基于條件隨機(jī)場(chǎng)的銑削刀具磨損狀態(tài)監(jiān)測(cè)技術(shù)研究.pdf

1、刀具磨損狀態(tài)在線監(jiān)測(cè)系統(tǒng)對(duì)保證工件加工質(zhì)量和提高加工效率具有重要意義。在復(fù)雜切削狀況下,切削過程中的物理信號(hào)不僅與刀具磨損狀態(tài)相關(guān),還與切削參數(shù),切削溫度等因素相關(guān),要實(shí)現(xiàn)復(fù)雜狀況下刀具磨損監(jiān)測(cè),給模式識(shí)別方法的分類能力提出了更大的挑戰(zhàn),然而復(fù)雜切削狀況更接近工業(yè)應(yīng)用,因此對(duì)復(fù)雜狀況下刀具磨損狀態(tài)進(jìn)行監(jiān)測(cè)更具有實(shí)際意義。
　　為了有效的監(jiān)測(cè)復(fù)雜狀況下加工過程中刀具的磨損狀態(tài),本文建立了一個(gè)結(jié)合短時(shí)傅里葉變換(STFT)和局部保持投

2、影(LPP)的基于條件隨機(jī)場(chǎng)(CRF)的刀具磨損狀態(tài)監(jiān)測(cè)的系統(tǒng),該系統(tǒng)是通過分類器對(duì)刀具磨損狀態(tài)進(jìn)行分類來達(dá)到監(jiān)測(cè)目的的。本文針對(duì)多齒銑削 TC4鈦合金過程,開發(fā)了力信號(hào)和位置信號(hào)同步采集系統(tǒng),采集了五種不同刀具磨損狀態(tài)下的力信號(hào),利用STFT算法對(duì)力信號(hào)進(jìn)行了特征提取。為了消除數(shù)據(jù)冗余和減小計(jì)算量,對(duì)提取的特征運(yùn)用LPP算法進(jìn)行了降維處理,將降維后的樣本特征向量輸入到 CRF模型中進(jìn)行模型訓(xùn)練和刀具磨損狀態(tài)監(jiān)測(cè),進(jìn)而利用交叉驗(yàn)證方法對(duì)

3、監(jiān)測(cè)模型進(jìn)行了優(yōu)化,提高了模型的穩(wěn)定性和可靠性。為了進(jìn)一步分析和評(píng)估 CRF模型的分類能力,本文在相同數(shù)據(jù)樣本下,與隱馬爾科夫模型(HMM)、反向傳播神經(jīng)網(wǎng)絡(luò)模型(BP)和支持向量機(jī)模型(SVM)分類方法進(jìn)行了比較,結(jié)果表明 CRF模型具有較高的識(shí)別率;最后統(tǒng)計(jì)了各個(gè)模型的運(yùn)行時(shí)間,CRF模型耗時(shí)最短,速度最快。
　　實(shí)驗(yàn)結(jié)果表明,CRF模型具有分類準(zhǔn)確度高、訓(xùn)練和測(cè)試速度快以及穩(wěn)定性好等特點(diǎn),很適合運(yùn)用于復(fù)雜刀具磨損狀態(tài)監(jiān)測(cè)中,