摘　要:基于对声发射(AE) 信号特点的分析和小波包分解理论对不平稳信号特征提取的优势,提出一种利用AE 信号的能量变化来监测刀具磨损状态的方法。该方法利用db8 小波基对AE 信号进行5 层小波包分解,将分解后各频带上的能量值作为特征参数,并组成特征向量。分别提取在新刀和刀具磨损状态下的特征向量,根据其变化即可判别刀具磨损的程度。试验结果验证了该方法在刀具磨损判析中的可用性。

1 　引言

在金属切削加工中,对刀具磨损状态的监测不仅直接影响加工零件的质量和生产效率,同时也是降低生产成本的重要途径之一。声发射(AE) 技术是一种刀具磨损监测新方法。由于AE 信号具有瞬态性和随机性,属于非平稳的随机信号[1 ] ,而小波分析作为一种信号处理方法,具有同时在时域和频域表征信号局部特征的能力,非常适合用于分析含有瞬态信息的AE 信号[2 ] 。本文通过对小波包分解理论的研究,以AE 信号的小波包分解系数来表征信号的能量[3 ] ,利用提取信号主能量频段内统计特征值的方法,实现了对刀具磨损状态的分析。

2 　小波包分解和频带能量特征提取

2. 2 　频带能量特征提取

用小波包对信号进行多层分解,可将信号分解在任意精细的频带上,在这些频带上进行能量统计,形成的特征向量更趋合理。当以AE 信号作为输入对系统进行激励时,由于刀具磨损对各频率成分的抑制和增强作用发生了变化(通常它会对某些频率成分起到明显的抑制作用,而对另一些频率成分起到增强作用[4 ]) ,因此其输出与新刀输出相比,相同频带内信号的能量会有很大差别(它会使某些频带内的信号能量减小,而使另一些频带内的信号能量增大) 。因此,各频率成分信号的能量中包含着丰富的刀具磨损信息,某个或某几个频带能量的改变可以反映刀具的磨损状况。小波包信号分解是一种正交分解,各分解频带的信号互相独立,它们既无冗余也无疏漏。小波包信号分解遵循能量守恒原理,故有如下关系:

　3 　频带能量特征法在AE 刀具磨损监测

系统中的应用

3. 1 　AE刀具磨损监测系统

声发射(AE) 刀具监测技术是通过监测在切削加工中产生的AE 信号,从而了解刀具材料内部的变化,实现对刀具切削状态的实时监控。由于AE信号直接来源于切削加工点,因此与刀具磨损的相关程度高,受切削条件变化的影响小。此外,AE 监测技术具有灵敏度高、响应时间快、使用和安装方便且不会干涉切削加工过程的优点,因此,该技术被公认为是一种最具潜力的刀具监测技术。为了将频带能量特征法应用于刀具磨损监测,

建立了如图2 所示的AE 刀具磨损监测系统。AE传感器安装在刀杆尾部,AE 信号经前置放大、滤波后分别输入示波器(显示波形) 工控机(对信号进行采集和保存) 。

3. 2 　试验条件与结果

试验在数控车床上进行,采用北京鹏翔公司的PXR30 型AE 传感器,工件材料为GH648 ,刀具材料为KC5010。在试验中,设定采样频率为2MHz ,采样点数为1200000。根据刀具磨损量的不同,分为新刀状态和刀具磨损状态两种情况进行试验。在两种状态下分别采集多组数据。获得的新刀和刀具磨损状态下的刀具AE 信号见图3。由图3 可知,随着刀具磨损量的增大,磨损状态的波形幅值比新刀状态的波形幅值更大,且其波形也较为复杂。

3. 3 　试验结果分析

(1) 小波包基的选择和分解层数的确定由于进行小波变换的小波基不唯一,所以对同一个信号进行不同小波基的小波变换后得到的信号特征也存在差异[5 ] 。因此,小波基的选取对于准确提取信号特征十分重要,是在对信号进行小波变换时必须考虑的一个关键问题。

dbN 小波系是工程上应用较多的小波函数,该小波系的特点是随着序号N 的增加,时域支撑长度变长、时间局部性变差、滤波器长度变长、消失矩阶数增加、正则性增加、频域局部性变好。此外,随着滤波器长度的增加,小波变换的计算量也急剧增大。当N = 8 时,时域波形比较光滑,频率特性也较好,因此选择db8 作为小波包基较为合适。由于分解层数越多,末层结点能量的变化越大(即对信号的变化越敏感) ,这对我们分析信号的变化有利。但随着分解层数的增加,计算量也逐渐增大。综合考虑以上因素,本文采用db8 小波对AE 信号进行5 次小波包分解。

(2) 刀具磨损AE 信号频域能量特征提取根据式(2) ,用db8 小波基对新刀和刀具磨损状态下的AE 信号进行5 次小波包分解,分解后的各频带相对能量如图4 所示。

从图4 可以看出,在两种状态下,刀具的能量都主要集中在前10 个频段,其它频段的能量很小,再考虑到输入特征量过多会增加计算量和刀具磨损状态的识别时间[6 ] ,因此只需选择前10 个频段的能量

根据式(5) ,分别求得新刀和刀具磨损状态下的AE 信号特征向量E 的值如表1 所示。

为了更直观地观察两种状态下刀具能量的变化情况,可将表1 所列能量值表示为图5 所示条形图。可以看出,刀具磨损状态下各频带的能量均大于新刀状态下各频带的能量, 且第2 频段(16 ～32KHz) 上的能量随刀具磨损状态的改变变化显著,随着磨损量的增大,能量也增大。因此,频带能量特征向量能够正确反映刀具磨损状态的变化。

　6 　结语

小波包分解可将信号分解到任意精细的频带上;小波包不仅能够分析低频信号,而且还能对高频信号进行细化分析,因此,小波包是分析AE 信号的理想方法。试验表明,通过小波包分解提取的不同频带能量信息可以正确反映刀具磨损与AE 信号能量之间的关系。通过监测不同频带能量的变化,就能判别刀具的磨损状态。该方法可操作性强,具有较好的区分度。