[发明专利]麻花钻磨损监测方法在审
申请号: | 201610042351.8 | 申请日: | 2016-01-22 |
公开(公告)号: | CN105563234A | 公开(公告)日: | 2016-05-11 |
发明(设计)人: | 武建伟;罗维朗;郑宣;金丽丽;凤迎迎 | 申请(专利权)人: | 浙江大学台州研究院 |
主分类号: | B23Q17/09 | 分类号: | B23Q17/09 |
代理公司: | 台州市南方商标专利事务所(普通合伙) 33225 | 代理人: | 郭建平 |
地址: | 318050 浙*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 麻花 磨损 监测 方法 | ||
1.麻花钻磨损监测方法,由主轴电机和进给电机共同驱动所述麻花钻进行工件切削, 其特征在于,包括如下步骤:
(1)设定切削参数:设所述主轴电机的转速为n;设当所述主轴电机转动一圈时,所述进 给电机的进给量为f;
(2)当所述主轴电机和所述进给电机以步骤(1)中所述切削参数工作时,分别采集所述 麻花钻的钻头在正常磨损、过度磨损和崩刃三种磨损状态下的以下四个参数:所述麻花钻 钻头的钻削力、所述麻花钻钻头的扭矩、所述主轴电机的电流和所述进给电机的电流;
(3)对步骤(2)所述四个参数按db4小波包进行三层小波包分解,得到8个频带能量谱, 取其中第2、3、4和5的四个频段的能量谱作为特征值作为条件属性,将所述麻花钻的钻头的 所述三种磨损状态作为决策属性,建立决策表;
(4)将步骤(3)所述四个频段的能量谱作为BP神经网络的输入向量,所述麻花钻的钻头 的所述三种磨损状态作为所述BP神经网络的输出向量,所述BP神经网络的每组输入向量和 输出向量构成一组数据样本,选取40组所述数据样本对所述BP神经网络进行训练学习,以 确定所述BP神经网络的各层神经元的系数;
(5)用训练好的所述BP神经网络对所述麻花钻的钻头的磨损状态进行预测。
2.如权利要求1所述的方法,其特征在于,步骤(2)所述四个参数的采样频率为1kHz。
3.如权利要求1或2所述的方法,其特征在于,步骤(2)所述麻花钻钻头的钻削力和所述 麻花钻钻头的扭矩由四分力压电式传感器采集。
4.如权利要求1或2所述的方法,其特征在于,步骤(2)所述主轴电机的电流和所述进给 电机的电流由三相交流互感器采集。
5.如权利要求1所述的方法,其特征在于,所述BP神经网络选择3层,输入神经元为4个 节点,输出神经元为1个节点。
6.如权利要求5所述的方法,其特征在于,通过逐步改变所述BP神经网络的隐含层节点 数来对BP神经网络进行训练,将所述BP神经网络的输出误差最小时对应的隐含层节点数确 定为训练后的所述BP神经网络的隐含层节点数。
7.如权利要求6所述的方法,其特征在于,对所述BP神经网络进行训练学习的步骤如 下:
(a)初始化权值及阈值为(-1,1)区间的随机值;
(b)进入循环,计算隐含层各节点和输出层各节点的输入与输出;
(c)计算隐含层和输出层各节点的误差;
(d)使用有自适应逻辑回归的梯度下降法修正阈值;
(e)完成一个循环,判断全局误差是否小于指定值;若是,则退出循环,转到步骤(f);若 否,则返回步骤(b);
(f)计算输出层;
(g)训练结束。
8.如权利要求7所述的方法,其特征在于,用训练好的所述BP神经网络对所述麻花钻的 钻头磨损状态进行预测时,
当所述BP神经网络的输出值在[0.5,1.499]范围内时,则所述麻花钻的钻头磨损状态 为正常磨损;
当所述BP神经网络的输出值在[1.5,2.499]范围内时,则所述麻花钻的钻头磨损状态 为过度磨损;
当所述BP神经网络的输出值在[2.5,3.499]范围内时,则所述麻花钻的钻头磨损状 态为崩刃。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学台州研究院,未经浙江大学台州研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201610042351.8/1.html,转载请声明来源钻瓜专利网。
- 上一篇:多面加工装置
- 下一篇:一种双力矩电机驱动双气动钳夹精准定位电主轴摆动装置