近过程可用 图 3 所示的小波神经网络结构来说明。图中隐层单元 为尺度函数 ，输入到隐层单元的权值为 2 。可 见随着隐层单元的增加 ，网络的输出将逼近任意的函 数 。 图 3 一维紧致型小波神经网络结构图 由于神经网络技术具有的这种 自学习能力、分布 式并行处理数据能力以及非线性映射能力 ，从而使神 经网络理论在设备的智能诊断中得到广泛的应用和高 度 的重视 。 故障诊断的过程是把症状空间的向量映射到故障 空间，即实现空间 到空间 y的映射 F F X Y 通常，映射关系 F是未知的。但神经网络可以通 1 6 8 机床与液压 第 4 O卷 利用上面 的试验系统实现方法对采集 到的两种状 态下 的各 1 0组数 据进行 小波包 分析 ，接着 利用提 取 到的特征量进行神经网络训练，再对训练好的神经网 络用采集的剩余的各 1 0组数据进行仿真验证 ，部分 试验结果如表 1 。 表 1 数控机床刀具状态试验数据 比较表 1中样本实 际结果和试验仿真结果可以看 出多数系统仿真预报值和样本的实际值是一致的， 实验效果较好。当然也有个别错报的现象 ，如表中的 数据 7系统仿真预报值与实际结果值就不一致。该仿 真结果表明网络对刀具状态监测的故障预报正确率 为 9 3 ． 3 ％ 。 5结论 1 刀具的切削状态不 同，声发射产生的机理 也不相同，会引起刀具声发射信号的变化。文中研究 表 明 用声发射技术可 以有效地检测 、采集 到刀具 的 各种切削状态信息； 2 用声发射传感器采集刀具切削状态信息进 行分析处理 ，用神经网络技术实现对刀具切削状态特 征的识别 ，为数控加工智能在线监测提供了一种新方 法 ； 3 仅选取 了个别型号刀具进行试验，研究样 本 和结果 可能存在一定 的局限性 。要将 此方 法实 际应 用于现场数控加 工监测 中 ，还需要更多的实验 ，并 针 对监测方法的可靠性等进行系统分析。 参考文献 【 1 】 冉启文， 谭立英． 小波分析与分数傅立叶变换及应用 [ M] ． 北京 国防工业出版社， 2 0 0 2 ． 【 2 】 黄惟公． 线性判别函数对刀具监视中声发射信号的分析 [ J ] ． 四川工业学院学报， 1 9 9 5 2 l 6 2 1 ． 【 3 】 虞和济 ， 陈长征， 张省． 基于神经网络的智能诊断[ M] ． 北京 冶金工业出版社， 2 0 0 0 ． 【 4 】 赵学智 ， 陈文弋， 林颖． 基于自 适应小波神经网络的故障 分类[ J ] ． 振动、 测试与诊断 ， 2 0 0 1 1 2 1 2 5 ． 【 5 】陈超， 徐建林， 黄建龙． 基于人工神经网络的刀具状态监 测系统[ J ] ． 机械工程学报， 2 0 0 2 8 1 3 51 3 6 ． 【 6 】陈树越， 余红英． B P网络算法及其在故障诊断中的应用 评述[ J ] ． 振动、 测试与诊断， 2 0 0 1 2 1 0 01 0 7 ． 【 7 】 王计生， 黄惟公 ， 喻俊馨， 等． 基于小波神经网络的刀具 切削状态特征识别[ J ] ． 四川工业学院学报， 2 0 0 4 4 3 235． 上接第 1 5 6页 【 1 6 】 P A T E L A J ， E H M A N N K F ． C a l i b r a t i o n o f a H e x a p o d M a - c h i n e T o o l U s i n g a R e d u n d a n t L e g [ J ] ． I n t J Ma c h T o o l s Ma n u f ， 2 0 0 0， 4 0 4 8 951 2 ． 【 l 7 】D A N E Y D ． S e lf C a l i b r a t i o n o f G o u g h P l a t f o r m U s i n g L e g Mo b i l i t y C o n s t r a i n t s [ C ] ／ ／ I O I n t e r n a t i o n a l F e d e r a t i o n f o r t h e T h e o r y of Ma c h i n e s a n d Me c h a n i s m s I F T o MM ， O u l u， F i n l a n d ， 1 9 9 9 ． 6 1 0 41 0 9 ． 【 1 8 】K H A L I L W， B E S N A R D S ． S e l f - c a l i b r a t i o n o f S t e w a r t G o u g h p a r a l l e l r o b o t s w i t h o u t e x t r a s e n s o r s[ J ] ． I E E E T r a n s Ro b o t Au t o m， 1 9 9 9， 1 5 6 1 1 1 61 1 2 1 ． 【 1 9 】 R A U F A， R Y U J ． F u l l y A u t o n o m o u s C a l i b r a t i o n o f P a r a l l e l M a n i p u l a t o r s b y I m p o s i n g P o s i t i o n C o n s t r a i n t [ C] ／ ／ P r o c I EE E I n t C o n f Ro b o t Au t o m ， 2 0 01 2 3 8 92 3 9 4 ． 【 2 0 】N A K A G A WA M a s a o ， K A K I N O Y o s h i k i ， MA T S U S H I T A T e t s u y a ． T h e I mp r o v e me n t o f Mo t i o n Ac c u r a c y o f He x p o d T y p e Ma c h i n e T o o l s a n d I t s Ma c h i n i n g P e rf o r ma n c e [ C] ／ ／ 2 0 0 2 J a p a n u s a S y m p o s i u m o n F l e x i b l e A u t o ma t i o n， Hi r o s h i ma ， J a p a n， 2 0 0 2 ． 7 ． 上接 第 1 6 4页 【 8 】华成， 张庆， 徐光华 ， 等． 具有小世界特性的复杂液压系 统故障源搜索方法[ J ] ． 西安交通大学学报 ， 2 0 1 0 7 7 9 8 4． 【 9 】林福泉． 工程机械液压系统半物理仿真平台研究[ D ] ． 厦门 集美大学 ， 2 0 1 0 ． 【 l 0 】 李叶妮． 液压系统动态性能测试系统的设计与开发 [ D ] ． 厦门 集美大学 ， 2 0 0 8 ． 【 1 1 】I n t e l l e c t a n d R e l e x S o f t w a r e C o r p o r a t i o n ． R e l i a b i l i t y A P r a c t i t i o n e r ’ S G u i d e [ M] ． 2 0 0 5 2 0 0 2 5 4 ． 【 l 2 】 刘少辉， 林少芬， 江小霞． 基于模糊故障树分析法的舵 机液压系统可靠性分析[ J ] ． 船舶工程， 2 0 0 8 5 2 7 29． 【 1 3 】 严龙． 大型浮吊控制系统可靠性分析与仿真[ J ] ． 舰船 电子工程 ， 2 0 0 9 7 1 6 41 6 7 ． 【 1 4 】 杨为民， 盛一兴． 系统可靠性数字仿真[ M] ． 北京 北京 航空航天大学出版社， 1 9 9 0 1 4 31 6 0 ．