复杂曲面加工过程中铣刀状态在线监测与预警方法

摘要

本发明提供了一种复杂曲面加工过程中铣刀状态在线监测与预警方法，属于设备故障诊断领域。本发明在验证了铣削力与刀柄振动电涡流位移信号之间存在线性关系的基础上，以三向加速度传感器测得的机床主轴端部X、Y方向的加速度信号的二次频域积分作为刀柄振动位移信号，提取积分位移信号中的基频及其谐波信号作为监测信号，一方面克服了曲面加工中直接通过电涡流位移传感器进行位移检测的种种弊端，另一方面可以有效去除干扰信号的影响；运用时域同步平均累积量对监测信号做进一步处理，然后利用特征量定量刻画同步平均累积量波形，依据特征值变化实现对铣刀状态的监测。

主权项

一种复杂曲面加工过程中铣刀状态在线监测与预警方法，其特征在于，步骤如下：步骤A.在线获取加速度信号阶段：将三向加速度传感器固定于机床主轴端部，标定至三向加速度传感器测量方向与铣刀刀柄振动X方向和Y方向完全重合，三向加速度传感器用于测量铣刀刀柄振动X方向和Y方向的加速度信号；步骤B.加速度信号转换为监测信号阶段：步骤A获取的铣刀刀柄振动X方向和Y方向的加速度信号，监测信号是铣刀刀柄振动的位移信号，对步骤A获取的铣刀刀柄振动X方向和Y方向的加速度信号进行二次积分转化为位移信号，表示铣刀刀柄振动位移；利用傅立叶变换FFT对位移信号进行频谱分析，滤除其他频率信号只保留基频及其谐波成分，再利用逆傅立叶变换IFFT将滤波后的信号变回时域信号作为监测信号；步骤C.监测信号在线处理阶段：用时域同步平均累积量法对铣刀刀柄振动的监测信号做进一步处理，增强监测信号的可靠性和稳定性；时域同步平均累积量法对铣刀刀柄振动监测信号进行处理过程如下：设旋转机械的振动信号是x_t，旋转频率为f₀，采样间隔是Δ，振动信号对应的离散信号是x_t＝x(nΔ)，将振动信号按照旋转频率f₀提取对应的振动信号，设将x_n截取为P段，那么每一段的周期是假设每段的采样点数相等且值是N，同步平均用下式表示：${\bar{x}}_n=\frac{1}{P}\underset{P=0}{\overset{P-1}{\Sigma }}{x}_{n+PN}---\left(1\right)$基于时域同步平均的算法原理，结合统计学累积量的计算公式，推导出时域同步平均累积量的计算公式，推导出的一阶、二阶时域同步平均累积量公式如下所示：一阶累积量：二阶累积量：步骤D.刀具状态在线判断阶段：铣刀破损前后，刀柄振动位移的时域同步平均累积量的信号波形存在很大差异，利用时域指标定量刻画累积量波形，波形不同相应时域指标值存在差异，将时域指标作为特征量，根据刀具破损前后指标值的差异实现刀具状态监测，采用方差、偏斜度、峭度值、绝对均值和有效值作为特征量刻画信号波形，其中，方差用于描述信号波形的离散程度，偏斜度用于描述数据的偏斜方向及程度，峭度值对冲击信号特别敏感，绝对均值体现整体幅值大小，各时域指标对应公式如下：方差：偏斜度：峭度值：绝对值均值：有效值：其中y_i代表一阶、二阶同步平均累积量，为一阶、二阶同步平均累积量均值。