[发明专利]一种数控滚齿机滚刀状态智能监测方法

权利要求书

1.一种数控滚齿机滚刀状态智能监测方法，其特征在于，包括以下步骤：

步骤一，通过预埋振动加速度传感器实时采集滚刀滚切加工循环中B轴的振动模拟量，所述B轴为数控滚齿机的主轴；振动模拟量利用机床总线接入PLC控制器中经A/D转换成数字量，从而获得B轴振动信号；并将滚切加工循环划分为空滚切阶段、过渡滚切阶段及稳态滚切阶段；

所述空滚切阶段表征滚刀与齿轮毛坯接触前的运动过程；

所述过渡滚切阶段表征滚刀切入和切出齿轮毛坯的运动过程；切入时，滚刀与齿轮毛坯接触面积逐渐增大；切出时，滚刀与齿轮毛坯接触面积逐渐减小；

所述稳态滚切阶段表征滚刀与齿轮毛坯接触面积最大且相对稳定的运动过程；

步骤二，根据B轴振动信号周期性出现的峰值跳跃特征对信号进行数据分割，将一个滚切加工循环的振动信号在时域上分割成三段，分别对应空滚切阶段、过渡滚切阶段及稳态滚切阶段；

步骤三，进行大量的滚刀全生命周期滚齿加工实验，选取各类滚刀状态下对应的稳态滚切阶段B轴振动信号，构建滚刀状态标准样本集X，并进行样本标号；提取样本的时域特征参数、频域特征参数及Hilbert包络谱频域特征参数，构成样本初始特征向量f₀；

步骤四，利用滚刀状态标准样本集X中的全体样本构建滚刀状态互K近邻图G，建立图G的相似矩阵S和拉普拉斯矩阵L；对特征参数进行去均值化处理；然后计算每个特征参数的拉普拉斯分值，并以此作为依据进行特征选择，构成样本特征向量f；

步骤五，根据最新获得的滚刀稳态滚切阶段B轴振动信号样本，结合滚刀状态标准样本集X中的样本及其标号，构建滚刀状态特征矩阵F：

其中，m表示滚刀状态标准样本集X中的样本个数，q表示最新获得的滚刀稳态滚切阶段B轴振动信号样本个数，l表示样本特征向量f的维度；f_ij表示第i个样本的第j个特征，i＝1,2,…,m+q；j＝1,2,…,l；c_k表示样本标号，k＝1,2,…,m；

根据最大值法对F中特征参数值进行标准化，再通过最大最小法建立模糊相似关系矩阵R，然后构造传递闭包t(R)，采用λ截矩阵法进行聚类分析，实现滚刀状态识别。

2.根据权利要求1所述的数控滚齿机滚刀状态智能监测方法，其特征在于：在步骤一中，所述的预埋振动加速度传感器是在数控滚齿机装配制造过程中预埋在B轴端部轴承支座内的振动加速度传感器。

3.根据权利要求1所述的数控滚齿机滚刀状态智能监测方法，其特征在于：在步骤三中，所述滚刀状态包括新刀、早期磨损、正常磨损、急剧磨损、扩展裂纹、刀齿断裂等六类，新刀指全新的滚刀或经刃磨后的滚刀；

所述的滚刀状态标准样本集X中，六类滚刀状态对应的样本个数相等；样本标号分别为：1表征新刀状态B轴振动信号样本，2表征早期磨损状态B轴振动信号样本，3表征正常磨损状态B轴振动信号样本，4表征急剧磨损状态B轴振动信号样本，5表征扩展裂纹状态B轴振动信号样本，6表征刀齿断裂状态B轴振动信号样本；

所述的时域特征参数包括均值、均方根值、方差、协方差、最大幅值、最小幅值、峰峰值、幅值中位数、幅值均方根值、波形指标、脉冲指标、峭度指标、裕度指标、偏度、峰值因子等15个，频域特征参数与Hilbert包络谱频域特征参数分别包括重心频率、均方频率、均方根频率、频率方差、频率标准差等5个，共计25个特征参数。

4.根据权利要求1所述的数控滚齿机滚刀状态智能监测方法，其特征在于：在步骤四中，所述的特征选择是通过对样本全体特征参数的拉普拉斯分值进行升序排列，选取前l个拉普拉斯分值对应的特征参数构成样本特征向量f。