鋁合金高速干切削過(guò)程智能監控及工藝研究

　　2.3 MQL系統的模糊控制實(shí)現

　　模糊控制模塊設計采用NI公司的LabVIEW PID 工具包，模糊控制算法直接在Labview軟件內實(shí)現，采用查表法，使模糊控制器可以保證控制的實(shí)時(shí)性?？刂七^(guò)程是：切削過(guò)程中的各類(lèi)加工信號通過(guò)NI PCI-6220采集卡以數字信號的形式被采進(jìn)主控計算機后，并對其進(jìn)行預處理求其特征值，在主控計算機的Labview環(huán)境中，與設定的標準值比較后求 出誤差和誤差的變化，通過(guò)查詢(xún)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(guò)NI PCI-6220的一個(gè)數字輸出口，從而控制MQL系統。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)識別

　　Kolmogorov-Smimov檢驗(KS檢驗)是一種非參數統計，它用于描述兩個(gè)獨立統計樣本的相似性，目前已成功運用于航天、生物工程等許多領(lǐng)域。項目將KS檢驗的方法應用于刀具磨損狀態(tài)識別，取得了滿(mǎn)意的效果，且效率較高，完全可以滿(mǎn)足在線(xiàn)智能診斷的要求。

　　從采集到的數據中分別提取如下三種不同磨損刀具的振動(dòng)信號分別記為樣本A(新刀振動(dòng)數據)、樣本B(微磨損刀具振動(dòng)信號)和樣本C(嚴重磨損刀具振 動(dòng)信號)，時(shí)域波形見(jiàn)圖8到圖11。在從嚴重磨損刀具振動(dòng)信號中取一段信號記為樣本D，樣本D是待識別的振動(dòng)信號，用來(lái)進(jìn)行磨損識別檢驗。上面所有樣本信 號產(chǎn)生的切削三要素、工件材料等切削條件都相同。樣本信號都經(jīng)過(guò)預處理的樣本數據。樣本數據的長(cháng)度都為1024個(gè)數據點(diǎn)，采樣頻率為20KHz。

　　首先，要準備磨損樣本識別庫，將不同磨損劃分刀具的振動(dòng)信號存入磨損樣本實(shí)例庫中，這樣就得到三種磨損(新刀、微磨損、嚴重磨損)狀態(tài)庫。在相同的切削條件下，將待檢樣本D按照圖12流程進(jìn)行分類(lèi)識別。

　　表1 樣本A、樣本B和樣本C的KS檢驗統計值表

　　從表1中可知，在取統計距離D=0.0601，顯著(zhù)性水平=0.05為門(mén)檻值，則識別的結果完全正確。

　　圖13磨損狀態(tài)識別流程圖

　　三、總結：

　　虛擬儀器以計算機為統一的硬件平臺，配以具有測試和控制功能硬件接口卡，通過(guò)系統管理軟件的統一指揮調度來(lái)實(shí)現傳統測控儀器的功能。與傳統儀器相 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。本文利用虛擬儀器技術(shù)，建立了刀具磨損的在線(xiàn)監控系統，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、存儲和分析數據，經(jīng)多次試驗認證可以準確地監控刀具磨損狀態(tài)，避免一些危險狀態(tài)的出現，具有實(shí)際工程的應用價(jià)值。