用于切削质量监控的批量工步质量一致性控制检测方法

摘要

一种用于切削质量监控的批量工步质量一致性控制检测方法，其技术方案要点是：使用声发射传感器和三向振动传感器监控每一工步的切削过程。基于切削过程声发射和振动信号偏离高斯分布程度与切削加工质量波动之间的耦合关系，进行各工步监控信号的双谱特征参数选择与计算、特征信息融合，获得批量切削过程各工步声发射和振动信号偏离高斯分布的程度，然后对双谱特征均值进行加权模糊聚类分析和评估分类，获得批量切削工步质量波动状况，并对加工质量进行分类研究，实现在线的批量切削工步质量一致性控制检测，也可为批量切削加工质量的人工检测提供理论依据。它可广泛应用于对大批量切削工步进行质量一致性监测。

说明书

技术领域

本发明涉及一种用于切削质量监控的批量工步质量一致性控制检测方法，属于切削质量监控领域。

背景技术

随着制造技术的发展，为了降低生产成本、减轻产品重量和提高零部件的可靠性，具有切削参数一致的，高精度批量切削工步整体零部件越来越多，对批量切削工步质量一致性控制与检测提出了更高的要求。研发新的批量切削工步质量一致性检测控制理论和方法，符合企业的迫切需求，对机械学科基础理论研究也具有重要意义。

近年来，基于多传感器信号的批量切削监控技术也迅速发展，尤其是国内外学者关于各种传感器信号与加工表面质量的相关研究，为在线监测与控制批量切削工步质量一致性提供了一条可行的途径。虽然目前直接将切削过程监控信号应用到批量切削工步质量一致性控制的理论研究还未见开展，但在切削过程监测中获得的多传感器信号，它反应了切削过程的各种状态特征，其中必定隐含着工步质量的相关信息。若能提出批量切削工步加工质量波动与监控信号特征变化的耦合机理，建立切削监控过程信号特征与工步质量表征参数间的映射关系，采用切削监控信号特征来评价工步质量，就可以解决批量切削工步加工质量一致性控制检测问题。

另一方面，随着传感器技术和切削监控理论的飞速发展，批量工步切削过程中可获得越来越多的监测数据，激增的数据背后隐藏着许多重要的信息。监控信号与切削质量特征之间是一种非线性映射，仅靠单一信号特征量无法可靠完成批量切削质量监控任务，同时多个传感器往往能够提供信息互补、信息量巨大的监控信号，通过对多传感器信号信息的数据挖掘可以最大限度地发挥多传感器的优势,利用信号特征融合技术进行信息综合处理，获得对被测对象一致性的可靠了解和解释，以利于切削质量监控系统做出正确的评估。

发明内容

本发明的目的是提供一种信号分析结果与物理检测结果吻合较好，方法可靠，实用性强的用于切削质量监控的批量工步质量一致性控制检测方法，既可实现在线的批量切削工步质量一致性控制检测，也可为批量切削加工质量的人工检测提供理论依据。

本发明解决其技术问题所采用的技术方案是：一种用于切削质量监控的用于切削质量监控的批量工步质量一致性控制检测方法，所述切削批量工步包括批量钻削、车削、铣削、磨削工步，它是通过对切削过程中的声发射和振动信号进行双谱数据聚类的批量工步质量一致性控制检测，即采用声发射传感器和三向振动传感器对批量切削过程进行监控，基于切削过程声发射和振动信号偏离高斯分布程度与切削加工质量波动之间的耦合关系，通过采用数据挖掘技术对各工步监测信号数据进行双谱特征参数分析、特征参数计算、特征信息融合，然后采用基于ReliefF算法的特征加权模糊聚类分析进行数据评估分类，获得批量切削过程中的各工步声发射和振动信号偏离高斯分布的程度，然后对双谱特征均值进行加权模糊聚类分析和评估分类，获得批量切削工步质量波动状况，并对加工质量进行分类比较，实现在线的批量切削工步质量一致性控制检测。

所述三向加速度振动传感器固定在工件上，所述声发射传感器安装在加工工件附近。

所述耦合关系是指在批量切削过程中，若工件材料均匀，切削状态平稳，各工步材料去除过程中的声发射和振动信号表现形式将会一致，若视该信号为一个随机过程，则信号总体上会呈现较强的规则性和平稳性，满足高斯分布或近似高斯分布，批量切削工步质量一致性较好；若切削过程异常，切削工步过程局部声发射和振动信号发生较大的突变，表现为一定的非平稳性，信号会偏离高斯分布，且偏离程度与切削工步质量成对应关系。

所述双谱特征参数包括信号的双谱估计、双谱切片和双谱均值。

所述双谱特征参数分析是采用双谱特征参数来分析批量切削工步信号偏离高斯分布的程度。

所述双谱特征均值进行加权模糊聚类分析和评估分类是指提取切削过程中多批次、多组传感器信号进行双谱估计，以各工步监测信号的双谱幅值均值、双谱切片为特征，对批量工步切削情况下信号偏离高斯分布的程度进行了定量分析，然后采用基于ReliefF算法的特征加权模糊聚类分析批量切削工步各信号的双谱幅值、均值，从而获得批量切削工步质量波动状况。

本发明的有益效果是：本发明是一种基于切削过程监控信号偏离高斯分布程度与切削加工质量波动之间的耦合关系，通过数据挖掘技术对各工步监测信号数据进行双谱特征分析、参数提取、特征信息融合、数据聚类以实现切削质量一致性检测与控制方法。应用数据挖掘技术解决了传统信号处理技术不能处理的海量数据问题，另外，偏离高斯分布的特征分析方法简单可靠，简化了复杂的分析过程。通过试验证明：信号分析结果与人工质量检测结果吻合，准确率高，实用性强。可以广泛应用于切削质量监控领域。

附图说明

图1是本发明的原理方框图。

图2是24组声发射均方差信号时域波形图。

图3是x轴加速度振动信号图。

图4是y轴加速度振动信号图。

图5是z轴加速度振动信号图。

图6是1号钻孔声发射信号双谱三维图。

图7是24组声发射信号双谱切片谱图。

图8是24组声发射信号双谱幅值均值图。

图9是三轴振动信号与声发射信号双谱均值特征融合图。

图10是模糊聚类分析结果图。

具体实施方式

下面结合附图和实施例对本发明做进一步详细说明。

本发明可针对切削工艺参数一致的批量钻削、车削、铣削、磨削等工步，以钻削试验为例。

实施例1，本发明提供一种用于切削质量监控的用于切削质量监控的批量工步质量一致性控制检测方法，所述切削批量工步包括批量钻削、车削、铣削、磨削工步，它是通过对切削过程中的声发射和振动信号进行双谱数据聚类的批量工步质量一致性控制检测，即采用声发射传感器和三向振动传感器对批量切削过程进行监控，基于切削过程声发射和振动信号偏离高斯分布程度与切削加工质量波动之间的耦合关系，通过采用数据挖掘技术对各工步监测信号数据进行双谱特征参数分析、特征参数计算、特征信息融合，然后采用基于ReliefF算法的特征加权模糊聚类分析进行数据评估分类，获得批量切削过程中的各工步声发射和振动信号偏离高斯分布的程度，然后对双谱特征均值进行加权模糊聚类分析和评估分类，获得批量切削工步质量波动状况，并对加工质量进行分类比较，实现在线的批量切削工步质量一致性控制检测。参阅图1至图10。

实施例2，所述三向加速度振动传感器固定在工件上，所述声发射传感器安装在加工工件附近。参阅图1至图10，其余同实施例1。

实施例3，所述耦合关系是指在批量切削过程中，若工件材料均匀，切削状态平稳，各工步材料去除过程中的声发射和振动信号表现形式将会一致，若视该信号为一个随机过程，则信号总体上会呈现较强的规则性和平稳性，满足高斯分布或近似高斯分布，批量切削工步质量一致性较好；若切削过程异常，切削工步过程局部声发射和振动信号发生较大的突变，表现为一定的非平稳性，信号会偏离高斯分布，且偏离程度与切削工步质量成对应关系。参阅图1至10，其余同上述实施例。

实施例4，所述双谱特征参数包括信号的双谱估计、双谱切片和双谱均值。参阅图1至10，其余同上述实施例。

实施例5，所述双谱特征参数分析是采用双谱特征参数来分析批量切削工步信号偏离高斯分布的程度。参阅图1至10，其余同上述实施例。

实施例6，所述双谱特征均值进行加权模糊聚类分析和评估分类是指提取切削过程中多批次、多组传感器信号进行双谱估计，以各工步监测信号的双谱幅值均值、双谱切片为特征，对批量工步切削情况下信号偏离高斯分布的程度进行了定量分析，然后采用基于ReliefF算法的特征加权模糊聚类分析批量切削工步各信号的双谱幅值、均值，从而获得批量切削工步质量波动状况。参阅图1至10，其余同上述实施例。

实施例7，具体过程如下：

如附图1所示，此图为本发明基于监控信号双谱特征数据聚类的批量切削工步质量一致性控制方法的原理图：通过声发射传感器、三向加速度振动传感器对切削过程进行监控，采集数据，选取多组切削参数相同的试验数据，做好数据准备，然后基于切削过程声发射和振动信号偏离高斯分布程度与切削加工质量波动之间的耦合关系，通过数据挖掘技术对各工步监测信号数据进行双谱特征偏离高斯分布定量分析、特征参数计算、特征信息融合，最后采用基于ReliefF算法的特征加权模糊聚类分析进行数据评估分类，从而实现批量切削质量一致性控制检测。

如附图2、3、4、5所示，它们分别为声发射传感器采集的声发射信号以及三向加速度振动传感采集的x轴向、y轴向、z轴向的加速度振动信号，为数据挖掘做好准备。三向加速度振动传感器固定在工件上，主要用于检测钻削过程中工件的振动状态。声发射传感器固定在工件附近，主要用于检测钻削过程声发射信号。由于声发射信号主要来源于主剪切区的位错、工件材料的开裂以及切屑的折断与撞击，因此，在不影响钻削加工的前提下，声发射传感器的安装应尽可能靠近工件，也可将声发射传感器的安装在工件上。

通过数据挖掘技术对各工步监测信号数据进行双谱特征偏离高斯分布定量分析、参数提取、特征信息融合。如附图6所示，此图为1号钻孔声发射信号双谱估计图。其频率轴采用频率点数表示。由图可知，此信号双谱能量集中于低频部分，双谱幅值存在但近似为0，其极值约为                                                ，说明此信号以高斯信号为主，近似满足高斯分布。依此可获得单个钻孔声发射信号偏离高斯分布的直观解释。

如附图7所示，此图为24组声发射信号双谱切片谱图。为了表达直观、降低双谱估计的运算量，采用双谱对角切片谱，用一条直线上元素来反映整个双谱矩阵，将双谱三维图转为以为频率空间表示，定性分析各钻孔声发射信号偏离高斯分布的程度。

如附图8所示，此图为24组声发射信号双谱幅值均值图，定量描述批量钻削过程中声发射信号偏离高斯分布的程度。

如附图9所示，此图为钻削过程中多组传感器信号的双谱均值图。为了解决批量钻削质量中单一传感器信号双谱特征可能会产生误判的问题，我们将多组传感器监测信号进行特征融合，可直观、准确地反映钻削过程中监测信号偏离高斯分布的程度，建立监测信号偏离高斯分布的程度与切削加工质量波动之间的耦合关系，并与人工检测比对可知：第23、24号钻孔加工质量不合格，其过程检测信号双谱幅值均值明显偏大，偏离高斯分布，第1~8号、10号以及12~18号钻孔加工质量良好，其过程监测信号双谱幅值均值几乎为零近似满足高斯分布。试验证明此方法可准确、可靠地对批量钻孔质量进行质量一致性研究。

本发明最后采用模糊C-均值算法对钻削过程监测信号双谱特征数据进行聚类，考虑到经典的FCM算法假定所有数据特征对分类的贡献一样，而实际应用中，构成样本特征矢量的各维特征来自不同的传感器，其精度及可靠性等均存在差异，且不同特征与钻削实际状况的相关度、敏感度等也不同，可能导致分类结果不符合实际要求。因此，本发明采用基于ReliefF加权的批量切削信号特征模糊聚类方法。如附图10所示，此图为对24组切削参数进行基于ReliefF加权的双谱特征模糊聚分析图，将24组参数分为三类，其中每一类中钻削序号与人工检测的结果吻合，加权后模糊聚类结果准确。参阅图1至10，其余同上述实施例。