技術(shù)文章
840D系統(tǒng)龍門加工中心深孔鉆削時(shí)刀具過載保護(hù)的研究
閱讀:292 發(fā)布時(shí)間:2020-8-11數(shù)控龍門加工中心有很多優(yōu)點(diǎn),例如性能*,結(jié)構(gòu)簡單,剛性好,加工效率高,操作方便等,所以在機(jī)械制造領(lǐng)域,龍門加工中心應(yīng)用非常廣泛。轉(zhuǎn)向架是軌道客車上的一個(gè)重要部件,其上有很多深孔,我們用數(shù)控龍門加工中心加工深孔時(shí),經(jīng)常出現(xiàn)刀具折斷。經(jīng)過分析得出,造成刀具折斷的原因是在深孔加工過程中, 由于刀桿的直徑小,長度大,剛性差,強(qiáng)度低,所以鉆削時(shí)刀桿會(huì)產(chǎn)生振動(dòng),就很容易折斷。另外在深孔鉆削過程中,必然會(huì)出現(xiàn)排屑困難,又因?yàn)槔鋮s液難以輸入到切削區(qū),所以導(dǎo)致切屑纏繞在刀具上和切削溫度升高,長時(shí)間加工會(huì)使刀具的扭矩增大,終會(huì)導(dǎo)致刀具折斷,工件報(bào)廢,有時(shí)會(huì)傷及操作人員,造成嚴(yán)重的安全問題。所以,為了保證順利完成深孔鉆削和加工質(zhì)量,必須研究一套刀具過載保護(hù)系統(tǒng),能夠使機(jī)床在刀具折斷之前主動(dòng)停機(jī),避免刀具和工件損壞,從而降低加工成本和提高加工效率。
經(jīng)過多次現(xiàn)場試驗(yàn)發(fā)現(xiàn),刀具折斷時(shí)刀桿扭矩會(huì)突然增大導(dǎo)致機(jī)床主軸電機(jī)的功率增大,所以我們可以采集主軸電機(jī)的 功率信號(hào),用小波算法提取功率信號(hào)特征參數(shù),建立刀具狀態(tài) 監(jiān)測系統(tǒng),使在刀具過載之前,機(jī)床主動(dòng)報(bào)警和停機(jī),避免了刀 具折斷。
1 總體方案設(shè)計(jì)
圖 1 刀具過載保護(hù)系統(tǒng)結(jié)構(gòu)示意圖
刀具過載保護(hù)系統(tǒng)采集到機(jī)床主軸功率的模擬量數(shù)據(jù),則 可以實(shí)時(shí)監(jiān)測機(jī)床主軸功率的變化。監(jiān)測系統(tǒng)對(duì)于不同的刀 具、工件和切削用量,設(shè)定了不同的閾值。當(dāng)功率達(dá)到一定數(shù)值 時(shí),就可以判斷刀具處于過載狀態(tài),此時(shí)過載保護(hù)系統(tǒng)向 PLC 發(fā)出報(bào)警和停機(jī)信號(hào),PLC 會(huì)命令 840D 系統(tǒng)執(zhí)行自動(dòng)退刀和停機(jī)的數(shù)控加工程序,刀架自動(dòng)退出,機(jī)床自動(dòng)停止運(yùn)轉(zhuǎn),避免 了刀具折斷。
2 信號(hào)的采集方式
840D 數(shù)控系統(tǒng)機(jī)床內(nèi)部有很多開放式的通用的軟硬件接口,功率相關(guān)信息的采集可通過設(shè)置 840D 的工作參數(shù),在 PLC上可以檢出來刀具在切削工件時(shí)主軸產(chǎn)生的 i(t)和 u(t)信號(hào),i(t)和 u(t)信號(hào)經(jīng)過 lowpass 后分別進(jìn)行檢測到的主軸產(chǎn)生的 i(t)和u(t)信號(hào)波形變換、整形,即可獲得兩個(gè)可調(diào)節(jié)的方波脈沖和直 流電平信號(hào)。兩個(gè)方波和直流信號(hào)經(jīng)過 A/D 轉(zhuǎn)換器后變成數(shù)字信號(hào),后在終端的 CPU 得到主軸電機(jī)的功率值。
3 信號(hào)的處理方式
3.1 我們采集了大量的功率功率信號(hào),之后用 matlab 軟件處理了采集到的數(shù)據(jù)得到了功率變化(圖 2)和功率信號(hào)頻譜分析變化(圖 3),從這些變化中可以看出功率信號(hào)中包含脈沖干擾信號(hào)和非平穩(wěn)隨機(jī)噪聲,從中可以看出功率信號(hào)中含有很多低 頻成分的信號(hào),這些干擾信號(hào)會(huì)降低刀具狀態(tài)數(shù)據(jù)的準(zhǔn)確性和 可靠性,所以必須處理掉這些干擾信號(hào),才能準(zhǔn)確地判斷刀具的 切削狀態(tài)。
圖 2 圖 3
我們采用基于小波包的防脈沖干擾滑動(dòng)平均消噪法來消除干擾信號(hào)和隨機(jī)噪聲。這種新的方法可以消除兩種干擾信號(hào), 且處理過的信號(hào)中仍然保留了原始信號(hào)的信號(hào)特征。
通過對(duì)比可以發(fā)現(xiàn)利用這種新的方法去除了兩種干擾信 號(hào),并且保留了原始信號(hào)中有用的信息。
3.2 刀具狀態(tài)信號(hào)特征提取
經(jīng)過處理的數(shù)據(jù)其數(shù)量非常龐大和分散,并且包含很多無用的信息,所以我們只需從這些數(shù)據(jù)中提取那些能真實(shí)反映刀 具切削狀態(tài)的特征參數(shù)。在本文中,我們選擇基于小波變換的 功率信號(hào)提取方法。小波變換是一種時(shí)頻分析工具,利用這種 方法提取刀具在正常磨損、嚴(yán)重磨損、崩刃三種狀態(tài)下的功率信 號(hào)的特征參數(shù)。我們用 Mallat 算法對(duì)采集到的信號(hào)進(jìn)行小波分解和重構(gòu)。
綜合以上各式,功率信號(hào)特征向量可以構(gòu)造成:
T = [E , K ]K (i = 1, 2, 3, 4, 5, 6, 7)
由xik 可以羅列出各個(gè)重構(gòu)信號(hào)的幅值,將這些幅值計(jì)算公式中就可以計(jì)算出刀具在正常磨損、嚴(yán)重磨損、崩刃狀態(tài)下各層小波系數(shù)的能量和峭度。通過觀察這組數(shù)值發(fā)現(xiàn):在d5,d6,a6 構(gòu)成的頻段中,能量隨著刀具的磨損量成比例增大,因此我們選用特征向量來表征刀具的切削狀態(tài)。
5 刀具狀態(tài)的識(shí)別
我們選用RBF 神經(jīng)網(wǎng)絡(luò)來建立模型。利用此模型可以在特征參數(shù)與刀具切削狀態(tài)之間建立映射關(guān)系,通過特征參數(shù)就能 判斷出刀具的切削狀態(tài)。一個(gè) RBF 網(wǎng)絡(luò)包括隱含層的層數(shù)、神經(jīng)元個(gè)數(shù)和激活函數(shù)、訓(xùn)練算法等。根據(jù)深孔鉆削的特點(diǎn),我們 設(shè)計(jì)RBF 網(wǎng)絡(luò)結(jié)構(gòu)。其中,中間層為單隱層,隱含層的轉(zhuǎn)換函數(shù)為 Sigmoid 函數(shù),輸出層的轉(zhuǎn)換函數(shù)為線性激活函數(shù),R 為輸入特征向量的維數(shù),S1 為隱層神經(jīng)元數(shù),S2 為輸出層神經(jīng)元數(shù)。
用下面公式來確定隱含層節(jié)點(diǎn)數(shù)量:
上式中,m 代表輸入節(jié)點(diǎn)數(shù)目;n 代表輸出節(jié)點(diǎn)數(shù)目
根據(jù)前面的研究結(jié)果,我們選用頻帶能量特征向量作為表征刀具磨損狀態(tài)的特征向量。特征向量確定了之后,輸入特征 向量,通過觀察 RBF 網(wǎng)絡(luò)的訓(xùn)練結(jié)果,我們發(fā)現(xiàn)隱含層節(jié)點(diǎn)數(shù)為 4 時(shí),RBF 神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果的誤差小,所以我們決定選用隱層節(jié)點(diǎn)數(shù)為 4 的 RBF 神經(jīng)網(wǎng)絡(luò)來識(shí)別刀具狀態(tài),這時(shí)向其中輸入一個(gè)特征向量,就能獲得一個(gè)反映刀具狀態(tài)的實(shí)際輸出 值。后,為了減小誤差,需要把實(shí)際的輸出向量元素轉(zhuǎn)化成標(biāo) 準(zhǔn)的輸出向量元素,標(biāo)準(zhǔn)輸出向量的元素是 0 或者 1。終我們是用標(biāo)準(zhǔn)的輸出量來判斷刀具的實(shí)際狀態(tài)。已經(jīng)建立的 RBF 網(wǎng)絡(luò)模型,其標(biāo)準(zhǔn)輸出是一個(gè)的矩陣,所以假設(shè)網(wǎng)絡(luò)的實(shí)際輸出是,轉(zhuǎn)化之后的輸出為,其中,函數(shù)命令表示取值,表示極限在 閾值。根據(jù)已有的數(shù)據(jù),我們可以計(jì)算出實(shí)際輸出和理想輸出的均方根。令oi = 36作為極限閾值,極限閾值為o = 0.014,o = 0.025, o = 0.038 ,這時(shí)我們就可以對(duì)特征參數(shù)的實(shí)際輸出值進(jìn)行標(biāo)準(zhǔn)化。
6 刀具過載保護(hù)
我們得到了表征刀具在三種切削狀態(tài)下的標(biāo)準(zhǔn)化的特征向量。當(dāng)?shù)毒哒Dp時(shí);當(dāng)?shù)毒叱霈F(xiàn)嚴(yán)重磨損時(shí);當(dāng)?shù)毒甙l(fā)生崩 刃時(shí);根據(jù)這三個(gè)特征向量,我們編寫了刀具過載保護(hù)的 PLC 程序。
結(jié)束語
本文通過研究 840D 數(shù)控系統(tǒng)和深孔鉆削的特點(diǎn),做出了一套基于功率信號(hào)的刀具過載保護(hù)系統(tǒng)。采集了機(jī)床主軸的功 率信號(hào),運(yùn)用小波算法對(duì)功率信號(hào)做了消噪處理,運(yùn)用 Mallat 算法對(duì)處理后信號(hào)進(jìn)行小波分解和重構(gòu),提取了反映刀具切削狀態(tài)的特征參數(shù),進(jìn)而建立了基于 RBF 神經(jīng)網(wǎng)絡(luò)的刀具狀態(tài)監(jiān)測系統(tǒng),后根據(jù)識(shí)別結(jié)果編寫了 PLC 程序,開發(fā)出了一套刀具過載保護(hù)控制系統(tǒng)。