哈爾濱中天數(shù)控工具有限責(zé)任公司
公司網(wǎng)站：www.www.hmniuwr.cn
服務(wù)熱線：0451-82340716
服務(wù)熱線：0451-82340716
在制造業(yè)中，刀具的磨損或破損不僅會導(dǎo)致工件表面質(zhì)量差，生產(chǎn)率低，生產(chǎn)成本高，而且嚴重時還會造成機床的功能失效及整個系統(tǒng)的故障。因此，在切削加工過程中對刀具磨損狀態(tài)進行分析具有深遠的意義。
人工神經(jīng)網(wǎng)絡(luò)是20世紀80年代迅速興起的一種信息處理技術(shù)它試圖模擬人腦的一些基本特性，如自組織性、自適應(yīng)性和容錯性能等，并己在模式識別、數(shù)據(jù)處理和自動控制等方面取得了良好的應(yīng)用效果11.神經(jīng)網(wǎng)絡(luò)的實現(xiàn)方案可分為基于傳統(tǒng)計算機技術(shù)（如軟件模擬）和基于直接硬件實現(xiàn)（如VLSI技術(shù)），但目前常用的方法還是軟件模擬。在各種模擬軟件中以MATLAB*具影響力。
MATLAB具有可靠、高效、穩(wěn)定的數(shù)值運算功能和方便的可視化界面以及其他高級程序設(shè)計語言的接口，其中神經(jīng)網(wǎng)絡(luò)工具箱（NNbox）為神經(jīng)網(wǎng)絡(luò)的應(yīng)用提供了便利。本文擬采用NNbox仿真環(huán)境和BP模型改進算法來建立刀具磨損狀態(tài)分析模型，并檢驗該法在實際應(yīng)用中的可行性和實用性。
1刀具磨損分析的神經(jīng)網(wǎng)絡(luò)模型刀具磨損狀態(tài)的研究，早在上世紀30年代就提出來了。在研究思想上，一般力圖尋求某一閾值作為狀態(tài)識別的依據(jù)，但閾值在整個生產(chǎn)中的隨機性，很難確定其值，因此進展不大21.幾十年來，國內(nèi)外學(xué)者都在致力于這方面的研究，許多中己有不少對刀具磨損的研究報告，一般偏重于算法研究，如采用從理論上計算刀具所受應(yīng)力的變化來判別刀具狀態(tài)21，或采用時序分析的方法對刀具進行監(jiān)測131等。這些方法主要從理論上進行探討，難于適合實際變化的生產(chǎn)條全避免了采用插齒時出現(xiàn)的齒距累計誤差現(xiàn)象，可以滿足工件的加工要求。
?。ň庉媴尾\）如果您想發(fā)表對本文的看法，請將文章編號填入讀者意見調(diào)查表中的相應(yīng)位置dat命令從磁盤中調(diào)入數(shù)據(jù)件。由于神經(jīng)網(wǎng)絡(luò)良好的非線性逼近能力、泛化功能等特點，為刀具磨損狀態(tài)的分析、預(yù)測提供了可能。
隨著刀具的磨損和破損，切削力或扭矩隨之變化（包括切削分力比值及切削力動態(tài)分量），切削溫度、切削功率、振動與聲發(fā)射信號也都發(fā)生變化，用這些信號的變化檢測刀具磨損和破損，效果較好。對于精加工也可以用工件尺寸的變化和表面粗糙度的變化來間接檢測刀具狀態(tài)。設(shè)控制目標(biāo)（刀具狀態(tài)）可用Y=）表示，其相關(guān)參數(shù)用X=T（X6R"）表示，目的就是要找出一個從R"到Rm的映射關(guān)系，使得Y=F（X）。根據(jù)BP網(wǎng)絡(luò)的結(jié)構(gòu)及控制目標(biāo)與相關(guān)參數(shù)之間的關(guān)系，確定系統(tǒng)原理圖如所示。刀具切削金屬時，與刀具相關(guān)的物tanSigPlrfn理量通過多路傳感器進行測量，對測量信號進行分析處理從而得到有關(guān)的特征參量；特征參量與BP網(wǎng)絡(luò)的輸入層相對應(yīng)，bp系統(tǒng)原理圖網(wǎng)絡(luò)通過前向計算得出輸出值，該值與刀具狀態(tài)相對應(yīng)，并反饋給用戶。BP網(wǎng)絡(luò)的權(quán)值存放在數(shù)據(jù)庫中，其值由BP網(wǎng)絡(luò)的實際輸出與期望輸出的誤差用反向傳播學(xué)習(xí)算法來修正。Hecht -Nielson等人證明，二層前向網(wǎng)絡(luò)可實現(xiàn)對任意非線性映射的逼近，故用于磨損狀態(tài)分析的前饋網(wǎng)絡(luò)一般為m-k -n該網(wǎng)絡(luò)輸入層有m個神經(jīng)元，隱層有k個神經(jīng)元，而輸出層有n個神經(jīng)元，m與n則為影響因素與磨損種類的維數(shù)，其值由實際情況而定，即針對所要預(yù)測的磨損狀態(tài)確定n對n種磨損歸納出主要影響因素就可確定出m.對于隱單元數(shù)k的確定可利用經(jīng)驗公式及合并刪減原則來確定141. 2基于MATLAB的BP網(wǎng)絡(luò)建立和訓(xùn)練用高級語言來完成神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)與訓(xùn)練，是一項比較繁雜、費時的工作，而用MATLAB語言編寫的仿真程序更為方便、快捷與高效。
21傳遞函數(shù)確定NNbox提供了多個傳遞函數(shù)，對于磨損預(yù)測的傳遞函數(shù)，一般隱層變換函數(shù)取tansig函數(shù)，它是可微函數(shù)，可以將神經(jīng)元的輸入范圍（-叫+）映射到（- 1+1），非常適于利用BP訓(xùn)練的神經(jīng)元。如果BP網(wǎng)絡(luò)*后一層是Sigmoid型神經(jīng)元，那么整個網(wǎng)絡(luò)的輸出范圍較?。蝗绻捎胮urelin型神經(jīng)元，則整個網(wǎng)絡(luò)的輸出可以是任意值，因此一般輸出層的傳遞函數(shù)為purelh型。網(wǎng)絡(luò)結(jié)構(gòu)如所示。
22提供訓(xùn)練樣本作為有教師的訓(xùn)練算法，其網(wǎng)絡(luò)模型的*終獲得，需要在一定量的實驗數(shù)據(jù)的基礎(chǔ)上進行反復(fù)迭代運算，使網(wǎng)絡(luò)輸出逼近目標(biāo)值。有一個經(jīng)驗規(guī)則是訓(xùn)練樣本應(yīng)是連接權(quán)總數(shù)的5~10倍。大量的樣本數(shù)據(jù)以數(shù)據(jù)文件存儲，即包括輸入矢量與目標(biāo)矢量數(shù)據(jù)文件，變量。
23網(wǎng)絡(luò)初始化在BP網(wǎng)絡(luò)中，只要己知輸入矢量p目標(biāo)矢量t各層的神經(jīng)元數(shù)及各層神經(jīng)元的傳遞函數(shù)，就可以利用函數(shù)NITFF對BP網(wǎng)絡(luò)進行初始化。對于上述m-k-n網(wǎng)絡(luò)其初始化語句為=initff（pktknsg）其中，p為mX2網(wǎng)絡(luò)輸入矩陣，m為網(wǎng)絡(luò)輸入節(jié)點數(shù)，p矩陣的第i行提供第i個輸入節(jié)點期望的*小輸入和*大輸入值；k為隱層節(jié)點數(shù)，t為目標(biāo)矢量；W1為輸入層與隱層連接權(quán)值；W2為隱層與輸出層連接權(quán)值1、B2為隱層、輸出層神經(jīng)元的閾值。
24網(wǎng)絡(luò)訓(xùn)練MATIAB神經(jīng)網(wǎng)絡(luò)工具箱提供的網(wǎng)絡(luò)訓(xùn)練函數(shù)可直接用于循環(huán)訓(xùn)練一個BP神經(jīng)網(wǎng)絡(luò)，*終達到允許目標(biāo)誤差的函數(shù)。常用的訓(xùn)練函數(shù)有TRANBP、TRANBPX、TRA1NIM等，它們的用法是類似的，只是采用的學(xué)習(xí)規(guī)則有所不同。函數(shù)trainbp利用標(biāo)準(zhǔn)BP學(xué)習(xí)規(guī)則訓(xùn)練前饋網(wǎng)絡(luò)，使網(wǎng)絡(luò)完成函數(shù)逼近、矢量分類和模式識別；tiabpx米用了動量法和學(xué)習(xí)率自適應(yīng)調(diào)整的策略，從而提高了學(xué)習(xí)速度并加了算法的可向網(wǎng)絡(luò)，其算法快，學(xué)習(xí)時間短，但它需要更多的內(nèi)存，對于復(fù)雜問題尤為明顯51.下面程序表明trainbpx調(diào)用方法：%網(wǎng)絡(luò)訓(xùn)練經(jīng)過訓(xùn)練得到了新的權(quán)值矩陣W2閾值矢量B1，B2te為網(wǎng)絡(luò)的實際訓(xùn)練次數(shù)，tr為網(wǎng)絡(luò)訓(xùn)練誤差和的行矢量。
25網(wǎng)絡(luò)仿真前向網(wǎng)絡(luò)由一系列網(wǎng)絡(luò)層組成，每一層都從前一層得到輸入數(shù)據(jù)，smuff函數(shù)可仿真至多三層的前向網(wǎng)絡(luò)。若給己訓(xùn)練好的網(wǎng)絡(luò)輸入特征量，網(wǎng)絡(luò)通過前向計算即可得出刀具的狀態(tài)，其調(diào)用格式為：a=simuff（qW1B1tansgW2B2prnelh）；其中q為輸入數(shù)據(jù)，a為預(yù)測結(jié)果。
26結(jié)果的輸出預(yù)測結(jié)果反映出刀具的磨損狀態(tài)，若對于實際情況，刀具的磨損采用刀具后刀面平均磨損帶寬度VB來衡量，磨損產(chǎn)生的教師信號為“1不產(chǎn)生則為”0因此，預(yù)測輸出矢量中的元素應(yīng)是接近于0或“1的數(shù)值。對于磨損的預(yù)測值在給定的誤差范圍內(nèi)認為出現(xiàn)磨損，應(yīng)采用相應(yīng)措施來消除。利用MATLAB提供的循環(huán)及判斷語句來完成磨損的消除，即對影響因素的數(shù)值進行變化，反復(fù)仿真，直到輸出矢量為零為止。
3應(yīng)用與討論31應(yīng)用根據(jù)以上分析，選用以下條件進行分析：機床：CA6140車床進行外圓車削刀具材料：YTS硬質(zhì)合金工件材料：45鋼，硬度HBS=200~220主軸轉(zhuǎn)速：800（rmin）進給量：0102切削深度：：5表1特征參數(shù)與刀具狀態(tài)AEAE上AE主切走刀機床正常切削刀具磨損嚴重磨損刀具破損序號脈寬升時間計數(shù)率削力抗力功率預(yù)報值實際值預(yù)報值實際值預(yù)報值實際值預(yù)報值實際值10201ft6930.350038404820571ft刀具的磨損狀態(tài)分為正常切削、刀具磨損、嚴重磨損、刀具破損四種情況。得到與刀具狀態(tài)密切相關(guān)的參數(shù)為：AE脈寬、AE上升時間、AE計數(shù)率、主切削力、走刀抗力、機床功率。表1中的信號為計算機檢測到的電信號經(jīng)歸一化處理之后的結(jié)果，“1或0表示刀具對應(yīng)狀態(tài)的”有“”無“關(guān)系。當(dāng)然，試驗結(jié)果中也有個別結(jié)果出現(xiàn)錯報情況，這就需要對系統(tǒng)性能評估，評估的指標(biāo)為：①漏報的刀具嚴重磨損與破損率，經(jīng)統(tǒng)計分析其值為4.7%.②刀具狀態(tài)的錯報率為6.3%.一般工程中的誤判率在10%以下就可滿足實際生產(chǎn)。但更精確的預(yù)報仍然是廣大技術(shù)人員追求的目標(biāo)。出現(xiàn)誤報的原因主要集中在以下幾點：信號采集準(zhǔn)確性的影響。由于不可避免的干擾因素存在，雖有濾波等一些處理方式，但仍給系統(tǒng)帶來測量誤差。
神經(jīng)網(wǎng)絡(luò)系統(tǒng)訓(xùn)練次數(shù)的影響。過度的訓(xùn)練會使網(wǎng)絡(luò)的均方誤差加大，但過少的訓(xùn)練也會使誤差加大，因此如何科學(xué)合理地選擇訓(xùn)練次數(shù)也應(yīng)進一步分析。
由于認識的局限性，一些未知的敏感特征參數(shù)還未考慮進去；一些不宜實現(xiàn)在線檢測的特征參數(shù)也未考慮，如刀尖溫度的測量，刀具振動的測量（關(guān)鍵是將與刀具磨損有關(guān)的振動信號與其他振源信號分離開來）。
32討論（1）神經(jīng)網(wǎng)絡(luò)將事物內(nèi)在聯(lián)系隱藏在網(wǎng)絡(luò)權(quán)值中，使分析本質(zhì)規(guī)律帶來難度，但它仍為研究提供了一種途徑，利用Matkb軟件可作出某些因素對控制目標(biāo)的影響趨勢圖，這對進一步研究及指導(dǎo)生產(chǎn)具有積極作用。則是在一定條件下聲發(fā)射信號的計數(shù)率與后刀面磨損的影響趨勢圖。
記數(shù)率與后刀面磨損量的關(guān)系（2）對于控制目標(biāo)的影響因素應(yīng)根據(jù)具體問題具體分析，應(yīng)總結(jié)主要的影響因素。對于制造加工的多變復(fù)雜性及操作的人工經(jīng)驗性，一些工藝措施很難定量化，解決的方法一是進一步提高自動化水平，減少人為干預(yù)；二是利用模糊評價體系評價一些工藝措施，逐步提高加工的可控性。
用于刀具磨損狀態(tài)預(yù)測的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)確定有很大的經(jīng)驗性，可以借助一些經(jīng)驗公式及算法來實現(xiàn)，但應(yīng)注意的原則是：應(yīng)很好地解決工程實際問題，因此以實際效果為主。
4結(jié)語利用Matlab軟件來實現(xiàn)刀具磨損狀態(tài)的分析與控制是完全可行的，這對刀具嚴重磨損以及破損的預(yù)防及成品率的提高有積極作用。
運用Matlab神經(jīng)網(wǎng)絡(luò)工具箱不需要傳統(tǒng)的繁瑣編程，研究人員只需掌握網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練等函數(shù)，從而節(jié)省了程序設(shè)計、調(diào)試及網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練所需的時間，可集中精力思考解決問題的模型，研究問題的本質(zhì)，提高了效率及質(zhì)量。
來源：中國刀具網(wǎng)
