基于拉普拉斯支持向量机的高速机床道具工况检测方法研究.docx

基于拉普拉斯支持向量机的高速机床道具工况检测方法研究.docx

《基于拉普拉斯支持向量机的高速机床道具工况检测方法研究.docx》由会员分享，可在线阅读，更多相关《基于拉普拉斯支持向量机的高速机床道具工况检测方法研究.docx（24页珍藏版）》请在冰豆网上搜索。

基于拉普拉斯支持向量机的高速机床道具工况检测方法研究

密级：

公开

NANCHANGUNIVERSITY

学士学位论文

THESISOFBACHELOR

（2011—2015年）

题目基于支持向量机的高速刀具工况监测

学院：

信息工程学院系电气与自动化工程系

专业班级：

测控技术与仪器112班

学生姓名：

邓婷婷学号：

5801211071

指导教师：

张宇职称：

副教授

起讫日期：

2015年2月至2015年6月

南昌大学

学士学位论文原创性申明

本人郑重申明：

所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。

除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果。

对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式表明。

本人完全意识到本申明的法律后果由本人承担。

作者签名：

日期：

学位论文版权使用授权书

本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。

本人授权南昌大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。

保密□，在年解密后适用本授权书。

本学位论文属于

不保密□。

（请在以上相应方框内打“√”）

作者签名：

日期：

导师签名：

日期：

基于支持向量机的高速机床刀具工况监测方法研究

专业：

测控技术与仪器学号：

5801211071

学生姓名：

邓婷婷指导教师：

张宇

摘要

机床刀具磨损在工程中特别是机械加工过程是非常常见的一种现象，刀具磨损将直接影响到机床的加工效率，甚至可能导致产品报废、机床停机等严重后果。

在加工过程中刀具的磨损将会对产品的质量和光滑度产生很大的影响，所以为了保证生产质量和效率对刀具工况的实时监测显得尤为重要。

传统检测刀具是否磨损一般采用直接测量刀具或者工件的尺寸，与标准尺寸进行对比，但这种方法不仅耗时也很浪费人力。

采用实时监测的方法，及时将机床刀具数据监测出来并进行处理后能够立刻得到刀具的实时状态。

本文将获得的数据作为支持向量机的输入向量，通过支持向量机的二分类方法将刀具监测的数据进行处理，分为磨损和不磨损两种状态。

对刀具进行实时监测，能够及时发现刀具磨损状态，节约人力物力资源成本。

关键词：

机床刀具；实时监测；支持向量机；磨损状态识别

ResearchonSVMhigh-speedmachinetoolconditionmonitoringbasedapproach

Abstract

Toolwearinengineering,especiallymechanicalprocessisaverycommonphenomenon.Toolwearwilldirectlyaffecttheefficiencyofthemachining,Andmayevenleadtoseriousconsequencesproductobsolescence,machinedowntime.Toolwearwillhaveahugeimpactonthequalityandsmoothnessoftheproductduringprocessing,Soinordertoensureproductionqualityandefficiencyforreal-timemonitoringtoolconditionisparticularlyimportant.Traditionalcheckwhetherthetoolwearisusuallydirectlymeasurethesizeofthetoolorworkpiece,comparedwiththestandardsize.Howeverthismethodisnotonlytimeconsumingbutalsoawasteofmanpower.Real-timemonitoringmethod,timelydatatomonitormachinetoolandprocessouttogetreal-timestatusafterthetoolimmediately.

DataobtainedasSVMinputvector,BySVMbinaryclassificationmethodofdataprocessingtoolmonitoring.Andthenwearandnotwearisdividedintotwostates。

Inthisway,forreal-timemonitoringtool,theabilitytodetecttoolwear,thussavingthecostofhumanandmaterialresources.

Keyword:

Real-timemonitoring;SVM;Machinetool;Wearstaterecognition

目录

摘要I

AbstractII

第一章绪论1

1.1高速刀具磨损状态监测的意义1

1.2高速刀具磨损状态的国内外发展现状1

第二章高速刀具状态的监测方法3

2.1刀具状态监测方法3

2.1.1直接测量法3

2.1.2间接测量法3

2.2本文研究内容3

第三章支持向量机对高速刀具磨损状态的识别5

3.1支持向量机原理5

3.1.1学习方法5

3.1.2泛化性理论6

3.1.3结构风险最小化6

3.2支持向量机7

3.2.1支持向量机概述7

3.2.2最大间隔超平面8

3.2.3线性分类9

3.2.4核函数10

第四章支持向量机对高速刀具磨损状态监测分类的软件实现11

4.1libsvm概述11

4.2matlab概述11

4.3matlab中libsvm的使用12

4.3.1训练12

4.3.2预测12

4.3.3训练的参数12

4.3.4训练返回的内容13

4.3.5预测返回的内容14

4.3.6读取或保存14

4.4本文支持向量机二分类实验14

第五章总结与展望16

5.1论文总结16

5.2展望16

致谢18

参考文献19

附录20

第一章绪论

1.1高速刀具磨损状态监测的意义

在机床加工过程中，刀具高速运转，在切削过程中不可避免的存在着一定程度的磨损，而刀具磨损的阶段是不同的，细微的磨损对工件的质量并未有太大的影响，只要保证产品尺寸误差在一定范围内，刀具的磨损是可以忽略不计的。

但是，刀具磨损到一定阶段，将会对产品产生极大影响，直接影响到生产效率，产品质量、加工精度。

刀具磨损较为严重甚至会导致机床停机，危害工作人员的生命健康。

刀具磨损状态监测能够实时监测出刀具的磨损状态，及时发现刀具磨损是否已经严重影响到生产。

所以，高速刀具磨损状态监测在生产过程中显得尤为重要，它对生产效率、产品质量有着至关重要的作用，同时也能降低劳动力成本和原料成本。

目前，国内在机床加工领域实时监测还没有成熟的发展，还停留在研究阶段，没有实际的应用。

现阶段对刀具磨损的监测，一般是由现场进行加工生产的工人通过经验，根据高速刀具在切削过程中发出的声音，或者判断产品尺寸是否有较大偏差，但这样的方法一般包含了很多的主观因素，容易受到判断者的影响，很难准确和高效地更换刀具，过早或者过晚的更换刀具都将影响生产效率，造成资源的浪费。

还有一种方法即定时更换刀具，但这种方法不够灵活，太过死板。

刀具磨损常常与环境还有工件的材质等等因素有很大的关系，定时更换刀具会造成资源的浪费，是一种不太经济的方法。

高速刀具磨损状态监测是通过振动加速度传感器分别监测道具X,Y,Z轴方向的振动情况。

通过实时测得机床数据，传入系统中，通过支持向量机的分类方法，刀具的磨损实时状态做出判断。

这样一来，能够及时发现刀具磨损程度，是否需要即刻更换刀具。

这种方法可以减少刀具的浪费，同时也能大大提高生产效率，节约生产资源。

1.2高速刀具磨损状态的国内外发展现状

虽然从上个世纪四十年代初国内外对刀具磨损监测就开始了初步的探索目前，对刀具磨损的监测技术发展并不成熟，大部分都处于实验室研究阶段，在实际生产领域中应用并不成熟。

目前国内对高速刀具工况的状态监测采用直接法和间接法，而多采用间接法。

迄今为止,在刀具状态监测技术领域，多个国家的研究机构已经有了深入的研究并取得了大量的研究成果。

第二章高速刀具状态的监测方法

2.1刀具状态监测方法

刀具状态的监测方法通常可以分为直接和间接测量法。

2.1.1直接测量法

直接测量法是通过直接识别刀刃外观、几何形状以及表面质量的变化测得的。

目前直接测量法常采用的方法是：

电阻测量法、光纤测量法、射线测量法、放电电流测量法、微结构镀层法等。

但直接测量法存在两个缺点：

（1）只能在停机的时候进行监测，占用生产时间；

（2）不能检测出在加工过程中突然出现的问题，这使得直接测量法在应用上受到一定的限制。

2.1.2间接测量法

间接测量法主要是利用在加工过程中与刀具磨损有关的参数，比如切削力、振动强度、噪声、工件几何尺寸等相关物理量。

间接测量法可以在加工的过程中进行测量相关项，不需要停机进行，因此也不会影响切削加工过程。

然而间接测量法检测的信号容易受到干扰，这也是该方法的一个主要缺点，不过随着模式识别技术与信号分析处理技术的发展，目前国内外大多采用间接测量法。

主流的间接测量法有：

声发射、切削力测量法、机械功率测量法、振动信号测量法、热电压测量法以及多信息融合检测等方法。

2.2本文研究内容

本文研究通过支持向量机的方法，将检测出来的机床数据分为磨损状态和非磨损状态。

机床数据的监测是通过振动频率测量法获得的。

刀具在切削过程中，刀具与工件会发生摩擦从而产生不同频率的振动

刀具状态的监测系统基本结构如图所示：

图1刀具状态的监测系统基本结构

第三章支持向量机对高速刀具磨损状态的识别

分类作为数据挖掘领域中一项十分重要的任务，其目的是学会一个分类函数或分类模型，而支持向量机本身就是一种监督式学习的方法，自提出以来得到了迅速的发展并广泛地应用于统计分类以及回归分析等问题当中。

支持向量机通过寻求结构化风险最小化的方法，提高了学习机泛化能力，使经验风险和置信范围的最小化，因此支持向量机对于小样本也有很好的统计结果。

支持向量机（SVM）由Vapnik及其合作者发明，是在统计学习理论的基础上发展起来的新一代的学习算法，它在文本（超文本）分类、图像分类、生物序列分析、手写识别等领域中均获得了较好的发展的应用。

在1992年计算学习的理论会议上介绍进入机器学习领域，之后便受到了广泛的关注。

其后在20世纪90年代中后期得到了全面而深入的发展，现在已经成为机器学习和数据挖掘的标准工具。

3.1支持向量机原理

3.1.1学习方法

使用样例来合成计算机程序，这样的过程称为学习方法。

通常把假设集合或者假设空间的选择看做是学习过程的关键因素，从训练数据中学习并从假设空间中选择假设的算法，这个算法也称为学习算法，常作为第二个重要因素。

在线学习算法的质量可以由训练阶段的出错总数衡量，可以应用监督学习方法到批量训练数据上。

学习算法可能存在的缺点有：