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
' W: [  e! J0 @　刀具在线检测原理
% q) Q; _' j7 `6 g% r$ A( O$ ^4 A　　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。
8 J7 ], k" @/ ]( F; ~5 W　　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。
) Z- a2 S1 W* S# ~: D! A( [- N　　1刀具负载模型的树立
　　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
5 Q7 q( Q. _" g  U, p# Q　　F=f(s,v,h,m)
( Q, H) W. R% I5 b) }　　式中：
* P( R+ q, f5 t* t1 u$ T$ s　　F?负载向量；
　　h?切削深度；
　　s?主轴转速；
0 \# v; I  b7 Z# \' Y3 u8 s: c　　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
1 ^, R  w6 m, ]5 Z! k  ]　　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。
6 Z! [: w5 b' `3 O　　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。
$ \0 O  A5 \" D. j' @! ^" A+ |　　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。
2 v$ \' I3 Y& k4 S: S& A1 }
+ `! m+ z' W6 {" T$ ?