刀具磨损和破损在线检测原理及方法分析

大老虎

刀具磨损和破损在线检测原理及方法分析
　刀具在线检测原理
, n) c6 H: u% h　　首先测出刀具的切削深度和进给量，连同主轴转速和加工材料的类型一同输入神经网络控制器。由神经网络控制器停止负载计算，得出的负载输入至检测器。检测器输出的结果与输入信号停止比拟，若该负载超越刀具的疲倦条件下的裂纹扩展负载，则减小刀具的进给速度，并将进给速度的减小量反应到CNC控制器，使CNC控制器做出相应的控制，以使得负载的大小改动到平安的程度。
* E* ]( @- r) }　　刀具磨损和破损的在线检测
　　刀具磨损和破损在线检测的方法很多，主要有功率检测、声发射检测、学习方式、力检测等。在此引见一种应用神经网络对柔性制造系统中的刀具的检测方法。
　　1刀具负载模型的树立
8 Q# t* j0 Q5 b' ]　　切削加工过程中刀具所受的负载与很多要素有关，根据在线检测的请求，仅思索几个较大的影响要素，即主轴转速、进给速度、切削深度、加工材料的切削性能4个要素，则刀具负载的模型为
- `+ r- }5 p2 p3 z$ q　　F=f(s,v,h,m)
8 d, g; |2 H4 ?' b　　式中：
  f# H$ J* a$ n5 v% {& J3 U/ M　　F?负载向量；
3 E) f7 O; Q* z2 z6 f# u( `( ]# T　　h?切削深度；
- K) {8 b8 W/ ]& `3 p" y8 v: X　　s?主轴转速；
9 y$ a8 h6 \$ R　　m?材料的切削性能；
　　v?进给量。
　　很明显，上式仅能说明负载与各个影响要素有关，可以用微分几何的数学方法或实验的方法树立相应的关系式，但应用于在线检测效果并不理想。在此，应用神经网络技术处置该刀具的负载模型。
　　2神经网络技术
　　本刀具负载自顺应控制的神经网络系统采用3层的BP构造。根据上面的分析，显然输入层有4个节点，输出层有3个节点，即负载在XYZ方向的大小。思索到本负载自顺应控制系统的特性，可以以为负载是进给速度的连续函数，根据Kolmogorov定理，中间隐层的节点数应为2倍的输入点数再加1。因此，本神经网络构造为输入层4个节点，中间层9个节点，输出层3个节点。
) f+ j& X- ?. v* M　　根据上面的分析，采取每个节点给定4个值，以它们的不同组协作为样本输入数据，这样可得256个样本。细致做法是：将各个输入量在可能的变化范围内大致分为4等份，并用实验的方法测出在每种输入情况下的负载值。在得到256个样本后，采用离线停止学习，得出每个节点的权值，这样经过学习的神经网络就树立了相应的刀具负载模型，为刀具的在线检测提供条件。
　　在柔性制造系统中，一个好的刀具管理系统和在线检测技术，不只能进步加工消费率、降低劳动本钱，而且关于产品优化组合、减少缺点率都会起到非常关键的作用。
/ C2 j8 e: o+ O% f6 b' b
. ^: k$ t7 V7 [