錢桃林，高宏力，李輔翼，王 勇

(西南交通大學(xué) 機(jī)械工程學(xué)院，成都 610031)

基于EMD和ADS的刀具磨損在線監(jiān)控系統(tǒng)開發(fā)

錢桃林，高宏力，李輔翼，王 勇

(西南交通大學(xué) 機(jī)械工程學(xué)院，成都 610031)

為實(shí)現(xiàn)刀具磨損狀態(tài)準(zhǔn)確快速的識(shí)別，開發(fā)了一套基于自動(dòng)化設(shè)備規(guī)范(ADS)通信技術(shù)和經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)的刀具狀態(tài)在線監(jiān)控系統(tǒng)。運(yùn)用EMD將振動(dòng)信號(hào)分解成多個(gè)固有模態(tài)函數(shù)分量(IMF)，綜合使用相關(guān)系數(shù)法以及能量值法篩選了前6階IMF分量的均方根值作為監(jiān)測(cè)特征，然后將監(jiān)測(cè)特征作為支持向量機(jī)的輸入，建立監(jiān)測(cè)特征與刀具磨損狀態(tài)的關(guān)系模型。加工中的一定長(zhǎng)度的振動(dòng)數(shù)據(jù)經(jīng)ADS技術(shù)傳輸?shù)浇⒑玫闹С窒蛄繖C(jī)(SVM)模型中，完成刀具狀態(tài)的識(shí)別。使用TwinCAT和Matlab實(shí)現(xiàn)了整套系統(tǒng)的功能。經(jīng)試驗(yàn)驗(yàn)證，刀具監(jiān)控系統(tǒng)運(yùn)行穩(wěn)定，能對(duì)刀具狀態(tài)進(jìn)行準(zhǔn)確快速的判斷。

自動(dòng)化設(shè)備規(guī)范；刀具磨損狀態(tài)；經(jīng)驗(yàn)?zāi)B(tài)分解；支持向量機(jī)

0 引言

由于刀具直接參與切削，其磨損狀態(tài)的變化會(huì)直接導(dǎo)致切削力增加、切削溫度增加、工件表面粗糙度上升、切削顫振，甚至導(dǎo)致工件或者刀具的損壞[1]。所以能夠準(zhǔn)確且快速的監(jiān)控刀具的狀態(tài)就顯得尤為重要。

刀具狀態(tài)監(jiān)測(cè)分為直接監(jiān)測(cè)和間接監(jiān)測(cè)兩類[2]，直接監(jiān)測(cè)是借助顯微鏡、攝像機(jī)等工具直接測(cè)量刀具磨損帶寬度。間接監(jiān)測(cè)則是采集加工中的切削力、振動(dòng)、聲發(fā)射、電流、溫度等監(jiān)測(cè)信號(hào)，建立信號(hào)和刀具磨損量之間的數(shù)學(xué)模型。在切削過程中，刀具和工件直接接觸，無法直接通過儀器測(cè)量磨損帶寬度，需在停止切削的狀態(tài)下進(jìn)行，這就嚴(yán)重影響加工效率，而間接測(cè)量就不存在這個(gè)問題，所以采用間接測(cè)量的方法進(jìn)行刀具狀態(tài)在線監(jiān)測(cè)。

間接監(jiān)測(cè)可供選擇的信號(hào)眾多，其中振動(dòng)信號(hào)易于檢測(cè)、靈敏度高，且包含了豐富的與刀具磨損相關(guān)的信息[2]。并且隨著刀具的磨損量的增大，刀具和工件之間摩擦產(chǎn)生的振動(dòng)信號(hào)能量分布不盡相同?；诖?，對(duì)振動(dòng)信號(hào)進(jìn)行特征提取和模式識(shí)別建立了刀具狀態(tài)識(shí)別模型。

要實(shí)現(xiàn)刀具磨損狀態(tài)準(zhǔn)確快速的識(shí)別需要不斷優(yōu)化模式識(shí)別算法和數(shù)據(jù)傳輸速度,采用振鈴計(jì)數(shù)的方法[3]，雖然能提高識(shí)別速度，但是未能完全利用振動(dòng)數(shù)據(jù)，結(jié)論有一定片面性，采用Labview和Matlab混合編程的方法進(jìn)行刀具在線狀態(tài)評(píng)估[4]，需要將采集到的數(shù)據(jù)由.bat類型轉(zhuǎn)換為.txt類型再進(jìn)行處理，在一定程度上降低了處理速度。提出的基于EMD和ADS通信技術(shù)的刀具狀態(tài)在線監(jiān)控的方法能做到準(zhǔn)確且快速的識(shí)別刀具磨損狀態(tài)。EMD方法能自適應(yīng)的提取出與刀具磨損緊密相關(guān)的頻帶能量，SVM在處理分類問題有明顯的優(yōu)勢(shì)，能準(zhǔn)確識(shí)別刀具的磨損狀態(tài)，ADS通信技術(shù)可以為基于TwinCAT軟件開發(fā)的數(shù)控系統(tǒng)和信號(hào)處理軟件Matlab提供通信路由，通信方式簡(jiǎn)單易行，可以實(shí)現(xiàn)振動(dòng)數(shù)據(jù)高效率的傳輸。

1 刀具磨損狀態(tài)監(jiān)控系統(tǒng)設(shè)計(jì)

刀具磨損狀態(tài)監(jiān)控系統(tǒng)以改造后的CAK6136數(shù)控車床為基礎(chǔ)，該數(shù)控車床數(shù)控系統(tǒng)是基于TwinCAT軟件開發(fā)的，TwinCAT(The Windows Control and Automation)即基于Windows操作系統(tǒng)自動(dòng)化控制技術(shù)。TwinCAT有以下優(yōu)點(diǎn)：實(shí)時(shí)性高，最小掃描周期達(dá)50μs；多任務(wù)實(shí)時(shí)控制性好，可同時(shí)建立4個(gè)PLC，每個(gè)PLC可同時(shí)建立4個(gè)任務(wù)；開放性較好，能實(shí)時(shí)提取并修改數(shù)控系統(tǒng)內(nèi)部數(shù)據(jù)[5],憑借其開放性好的優(yōu)點(diǎn)，很容易和Matlab進(jìn)行通信。監(jiān)控系統(tǒng)結(jié)構(gòu)示意圖如圖1所示，加速度傳感器INV9832通過磁力座吸附在刀桿上，實(shí)時(shí)測(cè)量x方向(垂直于地面)的振動(dòng)信號(hào)，振動(dòng)信號(hào)經(jīng)采集模塊 EL3632采集到TwinCAT中并存儲(chǔ)，其間數(shù)據(jù)傳輸經(jīng)EtherCAT總線實(shí)現(xiàn)，Matlab通過ADS通信技術(shù)提取TwinCAT內(nèi)部的振動(dòng)數(shù)據(jù)并對(duì)數(shù)據(jù)進(jìn)行處理，最終由Matlab輸出刀具的當(dāng)前狀態(tài)：初期磨損，穩(wěn)定磨損，后期磨損。

圖1 監(jiān)控系統(tǒng)結(jié)構(gòu)示意圖

實(shí)驗(yàn)研究的是刀桿振動(dòng)和刀片后刀面磨損量的關(guān)系，準(zhǔn)備初期磨損，穩(wěn)定磨損，后期磨損的刀片若干，在切削速度為180m/min，進(jìn)給速度為0.2mm/r，切削深度為0.2mm，濕切的條件下，以5000Hz的采樣頻率分別采集了119組數(shù)據(jù)，每組數(shù)據(jù)包含5000個(gè)采樣點(diǎn)，用工具顯微鏡R15J測(cè)量刀具后刀面的磨損量。

2 基于EMD的特征提取

采集的振動(dòng)信號(hào)中包含有和刀具磨損相關(guān)和不相關(guān)的信息，在進(jìn)行模式識(shí)別之前需進(jìn)行特征提取，提取和刀具磨損相關(guān)的特征。

采用的刀具磨損特征提取算法EMD 能將信號(hào)分解為低頻到高頻的若干頻帶，相比短時(shí)傅里葉變換、小波分析等存在以下優(yōu)點(diǎn)：具有自適應(yīng)性，EMD分解能夠產(chǎn)生自適應(yīng)基，基函數(shù)完全由信號(hào)本身決定，不用事先給定；不受Heisenberg測(cè)不準(zhǔn)原理制約，可以在時(shí)間域和頻率域內(nèi)達(dá)到很高的精度，信號(hào)的局部特征展現(xiàn)得更為準(zhǔn)確[6]。

EMD是Huang提出的一種時(shí)頻分析方法[7]，他指出一個(gè)信號(hào)x(t)可以用EMD方法分解為多個(gè)基本模式分量模式和一項(xiàng)殘余分量，即：

(1)

式中，ci(t)是基本模式分量，包含信號(hào)的局部信息項(xiàng)，rn(t)是殘余分量，代表信號(hào)的總體趨勢(shì)，各個(gè)分量的頻率由大到小排列，頻帶帶寬取決于基本模式分量的固有頻率范圍，該方法的本質(zhì)是通過數(shù)據(jù)的特征時(shí)間尺度來進(jìn)行分解的。

振動(dòng)信號(hào)經(jīng)EMD分解后得到的12個(gè)IMF分量(將殘余分量作為最后一個(gè)IMF分量)。各個(gè)IMF的均方根值能反映在不同的磨損狀態(tài)下各個(gè)頻帶的能量大小，能較明顯的體現(xiàn)刀具的不同磨損程度，所以對(duì)各個(gè)IMF的均方根值進(jìn)行分析。

為了減小數(shù)據(jù)的冗余度，為避免多余信息對(duì)識(shí)別結(jié)果造成影響，需要進(jìn)行特征選擇以剔除不必要的IMF分量。通常采取的特征選擇技術(shù)有基于多分類支持向量機(jī)特征消去法，信息熵增益法，主成分分析等方法[8]。本文采用計(jì)算簡(jiǎn)單且實(shí)用的相關(guān)系數(shù)法來剔除冗余分量。

序列x，y相關(guān)系數(shù)計(jì)算公式為：

(2)

其中，cov(x,y)為x，y的協(xié)方差，D(x)和D(y)是x和y的方差，ρxy為相關(guān)系數(shù)，相關(guān)系數(shù)越接近1，說明x,y相關(guān)性越大，相關(guān)系數(shù)越接近0，說明x，y相關(guān)性越小。在不同磨損狀態(tài)下原信號(hào)和各個(gè)IMF分量的相關(guān)系數(shù)結(jié)果如圖2所示。

圖2 IMF分量和原信號(hào)的相關(guān)系數(shù)

圖中曲線呈逐漸下降的趨勢(shì)，原始信號(hào)和IMF1至IMF12分量的相關(guān)系數(shù)依次減小，即相關(guān)性逐漸降低，綜合考慮到前6個(gè)IMF分量能量值已經(jīng)占到總能量值的85%以上，于是將前6階IMF的均方根值組成的向量[E1,E2,E3,E4,E5,E6]作為特征向量，圖3所示為EMD分解結(jié)果，圖4所示為IMF能量分布。

圖3 振動(dòng)信號(hào)EMD分解結(jié)果圖

圖4 IMF能量分布圖

圖3展現(xiàn)的是IMF1～I(xiàn)MF6的時(shí)域分布和頻域分布圖，由圖可知，各IMF的頻域分布是不相同的，IMF1能量集中在1000Hz～2500Hz,IMF2能量集中在500Hz～1000Hz,IMF3能量集中在400Hz～700Hz,IMF4、IMF5、IMF6能量集中在400Hz以下，且越往后頻帶越窄。

圖4所示為在不同磨損狀態(tài)下前六階IMF分量能量分布，在相同磨損狀態(tài)下，IMF1至IMF6所占能量依次減小，即信號(hào)高頻分量比低頻分量所占能量更多，隨著刀具磨損程度的增加，相同的IMF的能量呈現(xiàn)逐漸減小的趨勢(shì)。

3 基于SVM的刀具狀態(tài)識(shí)別

支持向量機(jī)(Support Vetor Mechine，SVM),公認(rèn)的最好的數(shù)據(jù)分類器，它的基本原理是尋找一個(gè)超平面實(shí)現(xiàn)不同類數(shù)據(jù)到超平面的間隔最大化。其特點(diǎn)為：采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則進(jìn)行訓(xùn)練，VC維理論來度量結(jié)構(gòu)風(fēng)險(xiǎn)；用凸二次規(guī)劃來進(jìn)行學(xué)習(xí)，避免了神經(jīng)網(wǎng)絡(luò)的局部極值問題；能很好的解決線性分類和非線性分類的問題[9]。具體實(shí)現(xiàn)過程為：收集并分析數(shù)據(jù)，有利于超平面的準(zhǔn)確建立；訓(xùn)練算法，實(shí)現(xiàn)參數(shù)w和b的優(yōu)化；測(cè)試算法，算法的準(zhǔn)確性評(píng)估；以及最終算法的推廣運(yùn)用[10]。

3種磨損狀態(tài)下，每種狀態(tài)分別采集了119組數(shù)據(jù)，共119組特征向量，每組向量特征值就是用EMD分解方法得到IMF1～I(xiàn)MF6的能量值，其中90組作為訓(xùn)練數(shù)據(jù)，29組作為測(cè)試數(shù)據(jù)，建立SVM模型，得到的測(cè)試數(shù)據(jù)的預(yù)測(cè)正確率如圖5所示。初期磨損對(duì)應(yīng)輸出狀態(tài)為1，穩(wěn)定磨損對(duì)應(yīng)輸出狀態(tài)為2，后期磨損對(duì)應(yīng)輸出狀態(tài)為3。

圖5 SVM方法的預(yù)測(cè)正確率

得到的預(yù)測(cè)數(shù)據(jù)的正確率為98.8506%(86/87)，正確率較高。說明用EMD方法進(jìn)行特征提取，SVM進(jìn)行模式識(shí)別的方法是可行的。

4 在線識(shí)別

在線識(shí)別就是憑借ADS通信技術(shù)從TwinCAT中提取振動(dòng)信號(hào)至Matlab進(jìn)行特征提取和模式識(shí)別。每個(gè)獨(dú)立工作的軟件工作方式和硬件設(shè)備類似，都有獨(dú)立的端口號(hào)，確定軟件端口號(hào)之后，數(shù)據(jù)就能通過ADS通信協(xié)議進(jìn)行傳輸。ADS通信技術(shù)實(shí)現(xiàn)數(shù)據(jù)傳輸是以交互工具TE1410為基礎(chǔ)，TE1410為 Simulink庫(kù)中添加豐富的同步或者異步ADS通信模塊[11]。通過在Simulink中調(diào)用這些模塊可以從TwinCAT中讀取和寫入各種類型的數(shù)據(jù)。并且能自定義數(shù)據(jù)采樣時(shí)間和采樣頻率。這就很好的解決了數(shù)據(jù)傳輸?shù)膯栴}。

分別用三種不同磨損狀態(tài)的刀具分別進(jìn)行10次試驗(yàn)，一共試驗(yàn)30次，圖6所示為用R15J工具顯微鏡測(cè)得刀具磨損帶，隨著磨損的加劇，磨痕更明顯，磨損帶更寬。表1為刀具磨損在線識(shí)別結(jié)果，其中磨損狀態(tài)1、2、3分別代表初期磨損，穩(wěn)定磨損，后期磨損，初期和穩(wěn)定磨損的樣本刀具識(shí)別正確率為90%，后期磨損識(shí)別正確率為100%，識(shí)別時(shí)間在5.5s左右，差距不大。

圖6 刀具磨損圖

序號(hào)123456實(shí)際磨損狀態(tài)111111識(shí)別磨損狀態(tài)111211識(shí)別時(shí)間5.36505.50255.40255.56895.35695.5689序號(hào)789101112實(shí)際磨損狀態(tài)111122識(shí)別磨損狀態(tài)111112識(shí)別時(shí)間5.23895.45785.12855.78455.50255.5624序號(hào)131415161718實(shí)際磨損狀態(tài)222222識(shí)別磨損狀態(tài)222222識(shí)別時(shí)間5.45785.23895.45785.89545.85485.1458序號(hào)192021222324實(shí)際磨損狀態(tài)223333識(shí)別磨損狀態(tài)223333識(shí)別時(shí)間5.36585.47585.36565.42565.41255.2356序號(hào)252627282930實(shí)際磨損狀態(tài)333333識(shí)別磨損狀態(tài)333333識(shí)別時(shí)間5.78125.23565.14255.36565.42565.6235

5 結(jié)束語(yǔ)

為實(shí)現(xiàn)刀具狀態(tài)快速準(zhǔn)確的在線監(jiān)控，設(shè)計(jì)了一套刀具狀態(tài)在線監(jiān)控系統(tǒng)，設(shè)計(jì)分為模型建立模塊和在線監(jiān)測(cè)模塊兩部分。模型建立實(shí)現(xiàn)過程為：將原始信號(hào)經(jīng)EMD分解，提取相關(guān)性大的分量，利用支持向量機(jī)建立模型。在線監(jiān)控模塊實(shí)現(xiàn)是借助ADS通信技術(shù)傳輸采集的振動(dòng)信號(hào)至模型中進(jìn)行刀具狀態(tài)預(yù)測(cè)。設(shè)計(jì)的刀具狀態(tài)在線監(jiān)控系統(tǒng)實(shí)現(xiàn)刀具準(zhǔn)確且快速的識(shí)別，為基于EMD和ADS通信技術(shù)的刀具狀態(tài)在線監(jiān)控提供了實(shí)例依據(jù)。

[1] 高宏力. 切削加工過程中刀具磨損的智能監(jiān)測(cè)技術(shù)研究[D].成都:西南交通大學(xué),2005.

[2] 陳洪濤. 基于多參量信息融合的刀具磨損狀態(tài)識(shí)別及預(yù)測(cè)技術(shù)研究[D]. 成都:西南交通大學(xué),2013.

[3] 黃遂,陳洪濤,傅攀,等. 數(shù)控車削加工過程的刀具磨損動(dòng)態(tài)監(jiān)測(cè)[J]. 機(jī)械設(shè)計(jì)與制造,2010(2):191-193.

[4] 方平. 數(shù)控機(jī)床刀具磨損的多傳感器在線實(shí)時(shí)監(jiān)測(cè)的研究[D].長(zhǎng)春:華北電力大學(xué),2014.

[5] 周勝凱,劉強(qiáng),李傳軍,等.開放式數(shù)控系統(tǒng)平臺(tái)的設(shè)計(jì)與開發(fā)[J]. 機(jī)械設(shè)計(jì)與制造,2015(1):169-171,176.

[6] 何正嘉，訾艷陽(yáng)，張西寧.現(xiàn)代信號(hào)處理及工程應(yīng)用[M].西安：西南交通大學(xué)出版社，2007.

[7] Huang N E, Shen Zheng, Long S R. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[C]. Proc. Roy. Soc.London 454A, 1998: 903-995.

[8] 李威霖. 車銑刀具磨損狀態(tài)監(jiān)測(cè)及預(yù)測(cè)關(guān)鍵技術(shù)研究[D]. 成都:西南交通大學(xué),2013.

[9] 彭美武,陳洪濤,鐘成明. 基于支持向量機(jī)的刀具磨損決策融合技術(shù)[J]. 組合機(jī)床與自動(dòng)化加工技術(shù),2014(4):89-93.

[10] Peter Harrington.機(jī)器學(xué)習(xí)實(shí)戰(zhàn)[M].北京：人民郵電出版社，2013.

[11] 德國(guó)倍福電氣有限公司.TC培訓(xùn)教材V1.20[S].2016：245-251.

(編輯 李秀敏)

Development of Tool Wear Online Monitoring System Based on EMD and ADS

QIAN Tao-lin, GAO Hong-li, LI Fu-yi, WANG Yong

(School of Mechanical Engineering,Southwest Jiaotong University,Chengdu 610031,China)

In order to recognize tool wear state accurately and quickly, a system based on Empirical Mode Decomposition(EMD) and Automation Device Specification(ADS) is developed. Development process include model building and online recognition. Firstly, vibration signal is decomposed into several intrinsic mode functions(IMF) by EMD method, using a combination of correlation coefficient method and energy method to figure out eigenvalues, the eigenvalues are the first six orders of IMF’s root mean square. Eigenvalues are selected as inputs of support vector machine(SVM), then the relation model between eigenvalues and wear condition is build. Vibration data with a specified length are transported into SVM model, Finally, the tool wear condition is identified. Using Matlab and TwinCAT to implement the system’s functions. Proved by test, the system works well and judge the tool wear state quickly and accurately.

automation device specification; tool wear condition; empirical mode decomposition; support vector machine

1001-2265(2017)05-0108-03

10.13462/j.cnki.mmtamt.2017.05.028

2016-07-26；

2016-08-29

錢桃林(1991—)，男，四川遂寧人，西南交通大學(xué)碩士研究生，研究方向?yàn)殚_放式數(shù)控系統(tǒng)，刀具磨損監(jiān)測(cè)，(E-mail)peter1625@foxmail.com；高宏力(1971—)，男，河南洛陽(yáng)人，西南交通大學(xué)教授，博士生導(dǎo)師，博士，研究方向?yàn)閺?fù)雜機(jī)電系統(tǒng)可靠性分析、機(jī)器人，(E-mail)swghl@163.com。

TH166；TG506

A