基于时序分析与模糊聚类的铣削刀具磨损状态识别
STATE RECOGNITION OF MILLING TOOL WEAR BASED ON TIME SERIES ANALYSIS AND FUZZY CLUSTER作者机构:西安交通大学机械工程学院西安710049 兰州工业高等专科学校机械工程系兰州730050
出 版 物:《机械强度》 (Journal of Mechanical Strength)
年 卷 期:2007年第29卷第4期
页 面:525-531页
核心收录:
学科分类:08[工学] 080202[工学-机械电子工程] 0805[工学-材料科学与工程(可授工学、理学学位)] 0802[工学-机械工程] 0701[理学-数学] 0801[工学-力学(可授工学、理学学位)] 0812[工学-计算机科学与技术(可授工学、理学学位)] 080201[工学-机械制造及其自动化]
摘 要:对XKA714数控铣床采集的刀具运行状态振动信号进行计算、检验、分析样本自相关函数和样本偏相关函数的截尾性、拖尾性和周期性以及模型参数估计等时间序列相关分析,可判断动态数据序列适于AR(p)(autoregression)模型。以阶数p取12的模型参数作为特征向量提取,并采用模糊聚类分析方法确定刀具运行状态特征向量样本的亲疏关系,实现对铣削刀具的初期磨损阶段、正常磨损阶段和剧烈磨损阶段运行状态的识别。研究结果表明,基于时间序列分析与模糊聚类分析相结合的识别方法可以用于刀具磨损运行状态识别。