常用的刀具磨损检测方法比较

常用的刀具磨损检测方法比较

国内外学者对刀具磨损的研究采用传感器主要是振动传感器，声发射传感器，力传感器以及功率传感器，而对刀具监测信号的处理可以应用时域分析，频域分析或者小波分析理论，而对刀具进行磨损分类时应用较多的是人工智能技术，神经网络，模糊神经网络，模糊诊断等等。

一、基于小波分析和集成神经网络的刀具磨损监测技术研

究

本文以测力仪，宽带声发生传感器及振动传感器为信号检测元件，利用多传感器融合技术对铣削加工过程中刀具磨损监测的一系列相关问题进行详细的分析。

文中对切削力及振动信号的处理主要采用小波分析。小波分析是处理非平稳信号非常有效的方法，而其中的小波包变换不仅分析低频信号，而且也对高频信号也进行了细分分析。

可以讲包括正弦信号在内的任意信号无冗余，无疏漏，正交的分解到独立的，任意精细的频

带上。正因为如此，采用小波包分解频带能量检测法对切削力和振动信号惊喜频带能量统计，

并得到了与刀具磨损敏感的频段特征。通过相应频段内能量的变化，就可以对刀具磨损状态进行有效的监测。

正文:本文主要对刀具的切削力信号和振动信号分别进行了时域，频域和小波分析，找到了与刀具磨损敏感特征。

1，对切削力，在时域波形上看出其幅值会随着刀具磨损增加而增大，可以提取动态切削力的均方根值作为监测刀具磨损的特征，通过功率谱发现：切削力频谱能量主要在低频段，集中在几个倍数于基频的频段；而在经过小波包分析，提取的低频段能量与刀具磨损非常敏感，可以取而代之为监测特征。

2，对振动信号来讲，不易从时域波形上看出刀具不同的磨损状态，但在器功率谱上可以清晰地看到存在几个特征频段，这几个频段的信号能量对应与刀具磨损状态的加剧明显增加。用小波包分解能量监测法提取出了这几个与刀具磨损密切相关的频段能量特征。（注意：对频域分析时一般对功率谱分析）

优点及其缺点：

优点：1.切削力信号直接来源于切削加工点，与刀具磨损相关程度高。振动信号容

易获得，可以很好地辅助切削力综合判断；

2.小波分析技术能有效的完成对刀具切削力和振动信号的分析。单从这两种信号的时域和频域（功率谱分析）很难准确的得到与刀具磨损敏感的特征，针对这种不足，采用时频性能都很好的小波分析能很好的解决这一问题。小波包不仅能分析低频信号，而且对高频信号也进行了细分分析。

3.小波包分解频带能量监测法能对刀具磨损状况进行有效监测。傅里叶分析只是对信号中的正弦成分进行统计，用其表示的能量不全面。而频带能量监测应当计及各频带里信号的全部能量，包括非平稳、非线性振动能量，应用小波进行刀具信号分析，则可以描述其中的非平稳成分。

4.神经网络能有效的实现刀具磨损状态的智能诊断。BP网络作为刀具磨损状态的分类器，并有效的进行模式识别和分类，完成故障智能诊断。

5.集成神经网络刀具磨损状态识别系统比单神经网络具有更高的识别速度和诊断率。用多个网络分担不同任务，可使得单个网络的建模负担轻，速度可大幅提高；且能充分利用切削加工过程中各个信号的有效信息。

缺点:1.该实验没有分析声发射信号，不能实现高精度的诊断。；

2.BP网络发展至今，在理论和性能方面都已经非常成熟，但是其隐含层节点数的最优选问题还需要做进一步研究。

二、基于小波分析和神经网络的多传感器融合技术在机床刀

具磨损监测中的应用

本文是将一种具有小波分析和神经网络的多传感器融合技术应用于刀具磨损监测系统。介绍了小波分析和神经网络的理论基础；给出了刀具磨损在线监测系统的组成和基于小波分析和神经网络的多传感器融合技术在刀具磨损在线监测系统应用过程。多种传感器采集的信号通过小波分析提取其特征值，将特征值作为神经网络的输入，对比识别刀具磨损状态。

本文的优点：1.小波分析可以有效地提取信号特征，对刀具磨损状态的识别效率高，取得了很好的效果；

2.通过合理选择传感器类型和应用多传感器融合技术，可以很好的描述刀具磨损状态，增加信息覆盖面，提高系统的监测性能和抗干扰能力。

3.针对刀具磨损监测的特征，采用基于小波分析和神经网络的多传感器融合技术可以有效的监测加工过程。

三、基于小波分析的切削力信号奇异性检测

本文利用小波变换模的极大值和信号奇异点的关系，分析了用Lip指数来描述的切削力信号局部奇异性。通过观察奇异点的位置等信息得到切削刀具的磨损情况。

原理：在切削过程中，随着刀具磨损量的增加，切削力的增大，引起切削力信号的变化。而切削力信号的变化将有效的判别刀具磨损所处的不同阶段。一旦切削力信号突然发生急剧变化，刀具有可能发生崩刃或折断等后果。刀具磨损时切削力信号存在奇异性。

正常的机械信号一般为低频，突变信号有很宽的频率信号，尤其在高频段频率丰富。利用小波分析滤除低频信息，突出故障信息达到检测故障的目的。采用小波变换的方法对信号进行奇异性检测的算法大致分为几个步骤：小波基的选取然后对信号进行多尺度分析得到小波变换后的系数矩阵wf（s，x）；在不同尺度上找到信号突变点相应的小波变换系数模极大值，从而得到模极大值线；求出奇异点的Lip指数。

注意：小波基的选择：在小波分析中，选择合适的小波基是非常重要的。采用不同的小波基函数对信号进行分析，会得到不同效果。如何选择小波基函数，才能更好地刻画信号的特征，目前还没有一个统一的标准。实际运用中，采用定性分析与实验比较的相结合的方法，采用多种小波进行多次模仿实验进行比较。dbN小波系是工程上应用较多的小波函数，这一小波系的特点是随着序号N的增加，时域支撑长度变长，时间局域性变差，滤波器长度变长，消失矩系数增加，正则性增加，频域局部性变好。因此，在选择小波函数时需要综合以上各种因素，并通过采用多种小波进行多次仿真实验进行比较。

优点：本文对切削力信号奇异性检测的思路方法可以进一步完善开发出切削刀具状态实时监测系统，在实际加工中掌握更多的刀具磨损信息，更好地保证加工质量。

由于小波的不同尺度具有不同的时间和频率分辨率，能有效的将信号中不同频率成分分开并能够对分解后信号的特征进行准确的定位。

相关文献有：洪伟，李言，郑建明。钻削过程刀具磨损的小波诊断方法。西安理工大学2003.

赵小林，刀具磨损的小波检测。邵阳高等专科学校