鋁合金高速干切削過程智能監(jiān)控及工藝研究

　　2.3 MQL系統(tǒng)的模糊控制實(shí)現(xiàn)

　　模糊控制模塊設(shè)計(jì)采用NI公司的LabVIEW PID 工具包，模糊控制算法直接在Labview軟件內(nèi)實(shí)現(xiàn)，采用查表法，使模糊控制器可以保證控制的實(shí)時(shí)性。控制過程是：切削過程中的各類加工信號(hào)通過NI PCI-6220采集卡以數(shù)字信號(hào)的形式被采進(jìn)主控計(jì)算機(jī)后，并對(duì)其進(jìn)行預(yù)處理求其特征值，在主控計(jì)算機(jī)的Labview環(huán)境中，與設(shè)定的標(biāo)準(zhǔn)值比較后求 出誤差和誤差的變化，通過查詢事先做好的模糊控制表，得到一個(gè)模糊控制的輸出量，再通過NI PCI-6220的一個(gè)數(shù)字輸出口，從而控制MQL系統(tǒng)。圖7為模糊控制的核心程序框圖。

　　圖8 模糊控制的核心程序框圖

　　2.4、基于KS(Kolmogorov-Smirnov)智能刀具磨損狀態(tài)識(shí)別

　　Kolmogorov-Smimov檢驗(yàn)(KS檢驗(yàn))是一種非參數(shù)統(tǒng)計(jì)，它用于描述兩個(gè)獨(dú)立統(tǒng)計(jì)樣本的相似性，目前已成功運(yùn)用于航天、生物工程等許多領(lǐng)域。項(xiàng)目將KS檢驗(yàn)的方法應(yīng)用于刀具磨損狀態(tài)識(shí)別，取得了滿意的效果，且效率較高，完全可以滿足在線智能診斷的要求。

　　從采集到的數(shù)據(jù)中分別提取如下三種不同磨損刀具的振動(dòng)信號(hào)分別記為樣本A(新刀振動(dòng)數(shù)據(jù))、樣本B(微磨損刀具振動(dòng)信號(hào))和樣本C(嚴(yán)重磨損刀具振 動(dòng)信號(hào))，時(shí)域波形見圖8到圖11。在從嚴(yán)重磨損刀具振動(dòng)信號(hào)中取一段信號(hào)記為樣本D，樣本D是待識(shí)別的振動(dòng)信號(hào)，用來進(jìn)行磨損識(shí)別檢驗(yàn)。上面所有樣本信 號(hào)產(chǎn)生的切削三要素、工件材料等切削條件都相同。樣本信號(hào)都經(jīng)過預(yù)處理的樣本數(shù)據(jù)。樣本數(shù)據(jù)的長(zhǎng)度都為1024個(gè)數(shù)據(jù)點(diǎn)，采樣頻率為20KHz。

　　首先，要準(zhǔn)備磨損樣本識(shí)別庫，將不同磨損劃分刀具的振動(dòng)信號(hào)存入磨損樣本實(shí)例庫中，這樣就得到三種磨損(新刀、微磨損、嚴(yán)重磨損)狀態(tài)庫。在相同的切削條件下，將待檢樣本D按照?qǐng)D12流程進(jìn)行分類識(shí)別。

　　表1 樣本A、樣本B和樣本C的KS檢驗(yàn)統(tǒng)計(jì)值表

　　從表1中可知，在取統(tǒng)計(jì)距離D=0.0601，顯著性水平=0.05為門檻值，則識(shí)別的結(jié)果完全正確。

　　圖13磨損狀態(tài)識(shí)別流程圖

　　三、總結(jié)：

　　虛擬儀器以計(jì)算機(jī)為統(tǒng)一的硬件平臺(tái)，配以具有測(cè)試和控制功能硬件接口卡，通過系統(tǒng)管理軟件的統(tǒng)一指揮調(diào)度來實(shí)現(xiàn)傳統(tǒng)測(cè)控儀器的功能。與傳統(tǒng)儀器相 比，虛擬儀器在智能化程度、處理能力、性能價(jià)格比、可操作性等方面都具有明顯的技術(shù)優(yōu)勢(shì)。本文利用虛擬儀器技術(shù)，建立了刀具磨損的在線監(jiān)控系統(tǒng)，實(shí)時(shí)掌握 并控制加工進(jìn)程中的狀態(tài)，并能夠動(dòng)態(tài)地采集、存儲(chǔ)和分析數(shù)據(jù)，經(jīng)多次試驗(yàn)認(rèn)證可以準(zhǔn)確地監(jiān)控刀具磨損狀態(tài)，避免一些危險(xiǎn)狀態(tài)的出現(xiàn)，具有實(shí)際工程的應(yīng)用價(jià)值。