[发明专利]薄壁零件复杂工况加工状态监测方法

摘要

一种薄壁零件复杂工况加工状态监测方法，其特征是它首先通过实验采集切削力信号以及振动信号，然后分别对两种对信号进行傅立叶变换及滤波，得到加工状态的敏感频率，进而通过小波变换得到指定频段信号的近似分量和详细分量，并提取包含平均值和方差的统计数据，在特征层面进行信息融合，以切削参数和信号的统计数据作为加工状态辨识的输入向量。采用支持向量机算法进行加工状态辨识，利用采集的数据对支持向量机进行训练，得到不同加工状态的判别式，实现对刀具磨损、刀具变形与工件变形等具有耦合效应的多加工过程状态的监测与识别。本发明有利于降低加工成本，保证加工质量。

主权项

一种薄壁零件复杂工况加工状态监测方法，其特征是它首先利用传感器采集得到不同加工状态下的切削数据；其次，分别对切削力信号和振动信号进行傅立叶变换得到各加工状态的力学信号敏感频段及振动信号敏感频段；第三，再通过离散小波变换的信号处理方法对敏感波段进行处理，得到敏感频段信号的近似分量和细节分量，分别提取近似分量和细节分量的信号均值和方差值的统计数据信息；第四，将所得的统计数据信息与切削实验的切削参数进行信息融合，一起组成特征向量，作为加工状态辨识的输入向量；第五，采用支持向量机算法进行加工状态辨识，利用采集的数据对支持向量机进行训练，得到不同加工状态的判别式；最后，通过判别式对加工状态进行监测，辨识加工状态；所述的切削力信号敏感波段在127Hz到275Hz之间；所述的振动信号敏感波段在140Hz到210Hz之间；具体步骤如下：步骤1、设计带有耦合效应的不同加工状态的切削实验，包括正常加工状态的实验、刀具磨损状态下的实验、工件变形状态下的实验以及刀具磨损并且工件变形状态下的实验，设计实验为铝合金材料侧铣加工；步骤2、进行切削实验，利用切削力传感器和加速度传感器采集不同加工状态下的力学信号和振动信号；步骤3、分别对切削力信号和振动信号进行傅立叶变换得到各加工状态的力学信号敏感频段及振动信号敏感频段；步骤4、通过离散小波变换的信号处理方法对敏感波段进行处理，分解出指定频率即步骤3中的敏感频段，得到敏感频段信号的近似分量和细节分量，分别提取近似分量和细节分量的信号均值和方差统计数据信息；步骤5、将两种信号的统计数据信息与切削实验的切削参数进行信息融合，一起组成特征向量，作为加工状态辨识的输入向量；步骤6、采用支持向量机算法进行加工状态辨识，利用采集的数据对支持向量机进行训练，得到不同加工状态的判别式：；式中：w和b代表判别的参数，其中w是一个和x具有相同精度的向量；步骤7、通过判别式对加工状态进行监测，辨识加工状态；所述的不同加工状态包括正常加工状态、刀具磨损状态、工件变形状态以及刀具磨损并且工件变形状态。