[发明专利]一种铣刀破损在线监测方法

摘要

本发明提供了一种铣刀破损在线监测方法，所述方法采集加工过程中的声发射信号作为监测信号，提取声发射信号的上升时间、计数、幅值等特征值，采用模式识别模型对特征值进行检测，判断刀具是否发生破损。采用本发明所述的监测方法，能够在刀具破损初期检测到刀具破损，及时采取降低进给速度等措施，避免因刀具严重破损导致的零件表面质量不合格的问题。

主权项

1.一种铣刀破损在线监测方法，其特征在于，包括：S1：声发射信号获取采集铣削加工过程的声发射信号样本，声发射信号样本涵盖刀具完好状态对应的声发射信号和刀具出现破损对应的声发射信号；S2：声发射信号特征值提取特征值分为时域特征值和频域特征值两大类，其中：时域特征值包括上升时间RT、计数C、幅值A、均方根值RMS、平均信号电平ASL、峰值计数CP、信号强度SS、绝对能量ABE；频域信号包括平均频率AF、反算频率RF、初始频率IF、中心频率FC、峰值频率PF；S3：选择样本采用短时傅里叶变换的方法，筛选出刀具发生破损时对应的声发射信号特征值，通过对原始信号进行短时傅里叶变换，得到原始信号的时频分布，搜索出在超过200kHz的频率范围内出现的瞬时高能量信号，确定刀具破损发生的时刻，提取该时刻的声发射信号特征值，即得到刀具破损对应的声发射信号特征值；S4：训练并测试支持向量机模型采用支持向量机模型进行刀具破损检测，支持向量机模型的输入向量为声发射信号特征矩阵：其中：n＝67表示用于训练或者识别的样本数量，表示一个样本对应的特征向量，共有13个特征；输出向量为训练或识别的目标矢量，即输入样本对应的标签；S5：模型优化通过调整支持向量机模型的核参数γ和惩罚因子C、运用递归特征消去算法删除不相关特征的方法优化支持向量机模型，使支持向量机模型的破损识别率达到最高；S6：破损在线监测在铣削加工过程中实时采集声发射信号并提取特征值，采用S5得到的支持向量机模型对特征值进行检测，判断是否出现刀具破损。