无先验知识下基于CHMM的刀具磨损监测技术

摘要：

切削刀具的状态直接影响工件加工质量、生产率和产品成本,因此在切削加工过程中监测刀具的状态显得尤为重要.针对实际监测系统通常无法获取刀具各磨损退化状态先验知识的情况,以切削力与切削振动为监测信号,提出无先验知识下基于小波包分析与连续隐马尔可夫模型的刀具磨损监测技术.应用小波包分析技术提取信号特征信息,采用S函数实现特征值归一化处理.利用监测过程中的刀具正常状态下归一化特征信息建立基于连续隐马尔可夫模型的监测模型；根据刀具未知状态特性向量与监测模型间的对数似然度获取刀具性能指标PV,实现刀具磨损状态评价.采用铣刀磨损全寿命数据来验证该方法的有效性,实验结果表明:该方法能在无先验知识的情况下对刀具的健康状态进行较为准确的评估,且所需样本数较少,训练速度快.该技术对实现无先验知识下的刀具智能化在线状态监测具有重要意义.

关键词：刀具状态监测、隐马尔可夫模型、小波包分析、无先验知识

所属期刊栏目：41

分类号：TH17;TP277

资助基金：中央高校基本科研业务费专项资金资助项目SWJTU12CX039

在线出版日期：2013-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：37-41