基于协整建模的刀具磨损监测方法

文档序号:3049559阅读:208来源:国知局
专利名称:基于协整建模的刀具磨损监测方法
技术领域
本发明属于刀具磨损监测领域,本发明涉及一种基于协整建模的刀具磨损监测方法。
背景技术
工件在切削加工的过程中,刀具会有所磨损,刀具的磨损会引起刀具的几何形状发生变化,从而加工工件就会产生尺寸偏差,还会影响工件的加工质量。为了避免工件的偏差过大,提高加工质量,需要对刀具的磨损量进行监测,根据监测结果来确定是不是要换刀。常用的监测刀具磨损的方法可分为直接监测法和间接监测法。直接监测法即直接测量后刀面磨损带中间部分的平均磨损量;间接监测法则是通过测量与刀具磨损有关的物理量如切削力、声发射等,并建立这些物理量与刀具磨损的对应关系,从而实现对刀具磨损的间接监测。间接监测法常用的是选取切削分力的比值及比值的变化作为判别特征量,一旦这两个特征量超过某一阈值,即可认为刀具已经磨损。但在实际监测时,由于振动和随机噪声的干扰,采用该方法判断刀具磨损容易出错,造成误判;而且由于刀具的正常磨损与异常磨损之间的界限具有一定不确定性,因此预先确定阈值较为困难,必须根据经验和进行较多试验后才能确定,且在不同的场合阈值并不稳定。

发明内容
针对上述现有技术,为了对刀具的磨损状态做出准确的监测,降低由刀具磨损引起的加工工件的尺寸偏差和加工质量的缺陷,本发明提供一种基于协整建模的刀具磨损监测方法,通过建立刀具磨损量与提取的力信号特征之间的协整关系模型,然后利用切削力信号的各个特征时间序列对刀具的磨损量做出预测。为了解决上述技术问题,本发明基于协整建模的刀具磨损监测方法予以实现的技术方案是在利用刀具进行多次切削过程中,对刀具进行磨损监测,其步骤包括步骤一、力信号采集,对采集的信号进行多种特征提取;步骤二、通过相关系数矩阵初步确定与刀具磨损量w有共同趋势的特征时间序列;步骤三、对各个特征时间序列进行ADF检验,确定各时间序列是否为一阶单整,对是I (1)的特征时间序列进行协整分析;其中,如果一个时间序列的均值或自协方差函数随时间而改变,那么这个序列就是非平稳时间序列;随机过程{yt,t = 1,2,3···},若Yt = P Yt-!+ ε t(3)公式O)中P=I, ε t 为一稳定过程,且 Ε( ε t) = 0,Cov( ε t, ε t_s) = “1< ,这里8 = 0,1,2···,则该过程为单位根过程;若单位根过程经过一阶差分成为平稳过程,即Yt-Yt^1 = (I-B) yt = ε t(3)则时间序列yt称为一阶单整序列,记作1(1),公式(3)中yt-随机非平稳时间序列;B-任意常数系数;ε t-某一个平稳时间序列;步骤四、对各个特征时间序列进行Johansen检验,确定协整阶数R及相应的系数和协整矩阵β ;步骤五、根据协整系数建立新息变量的协整关系表达式;步骤六、对新息变量进行ADF检验,并且取经检验平稳的新息变量值比较小的模型作为最优的协整模型;至此,建立刀具磨损量w与提取的力信号特征之间的协整关系模型,经过对新息变量的平稳性检验验证上述协整模型的正确性,通过上述特征的变化规律判断刀具的磨损量,从而达到对刀具磨损监测的目的。与现有技术相比,本发明的有益效果是现有的刀具磨损监测方法大都只是辨别刀具的磨损状况,而不能准确的监测出刀具具体的磨损量,而本发明是基于协整建模的刀具磨损监测方法,是一种通过测力传感器测量切削过程中的力信号,对信号进行多种特征提取,利用协整建模的方法建立刀具磨损量和信号特征之间的变化规律模型,通过分析信号特征就可以准确知道刀具的磨损状况的方法。本发明可以对刀具的磨损量做出准确的预测。由于本发明是基于协整建模的刀具磨损监测方法,利用协整建模分析,只是对信号进行时域上的简单提取,避免的对信号的复杂处理,此方法简单、快捷。通过建立协整模型,可以很明显的找出切削力信号提取的特征与刀具磨损量之间的变化关系,可以通过建立的模型对刀具的磨损量做出准确的预测。


图1是本发明基于协整建模的刀具磨损监测方法的进行步骤流程图;图2是本发明监测方法提取的切削力分量的最大值时间序列图;图3是本发明监测方法提取的切削力分量的均方根时间序列图;图4是本发明监测方法新息变量η的ADF检验结果图;图5是本发明监测方法预测刀具磨损量W/与实际刀具磨损量W的比较图。
具体实施例方式本发明基于协整建模的刀具磨损监测方法,通过采集刀具切削信号,提取信号的特征,来发掘刀具磨损状态与所提取的特征之间的内在相对稳定的规律,从而达到通过分析信号的提取特征就可以准确预测刀具磨损量的方法;本发明中,把经济学中的协整理论应用到刀具磨损监测中,根据协整理论建立刀具磨损量与信号特征时间序列的刀具磨损协整模型,对建立的协整模型进行检验分析,确定最优模型,通过建立刀具磨损量与信号特征时间序列的模型关系,对刀具磨损量进行准确的预测。下面结合具体实施方式
对本发明作进一步详细地描述。如图1所示,本发明一种基于协整建模的刀具磨损监测方法,是在利用刀具进行多次切削过程中,对刀具进行磨损监测,其步骤包括步骤一、力信号采集,对采集的信号进行多种特征提取(最大值、均方根)。利用力传感器采集切削过程中的信号,并将该信号进行存储;对所采集的信号进行处理,提取出切削力各分力信号特征,其中,包括切削力各分力的最大值及均方根;然后得到X方向最大值、X方向均方根、y方向最大值、y方向均方根、Z方向最大值、Z方向均方根的时间序列,如图2和图3所示;切削后,对切削过程中刀具的磨损量进行测量,得到刀具磨损量的时间序列《。步骤二、通过相关系数矩阵初步确定与刀具磨损量W有共同趋势的特征时间序列。通过矩阵分析,比较上述步骤一中切削力各分力信号特征与刀具磨损量时间序列 w的相关系数r,初步选出与刀具磨损量时间序列w相关系数比较大的信号分力特征的时间序列;相关系数r是反映时间序列χ和时间序列y之间的指标,相关系数r的计算公式为
权利要求
1.一种基于协整建模的刀具磨损监测方法,其特征在于在利用刀具进行多次切削过程中,对刀具进行磨损监测,其步骤包括步骤一、力信号采集,对采集的信号进行多种特征提取;步骤二、通过相关系数矩阵初步确定与刀具磨损量w有共同趋势的特征时间序列; 步骤三、对各个特征时间序列进行ADF检验,确定各时间序列是否为一阶单整,对是 I(I)的特征时间序列进行协整分析;其中,如果一个时间序列的均值或自协方差函数随时间而改变,那么这个序列就是非平稳时间序列;随机过程{yt,t = 1,2,3···}, 若Yt = P Yt-I+ ε t(2)公式(2)中ρ = 1,ε t 为一稳定过程,且 Ε( ε t) =0,Cov( ε t, ε t_s) = μt<∝,这里8 = 0,1, 2···,则该过程为单位根过程; 若单位根过程经过一阶差分成为平稳过程,即 Yt-Yt-i = (I-B)Yt = ε t (3)则时间序列It称为一阶单整序列,记作I⑴,公式(3)中 It-随机非平稳时间序列; B-任意常数系数; ε t_某一个平稳时间序列;步骤四、对各个特征时间序列进行Johansen检验,确定协整阶数R及相应的系数和协整矩阵β ;步骤五、根据协整系数建立新息变量的协整关系表达式;步骤六、对新息变量进行ADF检验,并且取经检验平稳的新息变量值比较小的模型作为最优的协整模型;至此,建立刀具磨损量w与提取的力信号特征之间的协整关系模型,经过对新息变量的平稳性检验验证上述协整模型的正确性,通过上述特征的变化规律判断刀具的磨损量, 从而达到对刀具磨损监测的目的。
2.根据权利要求1所述基于协整建模的刀具磨损监测方法,其特征在于所述步骤一更进一步讲是利用力传感器采集切削过程中的信号,并将该信号进行存储;对所采集的信号进行处理,提取出切削力各分力信号特征,其中,包括切削力各分力的最大值及均方根;然后得到χ方向最大值、χ方向均方根、y方向最大值、y方向均方根、ζ方向最大值、ζ 方向均方根的时间序列;切削后,对切削过程中刀具磨损量w进行测量,得到刀具磨损量的时间序列W。
3.根据权利要求2所述基于协整建模的刀具磨损监测方法,其特征在于所述步骤二更进一步讲是通过相关系数矩阵分析,比较上述步骤一中切削力各分力信号特征与刀具磨损量的时间序列w的相关系数r,初步选出与刀具磨损量的时间序列w相关系数比较大的信号分力特征的时间序列;相关系数r是反映时间序列χ和时间序列y之间的指标,相关系数r的计算公式为
4.根据权利要求3所述基于协整建模的刀具磨损监测方法,其特征在于所述步骤三更进一步讲是为了减弱异方差性,消弱异常值的影响对时间序列在进行ADF检验之前取以10为底的对数,在进行协整检验之前,对建模的时间序列进行ADF检验,检验模型中的各时间序列是否满足协整检验的要求;选择与磨损量的时间序列相关系数较大的时间序列作为选定的各时间序列,对选定的各时间序列和其一阶差分变量进行ADF检验;各时间序列AR模型的滞后期根据AIC和SC 取值最小的原则进行计算,临界值为5% ADF值;经过一阶差分后,得出时间序列的平稳性检验结果。
5.根据权利要求4所述基于协整建模的刀具磨损监测方法,其特征在于所述步骤四更进一步讲是在5%的临界水平上,设1 ;同时,得到相应的经过归一化后的协整向量 》及常数项e。
6.根据权利要求5所述基于协整建模的刀具磨损监测方法,其特征在于所述步骤五更进一步讲是根据协整系数建立新息变量的协整关系表达式,由Johansen检验方法计算得到的协整关系个数及各模型的矩阵,建立模型的协整方程,即 4)公式⑷中〃-对新息变量n的最大似然估计; 》τ-协整矩阵β的最大似然估计的转置矩阵; χ-参与协整检验的时间序列向量; e-经过归一化后的常数项。
7.根据权利要求6所述基于协整建模的刀具磨损监测方法,其特征在于所述步骤六更进一步讲是将上述所得的最大似然矩阵》、各个时间序列及常数e代入公式G),利用统计学软件Eviews可得到模型的新息变量η,即对新息变量η进行ADF检验,并且取经检验平稳的新息变量值比较小的模型作为最优的协整模型;由于》矩阵的值不唯一,因此得到多个新息变量n,对所述的多个新息变量η进行ADF 检验,并选择ADF统计量最小的新息变量对应的协整方程作为模型的监测模型。
全文摘要
本发明公开了一种基于协整建模的刀具磨损监测方法,通过刀具切削实验,提取出切削力信号的多个特征,用相关系数矩阵初步选定与刀具磨损量有相同趋势的特征时间序列,对各个选定的特征时间序列进行ADF检验判断是否为I(1),在保证各个选定的特征时间序列都是I(1)后再进行协整性分析,求出特征值及协整矩阵β,然后进行Johansen检验,以确定协整阶数r及相关协整系数,根据协整系数建立新息变量的协整关系表达式,通过比较表达式的计算值确定最佳的协整模型,对确定的新息变量进行ADF检验,如果新息变量平稳,则所建协整模型正确,进而利用模型可以对刀具的磨损量做出预测。本发明可以对刀具的磨损状态做出准确的监测,降低由刀具磨损引起的加工工件的尺寸偏差。
文档编号B23Q17/09GK102152172SQ20111004506
公开日2011年8月17日 申请日期2011年2月24日 优先权日2011年2月24日
发明者冯晓亮, 崔银虎, 王国锋 申请人:天津大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1