CNC铣刀磨损状态的大数据分析与预测方法研究
发布时间:2021-03-27 04:12
为在铣切加工过程中预测铣刀的磨损状态以及时发现并更换将要磨钝的铣刀,以保障产品质量,运用传感器采集CNC铣床在加工过程中铣床及铣刀的振动信号数据,应用大数据方法研究CNC铣刀磨损状态的分析和预测方法。为保证铣刀磨损状态的识别精度、识别稳定性和分析模型的鲁棒性,采用小波包分解理论对铣床x、y、z三向振动信号数据进行降噪处理,提取时域特征和能量特征,筛选出与磨损状态相关性较大的34个特征。应用XGBoost算法建立铣刀磨损状态的数据分析模型,使用宏平均值评估模型性能,结合SMOTE技术对特征向量进行过采样,使各磨损状态类别样本均衡。借助公开的球头铣刀加工数据集对所提方法进行验证,实验结果表明:利用XGBoost算法能正确分析铣刀磨损状态的数据,能识别出铣刀磨损预警阶段。XGBoost算法的预测精度高、稳定性好、泛化能力强,易应用于工业大数据领域。
【文章来源】:机床与液压. 2020,48(21)北大核心
【文章页数】:6 页
【部分图文】:
铣刀磨损状态监测实验系统
对于离线监测获得的铣削振动信号原始数据,其处理与分析流程如图2所示。首先将铣刀划分为4个磨损阶段,采用小波包分析理论对机床x、y、z三向振动信号降噪,提取时域、能量特征,引入混合特征选择方法筛选出与磨损状态相关性较大的34个特征作为特征向量;然后,基于合成少类过采样技术(SMOTE)对训练集特征向量进行过采样处理,使各磨损状态类别的样本均衡;建立基于XGBoost算法的铣刀磨损状态预测模型,用处理后的数据进行模型训练;将训练完成的XGBoost模型部署到铣刀磨损在线监测实验系统中。系统实时对振动信号降噪、提取时域和能量特征,XGBoost模型依据特征向量对铣刀的磨损状态进行预测,当XGBoost识别出新样本刀具处于预警阶段时,可以提前报警,提醒更换刀具或者研磨刀具,有效防止剧烈磨损阶段影响加工产品精度。1.3 铣刀磨损状态的预警阶段
传统的铣刀磨损状态一般可以分为初期磨损、正常磨损和急剧磨损3个阶段。本文作者将铣刀磨损分为4个阶段,如图3所示,分别为初期磨损阶段A、正常磨损阶段B、预警阶段C、急剧磨损阶段D,增加了一个预警阶段。球头铣刀有3个切削刃:主切削刃、副切削刃、横刃,取3个切削刃磨损量平均值作为铣刀磨损量。当铣刀处于初期磨损阶段时,新刀具切削刃较为锋利,它与加工表面接触的面积很小,应力较大,这一阶段铣刀磨损较快,持续的时间较短;随后,铣刀的刀锋被磨平,使承压的面积增大,应力降低,磨损增加的趋势缓和,铣刀进入正常磨损阶段,这是铣刀工作的有效阶段;当铣刀的磨损量到达一定程度时,铣刀变钝,铣削加工的振动开始增强、切削温度上升,这是铣刀进入急剧磨损前的预警阶段;进入急剧磨损阶段后,磨损速率急剧升高,导致工件表面粗糙度增大,可能造成铣刀和产品报废[6]。因此,及时识别铣刀的预警阶段,是非常重要的。
【参考文献】:
期刊论文
[1]XGBoost算法在风机主轴承故障预测中的应用[J]. 王桂兰,赵洪山,米增强. 电力自动化设备. 2019(01)
[2]不平衡数据分类方法综述[J]. 李艳霞,柴毅,胡友强,尹宏鹏. 控制与决策. 2019(04)
[3]Xgboost在滚动轴承故障诊断中的应用[J]. 张钰,陈珺,王晓峰,刘飞. 噪声与振动控制. 2017(04)
[4]小波和能量特征提取的旋转机械故障诊断方法[J]. 石明江,罗仁泽,付元华. 电子测量与仪器学报. 2015(08)
[5]数控机床刀具磨损状态特征参数提取[J]. 高鹏磊,库祥臣. 组合机床与自动化加工技术. 2013(06)
[6]特征选择方法综述[J]. 姚旭,王晓丹,张玉玺,权文. 控制与决策. 2012(02)
[7]数控机床刀具磨损监测方法研究[J]. 马旭,陈捷. 机械. 2009(06)
[8]小波基函数在故障诊断中的最佳选择[J]. 陈泽鑫. 机械科学与技术. 2005(02)
本文编号:3102861
【文章来源】:机床与液压. 2020,48(21)北大核心
【文章页数】:6 页
【部分图文】:
铣刀磨损状态监测实验系统
对于离线监测获得的铣削振动信号原始数据,其处理与分析流程如图2所示。首先将铣刀划分为4个磨损阶段,采用小波包分析理论对机床x、y、z三向振动信号降噪,提取时域、能量特征,引入混合特征选择方法筛选出与磨损状态相关性较大的34个特征作为特征向量;然后,基于合成少类过采样技术(SMOTE)对训练集特征向量进行过采样处理,使各磨损状态类别的样本均衡;建立基于XGBoost算法的铣刀磨损状态预测模型,用处理后的数据进行模型训练;将训练完成的XGBoost模型部署到铣刀磨损在线监测实验系统中。系统实时对振动信号降噪、提取时域和能量特征,XGBoost模型依据特征向量对铣刀的磨损状态进行预测,当XGBoost识别出新样本刀具处于预警阶段时,可以提前报警,提醒更换刀具或者研磨刀具,有效防止剧烈磨损阶段影响加工产品精度。1.3 铣刀磨损状态的预警阶段
传统的铣刀磨损状态一般可以分为初期磨损、正常磨损和急剧磨损3个阶段。本文作者将铣刀磨损分为4个阶段,如图3所示,分别为初期磨损阶段A、正常磨损阶段B、预警阶段C、急剧磨损阶段D,增加了一个预警阶段。球头铣刀有3个切削刃:主切削刃、副切削刃、横刃,取3个切削刃磨损量平均值作为铣刀磨损量。当铣刀处于初期磨损阶段时,新刀具切削刃较为锋利,它与加工表面接触的面积很小,应力较大,这一阶段铣刀磨损较快,持续的时间较短;随后,铣刀的刀锋被磨平,使承压的面积增大,应力降低,磨损增加的趋势缓和,铣刀进入正常磨损阶段,这是铣刀工作的有效阶段;当铣刀的磨损量到达一定程度时,铣刀变钝,铣削加工的振动开始增强、切削温度上升,这是铣刀进入急剧磨损前的预警阶段;进入急剧磨损阶段后,磨损速率急剧升高,导致工件表面粗糙度增大,可能造成铣刀和产品报废[6]。因此,及时识别铣刀的预警阶段,是非常重要的。
【参考文献】:
期刊论文
[1]XGBoost算法在风机主轴承故障预测中的应用[J]. 王桂兰,赵洪山,米增强. 电力自动化设备. 2019(01)
[2]不平衡数据分类方法综述[J]. 李艳霞,柴毅,胡友强,尹宏鹏. 控制与决策. 2019(04)
[3]Xgboost在滚动轴承故障诊断中的应用[J]. 张钰,陈珺,王晓峰,刘飞. 噪声与振动控制. 2017(04)
[4]小波和能量特征提取的旋转机械故障诊断方法[J]. 石明江,罗仁泽,付元华. 电子测量与仪器学报. 2015(08)
[5]数控机床刀具磨损状态特征参数提取[J]. 高鹏磊,库祥臣. 组合机床与自动化加工技术. 2013(06)
[6]特征选择方法综述[J]. 姚旭,王晓丹,张玉玺,权文. 控制与决策. 2012(02)
[7]数控机床刀具磨损监测方法研究[J]. 马旭,陈捷. 机械. 2009(06)
[8]小波基函数在故障诊断中的最佳选择[J]. 陈泽鑫. 机械科学与技术. 2005(02)
本文编号:3102861
本文链接:https://www.wllwen.com/kejilunwen/jinshugongy/3102861.html
教材专著