刘 富, 宋 阳, 刘 云, 康 冰, 姜守坤, 侯 涛

(吉林大学 通信工程学院, 长春 130022)

0 引 言

随着生产效率、 自动化程度不断提高, 数控机床设备愈加复杂, 工业生产中常因微小故障而引发连锁反应[1], 轻则造成设备损坏、 加工成本浪费, 重则危及人身安全[2]。作为与工件直接接触的加工设备, 刀具的日常磨损不可避免, 如无法及时发现刀具故障, 必将影响数控机床的加工精度, 进而造成严重的经济损失[3]。刀具故障诊断技术通过实时获取刀具运行信息, 快速并精确诊断出刀具存在的故障, 对降低次品率、 节约资源等具有重要意义[4]。因此, 对刀具故障诊断系统进行研究具有十分重要的现实意义。

刀具故障诊断方法包括直接测量法和间接测量法。直接测量法诊断精度较高, 但对环境要求较为严格, 并且需要离线检测, 无法实时判断刀具状态[5]。间接测量法通过提取生产过程中振动信号[6-8]、 力信号[9]和声发射信号[10]等特征判断刀具状态。间接测量法比直接测量法精度稍有下降, 但可实现实时在线监测。

王玫等[11]使用小波包分解方法处理切削力信号, 得到各频带上能量信号并将其作为刀具磨损状态的特征； Elangovan等[12]提出了一种基于决策树的振动信号刀具磨损预测算法, 使用十折交叉验证评估决策树算法生成的预测模型的准确性, 最大分类准确率为87.5%； Zhan等[13]采用经验模态分解的方法处理刀具振动信号, 并使用支持向量机算法建立故障诊断模型, 将刀具故障诊断准确率从82.5%提升到90.01%；……