[发明专利]空心钻磨削砂轮状态智能监测方法

说明书

本发明涉及一种空心钻磨削砂轮状态智能监测方法，首先，传感器安装及信号监测，监测磨削过程中的声发射信号、功率信号和振动信号，再进行信号特征参数提取，提取声发射信号和功率信号的时域参数以及振动信号的高频特征信息作为特征参数，然后对这些特征参数进行归一化处理并提取主要成分作为SA‑SVM模型的输入样本，然后，运用模拟退火算法优化支持向量机参数的选择，并对样本进行训练学习；最后，采用SA‑SVM模型智能预测，将系统分析结果与砂轮实际磨削状态做对比，判断模型的预测性能。

技术领域

本发明涉及一种空心钻磨削砂轮状态智能监测方法，尤其是一种模拟退火优化支持向量机的空心钻磨削砂轮状态智能监测方法。

背景技术

随着科学技术的发展，对工程材料提出了越来越高的要求，各种高强度、高硬度、耐腐蚀和耐高温的工程材料越来越多的被采用，它们中的大多数都属于难加工材料。为了适应难加工材料和新型材料的加工需求，保证优质、高效地完成加工任务，对刀具的耐磨性、可靠性、精度、尺寸等方面都提出了更高的要求。空心钻主要由刀刃和刀柄两部分组成，且都为空心结构，为了保证其装夹精度，需要对刀柄部分进行磨削加工，但空心钻这种类似薄壁件的结构，大大增加了磨削加工的难度。而且，为了提高高速钢的耐磨性、耐热性及强度，在高速钢中加入W、Mo、Cr、V等多种合金元素，但同时也降低了高速钢的可磨削性。相比于磨削普通材料的刀具，在磨削高速钢空心钻的过程中，磨削力更大，磨削温度更高，砂轮更易发生磨损。砂轮的磨损状态直接影响磨削加工产品的质量和效率，为了保证加工产品的质量，需要定期对砂轮进行修整。频繁地对砂轮进行修整必定影响加工效率，且降低了砂轮的利用率，但不及时地修整也会导致产品加工表面粗糙度不达标，甚至出现振纹和烧伤。因此，如何有效预测砂轮磨损状态并适时对砂轮进行修整，对改善工件加工表面质量、提高加工效率，优化过程能力问题具有重要意义。

因此，需要针对磨削高速钢空心钻时的高难度和高要求以及砂轮修整时机的难以把控问题，提出基于小波包和模拟退火优化支持向量机(Simulated annealing-supportvector machine,SA-SVM)的砂轮状态监测方法。该方法提取声发射和功率信号的时域特征参数并通过小波包分解提取振动信号的高频特征信息作为支持向量机的样本输入。针对传统支持向量机经验参数难以确定的问题，提出采用模拟退火算法来优化参数的选择，该优化算法适用于求解各种非线性问题，且具有较强的鲁棒性、全局收敛性及广泛的适应性，为智能监测磨削高速钢空心钻时砂轮的磨损状态提供了有效的解决办法，具有重要实际工程应用价值。

发明内容

本发明提出一种空心钻磨削砂轮状态智能监测方法，采用模拟退火优化支持向量机的空心钻磨削砂轮状态智能监测方法，利用模拟退火法对支持向量机核心参数进行寻优，可避免陷入局部最优的陷阱，达到全局最优。

本发明的技术方案是：一种空心钻磨削砂轮状态智能监测方法，首先，传感器安装及信号监测，监测磨削过程中的声发射信号、功率信号和振动信号，再进行信号特征参数提取，提取声发射信号和功率信号的时域参数以及振动信号的高频特征信息作为特征参数，然后对这些特征参数进行归一化处理并提取主要成分作为SA-SVM模型的输入样本，然后，运用模拟退火算法优化支持向量机参数的选择，并对样本进行训练学习；最后，采用SA-SVM模型智能预测，将系统分析结果与砂轮实际磨削状态做对比，判断模型的预测性能。

进一步，所述传感器安装及信号监测具体方法：采用功率传感器、声发射传感器和振动传感器对砂轮磨损状态进行监测，将功率传感器串联于主轴电机和变频器之间，声发射传感器利用其自身带有强磁的特性，吸附在尾架外壳左端面上，用于监测磨削加工过程中的声发射信号；振动传感器采用三向振动传感器，监测相互垂直的三个方向上的振动信号；所述功率传感器、声发射传感器和振动传感器采集的信号通过信号线经由放大器、采集卡传输到计算机中的数据采集软件中进行信号监测。

进一步，所述三向振动传感器自身具有强磁性，将三向振动传感器吸附在尾架顶尖上，使三向振动传感器上表面平行于水平面，用于监测磨削加工过程中尾架顶尖振动变化情况。