基于声发射信号的带材剪切刀具磨损在线监测方法

作     者：李令 阎秋生 李锴 朱超睿 LI Ling;YAN Qiu-sheng;LI Kai;ZHU Chao-rui

作者机构：广东工业大学机电工程学院广东广州510006 

出 版 物：《机电工程》 (Journal of Mechanical & Electrical Engineering)

年 卷 期：2023年第40卷第7期

页      面：1102-1111页

学科分类：08[工学] 080203[工学-机械设计及理论] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金资助项目(51575112)。 

主　　题：声发射监测设备 铁基纳米晶合金 特征选择与降维 主成分分析 支持向量机 ReliefF算法 

摘      要：在铁基纳米晶合金带材剪切加工过程中,其刀具的状态对于保证加工质量至关重要。针对铁基纳米晶合金带材剪切加工过程中的刀具磨损状态监测问题,提出了一种基于声发射信号的剪切刀具磨损在线监测方法。首先,通过搭建声发射监测设备确定了相应的参数,采集原始声发射信号进行了预处理,得到了剪切加工阶段的信号,将其用于后续处理;然后,分析了剪切刀具磨损以及带材质量随剪切加工过程变化的关系,并根据剪切加工过程中获取的声发射信号,进行了时域、频域、时频域特征提取,分析了获得的特征与刀具磨损之间的关系,利用ReliefF和主成分分析(PCA)算法进行了特征选择与降维处理,得到了具有良好相关性的特征;最后,基于所选特征,构建了支持向量机(SVM)人工智能模型,用以识别剪切刀具的磨损阶段。研究结果表明:随着刀具磨损的加剧,带材质量下降,声发射信号特征值与刀具磨损存在对应关系;采用ReliefF-PCA-SVM模型能够实现95.56%的分类准确率,能够有效地对剪切加工过程中的刀具磨损进行在线监测。