Научная статья на тему 'Автоматизированный синтез диагностических моделей процесса резания металла'

Автоматизированный синтез диагностических моделей процесса резания металла Текст научной статьи по специальности «Электротехника, электронная техника, информационные технологии»

CC BY
127
48
i Надоели баннеры? Вы всегда можете отключить рекламу.

Аннотация научной статьи по электротехнике, электронной технике, информационным технологиям, автор научной работы — Зориктуев В. Ц., Сидоров А. С.

Оисаны методы идентификации состояния РИ по косвенным параметрам. Предложены алгоритмы построения моделей процесса резания металлов в реальном времени на основе экспериментальных данных. Полученные модели используются системой оперативной диагностики в задачах мониторинга и прогноза состояния режущего инструмента

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по электротехнике, электронной технике, информационным технологиям , автор научной работы — Зориктуев В. Ц., Сидоров А. С.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Автоматизированный синтез диагностических моделей процесса резания металла»

УДК 621.91:519

В. Ц. ЗОРИКТУЕВ, А. С. СИДОРОВ

АВТОМАТИЗИРОВАННЫЙ СИНТЕЗ ДИАГНОСТИЧЕСКИХ МОДЕЛЕЙ ПРОЦЕССА РЕЗАНИЯ МЕТАЛЛА

Оисаны методы идентификации состояния РИ по косвенным параметрам. Предложены алгоритмы построения моделей процесса резания металлов в реальном времени на основе экспериментальных данных. Полученные модели используются системой оперативной диагностики в задачах мониторинга и прогноза состояния режущего инструмента

Эффективное управление и разработка систем управления мехатронными системами базируются на моделях, описывающих поведение управляемых узлов, механизмов и системы управления. Построение

-

.

ЭВМ и современных методов анализа динамических

,

-

-

-

.

-

-

.

-

се функционирования системы в реальном времени и найти применение в задачах управления и прогноза

.

1. ЗАДАЧА ОРГАНИЗАЦИИ ИЗМЕРЕНИЯ И ОБРАБОТКИ СИГНАЛОВ

,-

ботчик диагностических систем - оптимальный вы,

коррелированных с состоянием диагностируемого процесса (объекта), обеспечивающий минимум затрат на введение дополнительных измерительных

-

.-

-

.-

-

лей [3]. Переменные делятся на группы взаимозаменяемых коррелированных между собой факторов и

-

-

[3]. -

-

-

.

-

,.

,

изменяться в процессе функционирования системы и

-

.

[1],

труднообрабатываемых жаропрочных сплавов при

(-)-тивной является величина электропроводимости (ЭП) контакта «инструмент - деталь» (постоянная и переменная составляющие) (рис. 1).

На контакт «инструмент - деталь» (КИД) подводится постоянный ток эталонной амплитуды /э. По,

«-

», -пряжения и, которое складывается из суммы двух :-каемым током /э^квд и термо-ЭДС Е.

-

,-

.

:

^ 1 А

'кид

Я

кид

и-Е

--

,

инструмента изменяет геометрию инструмента и косвенно влияет на величину ТЭДС (рис. 2).

-

( ) - -.

- «провал» температур при резании на низких скоростях и/или при обработке сталей малой проч,

,

,

,-

вие процесса трения на этой площадке; -.

-

.

.

«-

- » ,

.чае помимо линейной зависимости установившегося

,-

-

: , -

ях и поломках (рис. 3).

Рис. 1. Схема измерения ЭП КИД и осциллограмма изменения электропроводимости в зависимости от пути резания при продольном точение сплава ЭИ698 инструментом марки ВК8, V = 60м/мин; 8=0.075 мм/об; 1=0,5мм со следующей геометрией инструмента: у =Х = 0°, а = 10°, ф=ф1= 45°, г = 0,5 мм.

Время, сек

Рис. 2. а - осциллограмма сигнала термо-ЭДС при продольном точении сплава ЭИ698 инструментом марки ВК8, ? = 0.5 мм., 5=0.1 мм/об; б - частные параметрические модели, полученные на основе сигнала -

б

Рис. 3. а - осциллограмма сигнала ЭП КИД при прерывистом продольном точении сплава ЭИ698 инструментом марки ВК8, t = 0.5мм., 5=0.075 мм/об; б - изменения в структуре сигнала напряжения снимаемом с КИД в процессе износа; в - пример частной моде ли вида G =/(У^ЛЬ) полученные на основе сигнала ЭП КИД

а

в

При нестационарном точении целесообразно

-

акустических колебаний, как менее точного, то более инвариантного к режимам обработки.

На основе измерений производится понижение размерности входного сигнала (фильтрация, децимация, извлечение Фурье и/или вейвлет спектра) и формирование частных моделей

,-

-

лицы 1.

Таблица 1

Данные спектрального анализа__________

Частота колебаний Источник доминирующей частоты спектра колебаний

70 - 90 Гц Заготовка - подсистема стола станка

395-405 Гц Шпиндель - режущий инструмент

10-12 кГц Державка в двух различных гармониках колебаний

15-16 кГц Режущая пластина

Рис. 4. Исходный сигнал вибро-акустнческой эмиссии и его спектр при продольном точении сплава ЭИ698 резцом ВК8

Детализирующие коэффициенты вейвлет-преобразования сигнала терм о ЭДС

Острый инструмент 2.5сек 3 Изношенный инструмент 1 Оз'ёсЙЛч,,,,

р 10 Г? ^ 4 F, ) 4І р 10 ? ^ 4 ч Й

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

О^труЙИ Н СТрум е HT 5.4999сек 3 Изношенный инструмент 105 4999сек

МО4 О Ч А Я 10 2 3 4 5 6

Острый инструмент 8.4999сек } 4] 3 4п! |пщр| шый инструмент 108 4999сек

р ,0_ 9 3 4 - - _5 2 6І 10 2 3 4 5 6

Острый инструмент 11.4УУ9сек Изношенный инструмент 111,4999сек

Iх ^ *7 ^ Л Ъ Р 2 р 10 9 ^ 4 я

Острый инс1румент?14.4999сек 3 Изношенный инструмент 114.4999сек

р * 0 "> ** д. <v f 2 рг! 0 -з ^ 4 ч «

ОсГмыи инструмент 17.4998сек— 3 Изношенный инструмент 117.4998сек

Iх |и ** 4 е 2 р 10 -7 ^ 4 я д

'—-Острый инсТРУментТ20.4УУ8сек 4 Изношенный инструмент 120.4998сек

Iх 10 7 ^ Л Я р 31i ^0 7 ^ 4 я я

Острый инсТрумент:23.4998сек 4 Изношенный инструмент 123.4998сек

F t 2 : I ! !

г. е

Рис. 5. а - вейвлет-спектр сигнала вибрации б - алфавит признаков для острого и изношенного инструмента составленный для обучения НС

-

ных частотах оценивают износ РИ. (Рис. 4).

-

ти применения методов диагностики на основании -анализ сигнала (рис. 5). Обучение системы распозна-

-

-

-.

1 т

Е = у I ^2(*), т к=1

где Т - число коэффициентов в каждой шкале; ] -уровень разложения; й - детализирующий волновой коэффициент у-уровм изложения.

-

ный состав сигнала, но и «тонкая» структура сигна-.

Механизм идентификации критического износа инструмента реализован при помощи многослойной

нейронной сети. На входы сети поступают значения энергии детализирующих вейвлет-коэффициентов, число входов сети зависит от уровня вейвлет.

,

-

.

2. ХРАНЕНИЕ И ОБРАБОТКА ДАННЫХ

-

ботана структура базы данных (БД) для хранения

,

.-

-

ния труднообрабатываемых материалов и занесены в .

,-

лизованная в Microsoft SQL (имеется аналог в Access). Доступ к БД осуществляется посредством драйвера ODBC (или напрямую через ADO). Структура БД предусматривает следующие поля:

--

мента;

- выходной параметр (Пр.: E -термо - ЭДС);

- входные (варьируемые) параметры, кодируемые символами x],x2...x„ и интервалы их варьирова-ния(Пр.: Xj^V (30-50 м^шн) скорость резания; x2^S (0,097-0,39 мм/об)-подача инструмента; x3^t (0,5-1,5 мм) -г^бииа резания; x4^h3(0,1-0,4 мм) - износ

.

- постоянные известные параметры, те изме-

-

цессе обработки с присвоенными им значениями ( , , );

- вид обработки (точение, фрезерование ...), характеристики инструмента (резец цельный, с напай-

,-), , ( , ).

-

(-

).

,-

просу передается в подсистему прогноза в виде структуры Model.

Пример 1. Модели вида Pz=f(V,s,t,h3), G=f(V,s,t,h3) для тары ВТ9ВК8, где Pz -сила резания, G - электропроводимость контакта «инструмент - деталь»:

Model(1).function = 'k1+x1*k2+p2*k3+p3*k4+p4*k5+p1*p2*k6+p 1*p3*k7+

p1*p4*k8+p2*p3*k9+p2*p4*k10+p3*p4*k

11'

Model(1).koeficient = [6.421 0.013 0.0658 0.294 0.117 -0.0048 -0.0014 -0.0049 -0.0017 -0.027 -0.017] Model(2).function = 'k1+p1*k2+p2*k3+p3*k4+p4*k5+p1*p2*k6+p 1*p3*k7+

p1*p4*k8+p2*p3*k9+p2*p4*k10+p3*p4*k

11'

Model(2).koeficient = [6.232 -

0.0077 0.447 0.505 0.152 -0.0002 -

0.0167 -0.0020 -0.0164 -0.0558

-0.0163]

3. РЕАЛИЗАЦИЯ СИСТЕМЫ ПРОДУЦИРУЮЩЕЙ НОВЫЕ МОДЕЛИ И ЗНАНИЯ

Задача отнесения частной реализации процесса к

-

-

.-

тойчивости алгоритмов распознавания требуется

( ), ---.-,-делей требуется введение комплекса статистических и эвристических внутренних и внешних критериев устойчивости [3] (рис. 6).

Конструкция внешних критериев:

XA = (ПА * m)

Xb = (nB * m) n = ,

<X? Y A

X = Y =

А у Y VbJ

Ya = (Па *1) Yb = (n, *1)

Критерии прогноза |

Краткосрочный

--------с

Долгосрочный

I

Качественный i

Прямое преобразование вероятностных характеристик

Усредненный критерий регулярности ^КР)

УКР = Am (B) =1 m A, (B) ^ min «i-1

Критерий минимизации ошибки прогноза (МНК)

A, =j ljf_] (y,j - yj)2 ,(i =1,m)

Устойчивость оценки корреляционной функции

R(T) =

Количественный ]---------------

Обратное преобразование вероятностных характеристик

Критерий баланса прогнозов

B\^> min

Критерий непротиворечивости ()

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

П2ш = —

=X - X, )i'

IX 2Ф i

Критерий

помехоустойчивости

min

Критерий точности пошагового интегрирования

I L(N) = !( / - yt )2/ Ц,2 ^ min

tl_______________tel__________

Рис. 6. Критерии участвующие в алгоритм ах самоорганизации моделей

ВЫВОДЫ

На основе выполненных исследований решены

,-

-

мента. Разработана структура базы данных, содер-.-ганизации прогнозирующих моделей состояния РИ

.

СПИСОК ЛИТЕРАТУРЫ

1. Зорикггуев, В. Ц. Электропроводимость контакта «инстурмент-деталь» - физический и информационный параметр в станочных системах / В. Ц. Зориктуев,

И. С. Хузин. М. : Машиностроение, 1998. 176 с.

2. Безручко, Б. П. Моделирование сложных систем

/ . . ,

. . . .: , 1987. 298 .

3. , . . -

/ . . ,

. . . .: , 1987, 65 .

A B

i Надоели баннеры? Вы всегда можете отключить рекламу.