[发明专利]麻花钻磨损监测方法

摘要

本发明公开了一种麻花钻磨损监测方法，先在相同的切削参数下，分别采集不同磨损状态的钻削力、扭矩、主轴电机电流与进给电机电流四个参数，对四个参数进行小波包分解，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，将特征值作为BP神经网络的输入神经元进行训练和学习。用建立的BP神经网络进行麻花钻磨损状态识别，具有较高的识别率。

主权项

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。