刀具磨损状态检测方法的分析与验证  

Analysis on Method of Detecting Tool Wear State

作　　者：刘智键 刘宝林[1,2] 胡远彪[1,2] 

机构地区：[1]中国地质大学 [2]国土资源部深部地质钻探技术重点实验室

出　　处：《工具技术》2018年第2期116-118,共3页Tool Engineering

基　　金：国家高技术研究发展计划资助项目(2014AA06A614)

摘　　要：为监测机床刀具磨损程度,提出了一种基于小波包理论(WPD)、经验模态分解(EMD)以及支持向量机(SVM)等相结合的刀具故障诊断方法。通过小波包理论工具消除刀具的高频噪声信号,并对去噪后的信号进行模态分解、合成,计算出模态函数(IMF)和EMD分解信号的相关参数。将计算出的信号时域上的特征参数作为支持向量机(SVM)的输入特征向量,完成对刀具故障的检测。实验结果分析表明,该方法可以有效地判断刀具磨损程度,验证了方法的可行性。In order to monitor the degree of tool wear,a tool fault diagnosis method based on wavelet packet theory（ WPD）,empirical mode decomposition（ EMD） and support vector machine（ SVM） are proposed. The high frequency noise signal of the cutter is eliminated by the wavelet packet theory,and then the modal decomposition and synthesis of the denoised signal are performed,and the modal function and the related parameters of the EMD decomposition signal are calculated. The characteristic parameter of the calculated signal in time domain is used as the input eigenvector of the support vector machine（ SVM） to complete the tool fault detection. The experimental results show that the method can effectively judge the wear degree of tool and verify the feasibility of the method.

关 键 词：小波包理论 经验模态分解 支持向量机 故障诊断 

分 类 号：TG806[金属学及工艺—公差测量技术] TH16[机械工程—机械制造及自动化]