减严重,另外高频 AE 信号的采集处理成本偏高。Р 4)振动检测Р 振动信号包含了非常丰富的信息,而且具有传感器安装简单,反应灵敏,可以Р 实时检测的特点。Р 美国宾州州立大学 Abu-Mahfouz I(2003)通过检测振动信钻头的横刃磨损、前Р 刀面磨损、后刀面磨损、边沿破裂进行识别[34]。西班牙学者 Alonso F J(2008)检测Р 刀柄进给方向和切向振动信号,采用聚类分析方法监测刀具状态[35]。西安交通大学Р Chen B(2011)检测刀柄振动信号,采用逻辑回归方法估计车削刀具的可靠性[36]。Р 然而机床部件的振动、地基振动、转子不平衡引起的振动等都会干扰振动信号,Р 对于刀具磨损状态监测而言,振动信号信噪比较低。Р 5)小结Р 实验室研究中较多的采用切削力传感器,敏感性高,但目前难于实际应用;声Р 发射对安装位置敏感,信号处理成本高,不便于工业应用;振动信号干扰较多,但Р 灵敏度高、安装较方便,可以作为辅助信号;采用电流传感器进行检测可以适用于Р 工业环境,但电流信号的谐波干扰较多,在铣削加工时敏感性偏低,对信号处理提Р 出了更高的要求。另外,研究者普遍认为采用单一信号特征是不可靠的,多传感器Р 信息融合是研究趋势,然而多传感器意味着成本和系统复杂性的增加。从单一传感Р 信号中提取多个特征是一种可以尝试思路。Р 1.2.2 刀具磨损特征提取Р 信号处理技术是刀具状态监测中的重要一环,国外学者在这一方面开展了广泛Р 研究。刀具状态监测的相关信号处理实质上是对原始采样信号进行提炼和凝聚的过Р 程,可以看作是数据压缩的过程,原则是保留有用信息,去除噪音和冗余信息。Р 1)时域分析Р 哈尔工业大学Li X.(2001)采用改进时域平均算法将进给电流信号分解为重复Р 和残余两部分,通过对相邻残余量之间的对比来判断刀具的破损[37]。印度学者Р 4 Р万方数据
全文预览
