一种无传感器的切削状态识别方法
【技术领域】
[0001] 本发设及一种无传感器的切削状态识别方法，特别是一种用于解决恶劣环境下缺 乏力学、温度、声学、图像等传感器的圆盘银床切削过程监控的分析方法，并W切削状态的 方式描述圆盘银床的实时工况。
【背景技术】
[0002] 随着切削加工加速向着高精度智能化技术的方向发展，先进的监控技术也显得尤 为重要，该要求对切削过程中的状态和设备的实时数据进行监测，并采用更精确的识别技 术和更好的控制策略。然而绝大多数切削加工设备不具备监控功能，或者只监视不控制，该 很大程度上限制了加工设备性能的提升，因此针对切削加工过程的切削状态识别技术和智 能监控技术成为了制造业公认的技术难点。
[0003] 由于切削加工伴随着材料和工具的形变和热传导，加工过程具有复杂性、随机性， 因此在进行切削状态识别时，影响切削状态的因素较多，若只采用单一的传感器信号，则会 降低状态识别的准确性和可靠度。为了解决该个问题，多传感器信息融合技术逐渐被运用 到切削状态识别中，从不同传感器抽取期望信息W增加信息的可信度，W适应切削过程的 不确定性，实现了单一信号监控向多信号监控研究的发展。然而在某些恶劣的环境下，考虑 到传感器的后期维护和安装问题，在设计加工设备时并没有配置力学、温度、声学、图像等 传感器，该就给切削状态的识别和后续的控制带来了极大的困难。
[0004] 由于环境恶劣而没有安装传感器的圆盘银床，目前该圆盘银床切削过程主要是通 过加工人员手动控制，通过圆盘银床上的防爆摄像头，实时观测切削情况，并依靠自身的经 验对X轴、Y轴、Z轴、切割轴的速度进行调节，W保证良好的切削效果，此过程参杂了加工人 员大量的加工经验，对于圆盘银床的工作状态更是经验的判断，缺乏标准性和一致性。
【发明内容】
[0005] 有鉴于此，本发明的目的在于提供一种无传感器的切削状态识别方法，该方法可 W解决恶劣环境下圆盘银床缺乏力学、温度、声学、图像等传感器的问题，从而实现圆盘银 床实时工况监控。
[0006] 为达到上述目的，本发明提供如下技术方案：
[0007] -种无传感器的切削状态识别方法，包括W下步骤；步骤一：分析圆盘银床的切 削机理；步骤二：选取特征变量；步骤采集并处理样本数据；步骤四：建立切削状态识 别模型；步骤五；应用模型对圆盘银床的实时切削状态进行识别。
[0008] 进一步，在步骤一中，考虑到切削粒大的负前角加工特性及磨耗后的切削粒顶端 存在纯圆，采用球体模拟切削粒，并对此进行单颗切削粒的受力分析，并由此分析出切削状 态改变与切削粒受力之间的关系，从而为特征变量的选取提供理论基础。
[0009] 进一步，在步骤二中，根据圆盘银床的切削流程，选取既能通过当前控制系统读取 又能充分反应切削状态变化的变量作为特征变量，具体包括：
[0010] 根据圆盘银床的切削流程，选取切割轴转矩、切削速度、切削深度作为状态识别器 的特征变量，从切削机理分析可知，圆盘银床的切削速度主要是Y轴进给速度和切割片转 动速度的合成、切削深度是X轴速度在时间的积分，也就是位移，该些参数都可经过伺服驱 动器中相应的实时值运算后得到。
[0011] 进一步，在步骤=中，采用Z-Score归一化方法将所有的特征变量规范成标准的 正态分布，归一化方法如下：
[001引设X = (X。X2,. . .，X。)，建立映射f ;
[0013]
【主权项】
1. 一种无传感器的切削状态识别方法，其特征在于：包括以下步骤： 步骤一：分析圆盘锯床的切削机理； 步骤二：选取特征变量； 步骤三：采集并处理样本数据； 步骤四：建立切削状态识别模型； 步骤五：应用模型对圆盘锯床的实时切削状态进行识别。
2. 根据权利要求1所述的一种无传感器的切削状态识别方法，其特征在于：在步骤一 中，采用球体模拟切削粒，并对此进行单颗切削粒的受力分析，并由此分析出切削状态改变 与切削粒受力之间的关系，从而为特征变量的选取提供理论基础。
3. 根据权利要求2所述的一种无传感器的切削状态识别方法，其特征在于：在步骤二 中，根据圆盘锯床的切削流程，选取既能通过当前控制系统读取又能充分反应切削状态变 化的变量作为特征变量，具体包括： 根据圆盘锯床的切削流程，选取切割轴转矩、切削速度、切削深度作为状态识别器的特 征变量，从切削机理分析可知，圆盘锯床的切削速度主要是Y轴进给速度和切割片转动速 度的合成、切削深度是X轴速度在时间的积分，也就是位移，这些参数都可经过伺服驱动器 中相应的实时值运算后得到。
4. 根据权利要求3所述的一种无传感器的切削状态识别方法，其特征在于：在步骤三 中，采用Z-Score归一化方法将所有的特征变量规范成标准的正态分布，归一化方法如下： 设 X = (X1, X2, . . .，xm)，建立映射 f :
其中，Xm_= mean (X) = mean (X 1，X2, · · ·，Xm)，为 X 的均值； Xvar= var (X) = var (x 丨，x2, · · ·，xm)，为 X 的方差。
5. 根据权利要求4所述的一种无传感器的切削状态识别方法，其特征在于：在步骤四 中，以步骤三处理后的特征变量，根据经验判断出每组特征变量对应的切削状态，并以此作 为训练样本，采用高斯过程二元分类方法训练切削状态识别模型。
6. 根据权利要求5所述的一种无传感器的切削状态识别方法，其特征在于：在步骤四 中，首先采用高斯过程二元分类方法分别预测样本数据属于正常状态、正磨损状态、负磨损 状态的概率值，然后比较三个概率值，属于哪个状态的概率大，就认为该样本应该属于哪一 种状态。
7. 根据权利要求6所述的一种无传感器的切削状态识别方法，其特征在于：在步骤五 中，采用训练出的切削状态识别模型，以切削过程中的实时数据进行测试；将测试过程分为 两个阶段：1)预测属于每种状态的概率；2)选择概率最大的状态作为当前工况下的切削状 ??τ O
【专利摘要】本发明涉及一种无传感器的切削状态识别方法，该方法用于解决恶劣环境下缺乏力学、温度、声学、图像等传感器的圆盘锯床切削过程监控的问题，并以切削状态的方式描述圆盘锯床的实时工况。该方法包括以下步骤：1)圆盘锯床切削机理分析；2)特征变量的选取；3)样本数据的采集与处理；4)切削状态识别模型的建立；5)应用模型对圆盘锯床的实时切削状态进行识别等步骤。本方法能够为圆盘锯床的工作状况和完好情况进行定义，描述圆盘锯床实时具有的切削加工能力，为圆盘锯床切削加工过程中切削参数的调整提供优化依据，使圆盘锯床始终处于最优的工作状态，达到最佳的切削效果。
【IPC分类】G06F19-00
【公开号】CN104866716
【申请号】CN201510248925
【发明人】林景栋, 邱欣, 廖孝勇, 游佳川, 徐大发, 黄立沛, 郝文元, 刘欢
【申请人】重庆大学
【公开日】2015年8月26日
【申请日】2015年5月15日