关于HSMM数控机床状态识别方法研究.pdf

2010年4月 机床与液压 Apr．2010 第38卷 第 7期 MACHINE T0OL HYDRAULICS Vo1．38No．7 DOI：10．3969／j．issn．1001—3881．2010．07．010 基于 HSMM的数控机床状态识别方法的研究 黄强，张晓，丁志华 (九江学院，江西九江 332005) 摘要：快速准确识别数控机床的运行状态对保证加工精度、增加运行稳定性具有重要意义。以数控机床主轴轴承磨损 状态为研究对象 ，建立其隐式半马尔科夫模型 (HSMM)，并结合小波降噪及变尺度特征提取方法实现对设备运行状态的有 效识别。实验及仿真结果表明：HSMM模型经过90组训练样本训练后 ，再利用 120组轴承磨损测试样本进行验证，正确识 别率达到96．7％，完全满足工程需要。 关键词：数控机床；状态识别；隐式半马尔科夫模型 中图分类号：TF277 文献标识码：A 文章编号：1001—3881I2010)7—033—2 ApplicationofHiddenSemi-MarkovModelonNC Machine’SStateRecognition HUANGQiang．ZHANGXiao．DINGZhihua (JiujiangUniversity，JiujiangJiangxi332005，China) Abstract：Itissignificanttorecong izetherunning—statesofNCmachinesforensuringthemachiningaccuracyandurnningstabili- ty．Combiningwiththewaveletdenoiseandcharacterextractionwithvaryingscales，thehiddensemi-markoymodel(HSMM)was builtwiththeexampleofheadstockbeatingsabrasiontorecongizetherunning—stateseffectively．Theexperimentalandsimulationre— suitsindicatethattheveracityofidentificationis96．7％ validatedby120testsamplesaftertrainingtheHSMM with90trainingsam- pies． Itissatisfiedthedemnadoftheengineeringdomain． Keywords：NCmachine；Staterecognition；Hiddensemi—malkovmodel 数控机床是一种高精度 、高效率、能保证加工质 主轴轴承的径向位置。 量、解决工艺难题的生产设备。在得到广泛应用的同 选用INV306U型多通道信号采集仪测取信号， 时，对数控设备提出了更高的要求，尤其是设备运行 传感器选择涡流式传感器，设置了正常状态、轻微磨 的稳定性和可靠性。因此，快速识别出数控机床的运 损和严重磨损3个不同的运行状态，分别测取各状态 行状态显得尤为重要 。作者将隐式半马尔科夫模型 下的振动速度与加速度信号，采样频率为 16kHz。为 应用于数控机床的状态识别中，结合小波降噪及变尺 有效对 比并识别各工况的振动信号，实验均在空载情 度小波包特征提取方法，完成了对数控机床状态的多 况下进行 ，数控机床主轴转速为 1500r／min。 级判定，以便于及时掌握其运行状况，并在合理时间 2 隐式半马尔科夫模型的状态识别过程 采取合理措施对其进行维护。 信号预处理 特征提取 状态识别 1 试验研究