刀具磨損量監(jiān)測(cè)的多傳感器信息融合技術(shù)研究

DOI：10.19392/j.cnki.16717341.201720006

摘要：在數(shù)控加工中，采用各種數(shù)控刀具進(jìn)行切削會(huì)不可避免的產(chǎn)生磨損，并且這些刀具磨損會(huì)造成零件加工質(zhì)量下降甚至于報(bào)廢及新購(gòu)買(mǎi)刀具成本開(kāi)支的增加。為此，能有效監(jiān)測(cè)刀具磨損并進(jìn)行適時(shí)換刀是必要的研究?jī)?nèi)容。信息融合技術(shù)又被稱(chēng)為多傳感器信息融合技術(shù)。目前國(guó)內(nèi)外眾多學(xué)者對(duì)信息融合技術(shù)在刀具磨損監(jiān)測(cè)中的應(yīng)用進(jìn)行了較多的研究，本文從信息融合技術(shù)功能模型、信息融合級(jí)別及特點(diǎn)、信息融合方式及其特點(diǎn)、以及國(guó)內(nèi)外學(xué)者的研究成果，結(jié)合當(dāng)前融合技術(shù)的新發(fā)展，確定一種支持向量機(jī)這種多傳感器信息融合技術(shù)應(yīng)用于刀具磨損監(jiān)測(cè)是一種有效的方法。

關(guān)鍵詞：刀具磨損；信息融合技術(shù)；支持向量機(jī)；研究

信息融合技術(shù)自20世紀(jì)70年代產(chǎn)生于軍事領(lǐng)域，近五十年來(lái)，隨著計(jì)算機(jī)技術(shù)、微電子技術(shù)、大規(guī)模集成電路技術(shù)、現(xiàn)代信號(hào)處理技術(shù)和新型傳感器技術(shù)的發(fā)展，信息融合技術(shù)在許多領(lǐng)域已展示出無(wú)可比擬的優(yōu)勢(shì)，在生產(chǎn)、生活軍事等領(lǐng)域成為新的學(xué)科發(fā)展方向。由于該技術(shù)是使用多種傳感器或者多類(lèi)型傳感器對(duì)同一被測(cè)對(duì)象進(jìn)行監(jiān)測(cè)，從這一層面上來(lái)說(shuō)，信息融合技術(shù)又被稱(chēng)為多傳感器信息融合技術(shù)。由于信息融合應(yīng)用于各行各業(yè)，在各行各業(yè)中研究的層次不同，雖有幾十年的發(fā)展，但至今沒(méi)有一個(gè)同一的定義。同時(shí)，在數(shù)控加工中，采用各種數(shù)控刀具進(jìn)行切削會(huì)不可避免的產(chǎn)生磨損，并且這些刀具磨損會(huì)造成零件加工質(zhì)量下降甚至于報(bào)廢及新購(gòu)買(mǎi)刀具成本開(kāi)支的增加，而刀具的磨損有些是由正常加工磨損所造成的，有些則是由于加工不當(dāng)導(dǎo)致的，如是否選擇合適的加工參數(shù)。因此，為了正確認(rèn)識(shí)刀具磨損機(jī)理以達(dá)到在滿(mǎn)足核心部件加工質(zhì)量前提下減少刀具的磨損，減少停機(jī)時(shí)間及刀具購(gòu)買(mǎi)成本費(fèi)用，對(duì)刀具的磨損進(jìn)行監(jiān)控與分析是必不可少的。尤其在制造業(yè)利潤(rùn)空間相對(duì)縮小的前提下，減小刀具應(yīng)用成本，開(kāi)源節(jié)流更顯得十分重要。因此利用信息整合技術(shù)對(duì)刀具磨損量監(jiān)測(cè)也是當(dāng)前研究的一個(gè)課題。

國(guó)外對(duì)于刀具磨損方面所作的研究比較早，日本、美國(guó)、歐洲地區(qū)的研究者對(duì)于在機(jī)械加工過(guò)程中出現(xiàn)的刀具磨損現(xiàn)象嘗試著進(jìn)行刀具磨損融合方面的研究，并取得了一定的經(jīng)驗(yàn)。知名學(xué)者如美國(guó)的Benhard Seck、歐洲Transeal、日本的江田弘等，他們分別提出了用不同類(lèi)型的多傳感器采集刀具發(fā)生的磨損，并用一些人工模式識(shí)別方法如神經(jīng)網(wǎng)絡(luò)等對(duì)刀具磨損狀況進(jìn)行了分類(lèi)識(shí)別，從而在刀具磨損的監(jiān)測(cè)識(shí)別方面提供了基本的方法與思路。

目前，美國(guó)主要進(jìn)行的是刀具磨損監(jiān)測(cè)前沿方面研究，例如D.W.Wust等人將最新打磨機(jī)器人視覺(jué)技術(shù)運(yùn)用于刀具磨損監(jiān)測(cè)過(guò)程中，通過(guò)三維識(shí)別技術(shù)進(jìn)行刀具磨損邊緣的監(jiān)測(cè)，提高了分辨精度，達(dá)到了微米級(jí)測(cè)量，但是該系統(tǒng)的動(dòng)態(tài)、連續(xù)監(jiān)測(cè)效果不好，有待于提高[3]。

歐洲如德國(guó)、瑞典，亞洲如日本等國(guó)主要將一定成果的刀具磨損監(jiān)測(cè)系統(tǒng)開(kāi)發(fā)出了刀具監(jiān)測(cè)儀器與設(shè)備，如德國(guó)的SICK公司研制的刀具破損監(jiān)測(cè)儀、日本的Makino公司研制的具有高識(shí)別精度的刀具破損監(jiān)測(cè)儀、瑞典的SANDVIK公司研制出了6通道的刀具監(jiān)控儀，均取得了一定的經(jīng)濟(jì)效益。

根據(jù)目前各相比較發(fā)達(dá)國(guó)家如德國(guó)刀具監(jiān)測(cè)方面的研究，我國(guó)對(duì)于刀具磨損監(jiān)測(cè)這方面的研究相對(duì)較少，但隨著我國(guó)制造業(yè)的崛起，數(shù)控設(shè)備的使用已非常普遍。在一些制造汽車(chē)、挖掘機(jī)等大型國(guó)企、外資、合資等大企業(yè)中，數(shù)控加工設(shè)備在總設(shè)備的占比高達(dá)60%以上。刀具監(jiān)控技術(shù)將是數(shù)控設(shè)備高效高精度生產(chǎn)的有力保證。因此，國(guó)內(nèi)設(shè)計(jì)、制造業(yè)學(xué)者對(duì)于數(shù)控刀具磨損的監(jiān)控技術(shù)進(jìn)行了相關(guān)研究，也取得較好的成果。

天津技術(shù)師范大學(xué)的王志強(qiáng)、宮虎等，通過(guò)對(duì)銑刀振動(dòng)信號(hào)采集，用長(zhǎng)度分形維數(shù)法進(jìn)行特征提取，并且依據(jù)區(qū)間估計(jì)法得出參考樣本的聚類(lèi)域，從而進(jìn)行特征值與聚類(lèi)域比較，判斷出刀具磨損的狀態(tài)效果[2]。

各行各業(yè)的研究成果，信息融合技術(shù)可表述為：利用多傳感器在不同時(shí)間、空間采集數(shù)據(jù)資源，利用計(jì)算機(jī)技術(shù)完成數(shù)據(jù)處理，從而在多方面描述與解釋被測(cè)量，最終完成被測(cè)量的決策、估計(jì)，從而避免單一信息對(duì)整體被測(cè)對(duì)象的誤差。

信息融合要滿(mǎn)足以下三個(gè)因素：（1）被測(cè)對(duì)象為多信號(hào)源處理對(duì)象；（2）數(shù)據(jù)的檢測(cè)、關(guān)聯(lián)、估計(jì)與合并是其信息融合特點(diǎn)；（3）信息融合的最終結(jié)果具有向高層次處理趨勢(shì)。

一、信息融合在各行各業(yè)中的作用

（1）與單一傳感器相比，多傳感器可以提高信息的準(zhǔn)確性和全面性；

（2）通過(guò)結(jié)構(gòu)相同、功能范圍有變化多傳感器融合，可以提高測(cè)量范圍；

（3）多種相同類(lèi)型、結(jié)構(gòu)相同的多傳感器整合，可以解決單一傳感器故障后不能工作或精度降低問(wèn)題；

（4）改進(jìn)檢測(cè)對(duì)象的識(shí)別效果，改善單一傳感器僅能從某一方面來(lái)識(shí)別對(duì)象問(wèn)題；

（5）大大提高被測(cè)對(duì)象的時(shí)空覆蓋，在多時(shí)空范圍內(nèi)得到更多的識(shí)別支持，提高適應(yīng)環(huán)境的能力。

二、信息融合技術(shù)結(jié)構(gòu)與三個(gè)級(jí)別

（一）信息融合技術(shù)功能模型

如圖1所示的信息融合，其功能主要有特征提取、分類(lèi)、識(shí)別和估計(jì)。下表1為其各層次及輸出特點(diǎn)。

（二）信息融合級(jí)別及其特點(diǎn)

表2 信息融合級(jí)別及特點(diǎn)

信息融合級(jí)別融合特點(diǎn)

像素級(jí)最低層、數(shù)據(jù)的融合，主要依靠傳感器提供的多源原始數(shù)據(jù)及其預(yù)處理階段信息進(jìn)行整合，數(shù)據(jù)較多，速度融合較慢，處理代價(jià)高，信噪比不佳，要求多個(gè)同一類(lèi)型傳感器融合，主要用于多源同類(lèi)型圖像分析與處理。

特征級(jí)基于像素級(jí)，屬于信息融合層次的中間級(jí)，主要是對(duì)多源信號(hào)不同類(lèi)型特征提取，進(jìn)行分類(lèi)、綜合、處理給決策級(jí)提供所需要的多特征值。在模式識(shí)別、機(jī)器人視覺(jué)、語(yǔ)音分析方面有許多方法可以根據(jù)需要選用。

決策級(jí)利用特征級(jí)融合所得出的目標(biāo)各類(lèi)特征信息，并在某一類(lèi)型傳感器失效后，仍能提供較好的決策效果，反應(yīng)速度快，容錯(cuò)性好，但決策比重的確定是其難點(diǎn)。

信息融合過(guò)程如圖2所示：首先將多傳感器檢測(cè)來(lái)的多源信號(hào)轉(zhuǎn)換為對(duì)應(yīng)電信號(hào)，經(jīng)輸入量模擬通道或數(shù)字量輸入通道進(jìn)行信號(hào)放大、濾波，模擬量信號(hào)經(jīng)過(guò)A/D器變換將電信號(hào)（如是信號(hào)本身為數(shù)字量信號(hào)無(wú)需A/D器轉(zhuǎn)換）轉(zhuǎn)換為數(shù)字量。數(shù)字化后電信號(hào)需經(jīng)過(guò)計(jì)算機(jī)數(shù)字濾波等手段消噪，選取有用特征信息，進(jìn)行信息融合，最終輸出結(jié)果。

三、信息融合方式及其特點(diǎn)

信息整合方式特點(diǎn)

集中式多傳感器信號(hào)輸送到同一個(gè)處理器（融合中心）處理并融合，對(duì)硬件要求較少、精度較高但是融合速度慢，實(shí)時(shí)性較差，要求足夠大的帶寬。

分布式多傳感器針對(duì)自己檢測(cè)內(nèi)容進(jìn)行單獨(dú)處理，由融合中心處理器對(duì)局部結(jié)果整合，運(yùn)行速度快，可靠性高、實(shí)時(shí)性好、精度稍差。

混合式上述兩種方式的組合，用于大型系統(tǒng)中的一種融合機(jī)制。

四、信息融合主要研究方法及其應(yīng)用特點(diǎn)

目前，各行各業(yè)已根據(jù)各自的行業(yè)特點(diǎn)，提出了相對(duì)成熟、有效的多傳感器融合方法如加權(quán)平均法、卡爾曼濾波、貝葉斯估計(jì)、DS證據(jù)推理法、神經(jīng)網(wǎng)絡(luò)方法、支持向量機(jī)法等。

目前，對(duì)于多傳感器及其特征融合算法方面研究較多，如前所述常用的融合算法，以及基于上述算法結(jié)合一些新理論及參數(shù)優(yōu)化衍生出新型融合算法，如當(dāng)前的基于粗糙集理論的信息融合算法、基于模糊理論的信息融合算法、基于微粒群信息融合算法、基于非線(xiàn)性S函數(shù)調(diào)參策略的改進(jìn)微粒群算法、嵌入隔離小生境技術(shù)的混沌微粒群算法、基于微粒群模糊密度自適應(yīng)賦值的多分類(lèi)器融合算法、基于支持向量機(jī)的信息融合算法、基于神經(jīng)網(wǎng)絡(luò)方法的信息融合及其演化形式等。

實(shí)際選用各種傳感器信息融合算法時(shí)，要注意傳感器信息的特點(diǎn)及各種融合方法的適用條件及研究現(xiàn)狀，對(duì)于刀具磨損量監(jiān)測(cè)的多傳感器及其信息融合，國(guó)內(nèi)外學(xué)者使用較為成熟的融合方法主要集中于各種神經(jīng)網(wǎng)絡(luò)融合方法、支持向量機(jī)融合方法及其參數(shù)優(yōu)化方面的研究，如國(guó)內(nèi)學(xué)者劉芽在其車(chē)刀多傳感器信息融合算法中分別應(yīng)用了BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)三種方法分別對(duì)刀具磨損量特征值數(shù)據(jù)進(jìn)行識(shí)別；謝鋒云在神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上利用粒子群對(duì)神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行了優(yōu)化完成了刀具磨損量特征值數(shù)據(jù)進(jìn)行識(shí)別[1]；聶鵬等利用Elman神經(jīng)網(wǎng)絡(luò)對(duì)于刀具磨損量特征值數(shù)據(jù)進(jìn)行識(shí)別；王利偉等基于云理論與支持向量機(jī)的數(shù)控機(jī)床刀具磨損特征值數(shù)據(jù)進(jìn)行識(shí)別，通過(guò)這些融合方法的使用，不僅從理論上論證了融合的可行性，并從實(shí)際的研究結(jié)果對(duì)各種識(shí)別方法在刀具磨損特征值融合效果上如精度、融合時(shí)間的長(zhǎng)短及收斂性進(jìn)行了分析。

特別是學(xué)者劉芽在車(chē)刀磨損量特征值數(shù)據(jù)整合中對(duì)比BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)三種典型的融合算法，從診斷精度、訓(xùn)練時(shí)間長(zhǎng)短、對(duì)于核函數(shù)選擇的難易性及依賴(lài)程度上進(jìn)行了對(duì)比分析，發(fā)現(xiàn)在刀具磨損量特征值數(shù)據(jù)融合眾多方法中，支持向量機(jī)診斷精度最高、訓(xùn)練時(shí)間最短、對(duì)于核函數(shù)的依賴(lài)性低，因此本文是基于支持向量機(jī)融合算法，另外國(guó)內(nèi)學(xué)者嘗試用遺傳算法、粒子群優(yōu)化算法等算法對(duì)神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行了優(yōu)化，如學(xué)者李敏通過(guò)BP神經(jīng)網(wǎng)絡(luò)與粒子群優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)對(duì)同一個(gè)刀具磨損量特征值融合的兩種方法比較，發(fā)現(xiàn)兩種方法均能正確的反映刀具磨損狀態(tài)，但是兩種方法在測(cè)試樣本上的均方誤差是有差別的，粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)誤差更小，識(shí)別準(zhǔn)確率更高。因此本文是基于支持向量機(jī)，并結(jié)合當(dāng)前效果較好的的參數(shù)優(yōu)化手段蝙蝠算法而確定的一種對(duì)銑刀磨損量特征值數(shù)據(jù)的融合算法，從而建立銑刀磨損量多傳感器融合監(jiān)測(cè)模型。

五、結(jié)語(yǔ)

由于多種傳感器對(duì)銑刀磨損量識(shí)別時(shí)，多種不同信號(hào)的融合方法是本文核心技術(shù)內(nèi)容，目前，在各種行業(yè)中廣泛使用的模式識(shí)別融合算法較多如加權(quán)平均、卡爾曼濾波、貝葉斯估計(jì)、DS證據(jù)推理法、神經(jīng)網(wǎng)絡(luò)方法、支持向量機(jī)法等，并根據(jù)這些融合算法產(chǎn)生了相當(dāng)多的參數(shù)優(yōu)化算法，支持向量機(jī)這種模式識(shí)別方法對(duì)刀具磨損量監(jiān)測(cè)的多傳感器融合算法是可行的、有效的。

參考文獻(xiàn)：

[1]謝鋒云，曹青松，黃志剛.基于小波包BP神經(jīng)網(wǎng)絡(luò)的切削顫振監(jiān)測(cè)[J].儀表技術(shù)與傳感器，2015（10）：1315.

[2]王志強(qiáng)，宮虎，等.長(zhǎng)度分形維數(shù)在微銑刀磨損狀態(tài)識(shí)別中的應(yīng)用[J].振動(dòng)、測(cè)試與診斷，2016，20（13）：3032.

[3]HUANG，M.Study on highgrade CNC machine tool wear monitoring methods and experimental system[J].Advanced Materials Research.2015，91（11）：18441848.

作者簡(jiǎn)介：尹勇（1982），男，江蘇連云港人，碩士在讀，講師，主要從事機(jī)械制造、工業(yè)機(jī)器人等方面的教學(xué)與研究。