基于泛在制造的數(shù)控機床加工狀態(tài)監(jiān)測研究.pdf

1、感知和智能為特征的新技術(shù)的出現(xiàn)及相互融合，以泛在網(wǎng)絡(luò)為基礎(chǔ)、泛在感知為核心的泛在信息制造技術(shù)成為制造技術(shù)發(fā)展的新驅(qū)動力，同時也促進了設(shè)備狀態(tài)監(jiān)測的進步?；诜涸诟兄W(wǎng)絡(luò)，能夠快速全面地采集到與機床加工狀態(tài)相關(guān)的信息參數(shù)，利用融合算法，通過泛在網(wǎng)絡(luò)，使相關(guān)管理和操作人員及時了解數(shù)控機床的加工狀態(tài)。
　　本文根據(jù)泛在制造的體系架構(gòu)，建立了數(shù)控機床加工狀態(tài)監(jiān)測系統(tǒng)，在被監(jiān)測對象布置相應(yīng)的傳感器，利用無線網(wǎng)絡(luò)，把采集到的信號傳輸給監(jiān)測中心

2、，監(jiān)測中心對信號進行時域分析，利用綜合系數(shù)法對特征進行選擇，通過神經(jīng)網(wǎng)絡(luò)對機床加工狀態(tài)進行模式識別，機床的狀態(tài)參數(shù)利用泛在網(wǎng)絡(luò)傳輸給PDA或異地服務(wù)器。
　　通過分析機床加工狀態(tài)，對與機床加工密切相關(guān)的刀具的磨損狀態(tài)進行了監(jiān)測試驗。通過提取切削時的振動信號和聲發(fā)射信號，通過時域分析，抽取時域特征中的靜態(tài)均值和能量平均值作為智能狀態(tài)識別和刀具磨損量預(yù)測的依據(jù)。
　　在模式識別方面，利用神經(jīng)網(wǎng)絡(luò)的非線性映射功能，采用三層結(jié)構(gòu)的B

3、P人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)加工狀態(tài)和相關(guān)特征量之間的非線性映射，通過神經(jīng)網(wǎng)絡(luò)的訓練，實現(xiàn)數(shù)控機床加工狀態(tài)的監(jiān)測。另外，利用LabVIEW軟件中的Matlab Script節(jié)點調(diào)用Matlab的神經(jīng)網(wǎng)絡(luò)工具包，減少了程序開發(fā)周期，同時提高了程序的可靠性。通過指狀銑刀的切削試驗，驗證了BP人工神經(jīng)網(wǎng)絡(luò)能夠?qū)崿F(xiàn)刀具狀態(tài)識別和磨損量預(yù)測。
　　本文在試驗設(shè)計、信號分析、特征選擇以及模式識別等方面進行了積極的探索，在實驗室中通過無線網(wǎng)絡(luò)實現(xiàn)了指狀銑