CN108154187B - 一种基于振动信号的深孔啄钻加工质量检测方法 - Google Patents
一种基于振动信号的深孔啄钻加工质量检测方法 Download PDFInfo
- Publication number
- CN108154187B CN108154187B CN201810006700.XA CN201810006700A CN108154187B CN 108154187 B CN108154187 B CN 108154187B CN 201810006700 A CN201810006700 A CN 201810006700A CN 108154187 B CN108154187 B CN 108154187B
- Authority
- CN
- China
- Prior art keywords
- time
- pecking
- deep hole
- hole
- vibration signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000012545 processing Methods 0.000 title claims abstract description 53
- 238000005553 drilling Methods 0.000 title claims abstract description 40
- 238000001514 detection method Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000007547 defect Effects 0.000 claims abstract description 22
- 239000013598 vector Substances 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims abstract description 13
- 230000001133 acceleration Effects 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000003754 machining Methods 0.000 abstract description 19
- 238000005516 engineering process Methods 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000011218 segmentation Effects 0.000 description 6
- 230000009977 dual effect Effects 0.000 description 4
- 238000005520 cutting process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000003723 Smelting Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001050 lubricating effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mechanical Engineering (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
一种基于振动信号的深孔啄钻加工质量检测方法，它主要是解决现有的深孔质量检测中存在的检测困难、效率低下和成本高昂等技术问题。其技术方案要点是：采用加速度振动传感器采集深孔啄钻加工过程监测信号，利用双滑动窗能量算法对其起止点检测并实现振动信号时间序列的分割；为缩短算法运行时间以提升效率，对分割后子序列在时域和频域内提取特征来降维处理；然后针对分割后子序列不等长引起组合特征向量不等长的特点，采用动态时间规整对组合特征向量进行规整处理；利用累积最小规整路径距离作为衡量指标对等长振动信号子时间序列进行相似性度量分析实现加工质量缺陷的识别，同时根据时域上振动信号与实际加工孔的对应关系，从而实现缺陷在孔长上的定位。它主要是用于深孔加工质量检测。
Description
技术领域
本发明涉及一种机械加工质量在线监测分析技术，特别是一种用于深孔啄钻加工孔壁表面缺陷的识别与定位检测方法。
背景技术
孔加工作为制造领域不可或缺的部分，相关统计资料显示，机械加工中30%工作量为加工孔，孔的加工时间也占尽了机械加工耗时的20%以上，而深孔加工（长径比L/d>5，L为孔深，d为孔径）又约占全部孔加工工作量的50%。作为最早应用于军工生产领域的深孔加工技术伴随着科技的不断发展，广泛应用于汽车工业、航天工业、结构建筑工业、医疗器材工业、模具/刀具/冶具工业及油压空压等领域。所以，深孔质量检测对国民经济的发展和国防建设就显得尤为重要。
当前的先进制造技术已经逐步代替了传统的采用划线或制作钻模板方式的手工钻孔，有效解决了其劳动强度大、效率低、外形偏差大、质量不良等缺点。但是数控机床的自动化加工对于超长的深孔加工仍然会显示出一定不足，具体体现在三个方面。第一，工艺系统刚度差。孔的小直径和超大长径比直接决定了钻削所用的钻杆细且长，使得钻杆刚度不足，从而造成钻削过程中钻杆易产生偏斜、振动、扭曲，甚至折断。第二，排屑困难。深孔的特点就决定了钻削过程中切屑在孔内的排屑空间小且排屑路径长，极易发生切屑堵塞，从而产生过大的扭矩造成钻头损坏和零件报废。第三，切削散热困难。深孔加工处在相对封闭的状态下，切削热很难扩散，同时冷却润滑困难，从而加剧了刀具的磨损。而深孔啄钻以间歇进给方式进行加工，可以有效解决上述出现的三种问题，从而一定程度上实现了生产的高效性和安全性。
检测小孔内表面缺陷是评定小孔质量优劣的重要标准，实际加工中孔内表面的缺陷形态大致有空洞、划伤、砂眼、凹陷和边缘缺陷等类型。目前我国针对孔的质量检测还大都停留在人工监测的阶段。在此过程中由于小孔内部空间一般比较狭小，测量装置在检测时活动空间十分有限，尤其是孔轴向深度较大时，会使人工操作变得极其困难，检测仪器姿态调整也十分复杂，测量速度极为缓慢。如何实现智能自动化深孔加工质量检测对于保证我国机加工产品的质量、提高生产效率和实现自动化显得尤其重要。
随着 “中国制造2025”制造强国战略的提出，政府、企业和高校等紧密围绕重点制造领域关键环节，正积极开展新一代信息技术与制造装备融合的集成创新和工程应用。在此大背景下，利用传感器信息技术对加工信号进行采集和分析，从而对深孔加工质量实现快速高效的检测，来避免传统的采用通用量具和专用检测模板带来的检测精度低、效率不高、成本高昂的缺点。同时即便是现今测量精度高、自动化程度高的三坐标测量机对于一些复杂的小尺寸孔同样不具有可达性、测头与孔壁易产生干涉和效率低下等问题。所以，开展以监测信号为研究对象来实现深孔加工质量中缺陷的识别和定位具有很大的现实意义和实用参考价值。
发明内容
为了能够实现对深孔加工质量的快速准确检测，本发明的目的在于提供一种基于传感器监测信号的在线深孔质量分析方法，对改进现今复杂困难的深孔质量检测手段提供指导和借鉴。
本发明解决其技术问题所采用的技术方案是：首先采用加速度振动传感器采集深孔啄钻加工过程监测信号，根据啄钻的间歇进给特点形成的“间断”振动信号，利用双滑动窗能量算法对其起止点检测并实现振动信号时间序列的分割；接着为缩短算法运行时间以提升效率，对分割后子序列在时域和频域内提取特征来降维处理；然后针对分割后子序列不等长引起组合特征向量不等长的特点，采用动态时间规整对组合特征向量进行规整处理；最后利用累积最小规整路径距离作为衡量指标对等长振动信号子时间序列进行相似性度量分析实现加工质量缺陷的识别，同时根据时域上振动信号与实际加工孔的对应关系，从而实现缺陷在孔长上的定位。
所述的加速度振动传感器安置在机床加工的主轴上。
所述的深孔啄钻加工，以间歇进给为最大的特点，即每次进给后均从孔内完全退出，然后再钻入孔中。
所述的双滑动窗能量算法以两个相对静止的连续滑动窗口总能量比值作为判决量，当只有噪声时由于双窗内能量水平一致，判决量的响应表现为比较平坦；一旦信号到来或者结束时，判决量的响应表现为突变趋势，在设定好阈值后由判决量的变化即可判断出信号的起始结束时刻。
所述的对分割后子序列在时域和频域内提取特征来降维处理包括两个步骤，一是在整个时域内对子序列进行加窗，并计算每个窗内的曲率、极值和斜率作为时域特征；二是经过将子序列进行小波变换后直接提取某一尺度上小波细节系数作为频域特征。
所述的动态时间规整是一种衡量两个长度不同的时间序列的相似度的方法，主要特点是在序列长度不一或X轴无法完全对齐的情况下，用满足一定条件的的时间规整函数描述两者之间的时间对应关系。
所述的累积最小规整路径距离类似于衡量两个向量的差异的欧式距离，在动态时间规整算法中针对两个长度分别为m和n的序列构造元素为它们每个点之间相似度的m*n矩阵时，算法的目的为寻找一条满足一定条件的通过此矩阵网格的最优路径，该路径通过的网格点即为两个离散序列经过对齐后的点对，计算得到的最优路径也就是最小规整路径距离。
所述的振动信号与实际加工孔之间的对应关系是分割后的每段振动信号子时间序列都分别对应着加工孔的不同加工区域。
本发明的有益效果是：巧妙的利用深孔啄钻加工所独有的特点，巧妙的借鉴语音处理领域的端点检测技术和动态时间规整作为信号分析核心，结合数据挖掘技术包括降维、相似性度量等克服对在深孔质量检测中出现的检测困难、效率低下和成本高等缺点。通过钻削试验表明：振动信号的处理分析结果与实际物理检测结果有较高的一致性，体现了方法很好的可靠性和实用性。本方法可广泛应用于有关深孔加工质量检测领域。
附图说明
图1是本发明的原理方框图。
图2是深孔啄钻加工示意图。
图3 Z轴加速度振动信号图。
图4双滑动窗能量算法流程图。
图5双滑动窗能量算法信号分割结果图。
图6 分割信号相似性分析流程图。
图7 分割信号组合特征动态时间规整路径图。
图8 分割信号组合特征规整结果图。
图9钻削试验物理检测图。
具体实施方式
下面结合附图和实施例对本发明做进一步详细说明。
实施例1，本发明首先采用加速度振动传感器采集深孔啄钻加工过程监测信号，根据啄钻的间歇进给特点形成的“间断”振动信号，利用双滑动窗能量算法对其起止点检测并实现振动信号时间序列的分割；接着为缩短算法运行时间以提升效率，对分割后子序列在时域和频域内提取特征来降维处理；然后针对分割后子序列不等长引起组合特征向量不等长的特点，采用动态时间规整（DTW）对组合特征向量进行规整处理；最后利用累积最小规整路径距离作为衡量指标对等长振动信号子时间序列进行相似性度量分析实现加工质量缺陷的识别，同时根据时域上振动信号与实际加工孔的对应关系，从而实现缺陷在孔长上的定位。基于以上方法，综合实现深孔加工缺陷的识别与定位。参阅图1至图9。
实施例2，所述的加速度振动传感器安置在机床加工的主轴上。参阅图1至图9，其余同实施例1。
实施例3，所述的深孔啄钻加工为深孔常用的加工方式，以间歇进给为最大的特点，即每次进给后均从孔内完全退出，然后再钻入孔中，加工与退刀相结合可以破碎钻屑，令其小得足以从钻槽顺利排出，并且不会造成表面的损伤，可避免钻头的过早磨损，同时实现断屑与排屑的。参阅图1至图9，其余同上述实施例。
实施例4，所述的双滑动窗能量算法是在传统的基于信号能量的突发信号检测算法的改进，该算法以两个相对静止的连续滑动窗口总能量比值作为判决量，当只有噪声时由于双窗内能量水平一致，判决量的响应表现为比较平坦；一旦信号到来或者结束时，判决量的响应表现为突变趋势，在设定好阈值后由判决量的变化即可判断出信号的起始结束时刻参。阅图1至图9，其余同上述实施例。。
实施例5，所述的对分割后子序列在时域和频域内提取特征来降维处理包括两个步骤，一是在整个时域内对子序列进行加窗，并计算每个窗内的曲率、极值和斜率作为时域特征；二是经过将子序列进行小波变换后直接提取某一尺度上小波细节系数作为频域特征。参阅图1至图9，其余同上述实施例。
实施例6，所述的动态时间规整（DTW）是一种衡量两个长度不同的时间序列的相似度的方法，主要特点是在序列长度不一或X轴无法完全对齐的情况下，用满足一定条件的的时间规整函数描述两者之间的时间对应关系。参阅图1至图9，其余同上述实施例。
实施例7，所述的累积最小规整路径距离类似于衡量两个向量的差异的欧式距离，在动态时间规整算法中针对两个长度分别为m和n的序列构造元素为它们每个点之间相似度的m*n矩阵时，算法的目的为寻找一条满足一定条件的通过此矩阵网格的最优路径，该路径通过的网格点即为两个离散序列经过对齐后的点对，计算得到的最优路径也就是最小规整路径距离。参阅图1至图9，其余同上述实施例。
实施例8，所述的振动信号与实际加工孔之间的对应关系是分割后的每段振动信号子时间序列都分别对应着加工孔的不同加工区域。参阅图1至图9，其余同上述实施例。
具体过程如下：
如附图1所示，此图为本发明基于振动信号的深孔加工质量检测方法的原理框图：过置于机床主轴上的三向加速度振动传感器对深孔啄钻加工进行监控并采集数据，然后基于双滑动窗能量算法对Z轴振动信号进行分割，接着对分割信号在时域和频域进行特征提取并形成组合特征向量，由于算法分割误差存在的组合特征不等长特点，利用动态时间规整处理，最后利用累积最短规整路径距离来判别质量是否出现异常，根据信号与孔长的对应关系实现缺陷的定位。
如附图2所示，此为深孔啄钻加工示意图。为了解决深孔加工中出现的常见的刀具刚性差和排屑冷却困难等问题，由此出现了深孔啄钻加工方式。 加工从R到Z的整个孔长过程中，刀具每次啄钻深度为Q恒定不变，即每次加工深度Q后均从孔内完全退出至R点，然后再钻入孔中，直至整个孔加工完成。其中d为每次的退刀量，这样便于排屑和避免造成表面损伤。
如附图3所示，此为Z轴加速度振动信号图。其主要的特点在于由于啄钻的间歇进给方式而产生的信号“间断”效果。
如附图4、5所示，分别为双滑动窗能量算法实现流程图和分割效果图。为了实现对振动信号子序列的相似性分析，如何实现振动信号准确分割是为首要任务。由于算法的一定的局限性和实验采集数据存在的误差，分割后的信号是不可能存在等长一致的，而分割的信号长度越接近，那么对于后文的相似性分析就会越可靠、越精确。双滑动窗能量算法以突发信号检测算法中常见的窗口能量算法为基础进行改进，其主要是解决窗口能量算法中存在的有关窗口大小和阈值对算法结果极其敏感的缺点。算法的具体实现流程为：以A、B两个相对静止的连续滑动的窗口总能量的比值m作为判决量，随着窗口移动过程中，当只有噪声信号时，A、B窗内的能量趋于一致，此时的判决量m表现为平坦趋势；一旦突发信号到来或结束，一个窗口的总能量急剧增加或减少，此时的判决量呈现出急剧上升或下降趋势，结合设定阈值就能检测出信号的起止结束时刻。
一般的时间序列都具有海量高维的特点，直接对数据进行处理，做相似性比较，所产生的时间复杂度和空间复杂度是人们难以承受的，因此对时间序列数据做合适的变换，降低时间时间序列数据维数，对时间序列数据的相似性分析是非常重要和关键。所以针对本发明中的分割信号的相似性分析同样存在着如何处理数据来减少算法的运行时间。
如附图6所示，分割信号相似性分析流程图。为了保证分割结果的可靠性，在选取信号特征问题上，可以选择同时从时域和频域进行提取。一方面，在时域上由于序列长短的不同和信号高度的相似性，一些整体性的特征如均值、标准差等可能不能很好的体现原始信的信息，所以可以考虑局部特征来体现信号中出现的微小差异。本发明中，采用窗口特征形成信号在时域上的特征。具体地，选择滑动窗口中每一窗内信号的曲率、斜率和极值组成特征向量，选取这几个特征的原因同样是基于信号的高度相似性的前提下，前述的是三个特征在一定程度上可以刻画出信号局部微小的变化趋势。
另一方面，关于频域特征的提取问题。从附3中直观上看，某几个段的信号在波形上体现出了较高的相似性。当前，在特征向量中引入小波特征信息在很多学者的研究中均得到了广泛利用，同时相关资料表明小波特征信息对于不同类高相似度的波形，或存在振幅或时间轴偏移的波形，能有效的表征原始信息。小波分解时，将信号分解为近似分量和细节分量，近似分量反映的是信号的一个概貌信息；而细节分量可以反映信号的细节或差别。很明显细节分量更适合作为本文中的振动信号相似性分析的部分特征信息，只要从原信号中抽取最能体现类别间差异的频率成分，就能解决信号相似度高和形变导致的分类困难的问题。
所以，为减少计算量本发明直接选取某一尺度上的细节系数作为特征向量的一部分，这样维度不会过高也不需要优化，避免了计算量大和复杂度高的问题，关键是选择哪一尺度的细节分量。通过相关文献研究结果本发明使用离散小波变换对振动分割信号波形进行特征提取，提取频域特征信息：其中小波母函数选择2阶Daubechies（db2），提取24尺度上的细节系数作为特征信息。最后将时域和频域特征组合成新的特征向量组合，并通过动态时间规整进行处理后求出累积最短规整路径距离，将求出的距离和设定的阈值距离相比来判定加工质量是否出出现异常。
如附图7、8所示，是以分割后第一段、第二段振动信号的组合特征向量利用动态时间规整做相似性分析得出的动态规整路径和规整后结果。动态时间规整针是一种衡量两个长度不同的时间序列的相似度的方法。具体地，寻找最小弯曲代价的路径（最小的累积距离），来衡量时间序列间的距离。传统的欧式距离要求两个时间序列间点对点严格按照时间轴相对，即要求序列长度相等，而动态时间规整距离能够支持时间轴的伸缩，不需要序列各点一一相对来完成相似性度量。对于规整路径的选择有以下选择：具有单调性，选择路径不能向下或者向左；路径选择不能出现间断点，应具有连续性；选择的规整路径要在矩阵单元开始和结束范围内。
本发明针对振动信号的6个分段，以时间为序将连续两个振动信号子序列进行求取累积规整距离，即1和2，2和3，3和4，4和5，5和6段信号进行相似性分析，分别计算出它们之间特征组合向量的累积最短规整距离分别为：2.356，0.7919，0.7472，0.8114，1.9431。以Th=1.5为距离阈值会发现在1和2，5和6出现超过阈值的情况，说明这当中出现了质量异常的情况。
如附图9所示，钻削实验物理检测的结果图。切割钻孔后利用高倍仪器拍照发现，在孔内的标号为1和6的所在孔段出现了划痕等明显缺陷，这也验证了信号分析的结果，即在第一次和最后一次的信号相似性分析得出的累积最短规整距离值明显的超出了事先设定的阈值，证明了方法的有效性和可靠性。
Claims (7)
1.一种基于振动信号的深孔啄钻加工质量检测方法，其特征是：首先采用加速度振动传感器采集深孔啄钻加工过程监测信号，根据啄钻的间歇进给特点形成的“间断”振动信号，利用双滑动窗能量算法对其起止点检测并实现振动信号时间序列的分割；接着为缩短算法运行时间以提升效率，对分割后子序列在时域和频域内提取特征来降维处理；然后针对分割后子序列不等长引起组合特征向量不等长的特点，采用动态时间规整对组合特征向量进行规整处理；最后利用累积最小规整路径距离作为衡量指标对等长振动信号子时间序列进行相似性度量分析实现加工质量缺陷的识别，同时根据时域上振动信号与实际加工孔的对应关系，从而实现缺陷在孔长上的定位，所述的双滑动窗能量算法以两个相对静止的连续滑动窗口总能量比值作为判决量，当只有噪声时由于双窗内能量水平一致，判决量的响应表现为比较平坦；一旦信号到来或者结束时，判决量的响应表现为突变趋势，在设定好阈值后由判决量的变化即可判断出信号的起始结束时刻。
2.根据权利要求1所述的基于振动信号的深孔啄钻加工质量检测方法，其特征是：所述的加速度振动传感器安置在机床加工的主轴上。
3.根据权利要求1所述的基于振动信号的深孔啄钻加工质量检测方法，其特征是：所述的深孔啄钻加工，以间歇进给为最大的特点，即每次进给后均从孔内完全退出，然后再钻入孔中。
4.根据权利要求1所述的基于振动信号的深孔啄钻加工质量检测方法，其特征是：所述的对分割后子序列在时域和频域内提取特征来降维处理包括两个步骤，一是在整个时域内对子序列进行加窗，并计算每个窗内的曲率、极值和斜率作为时域特征；二是经过将子序列进行小波变换后直接提取某一尺度上小波细节系数作为频域特征。
5.根据权利要求1所述的基于振动信号的深孔啄钻加工质量检测方法，其特征是：所述的动态时间规整是一种衡量两个长度不同的时间序列的相似度的方法，主要特点是在序列长度不一或X轴无法完全对齐的情况下，用满足条件的时间规整函数描述两者之间的时间对应关系。
6.根据权利要求1所述的基于振动信号的深孔啄钻加工质量检测方法，其特征是：所述的累积最小规整路径距离类似于衡量两个向量的差异的欧式距离，在动态时间规整算法中针对两个长度分别为m和n的序列构造元素为它们每个点之间相似度的m*n矩阵时，算法的目的为寻找一条满足一定条件的通过此矩阵网格的最优路径，该路径通过的网格点即为两个离散序列经过对齐后的点对，计算得到的最优路径也就是最小规整路径距离。
7.根据权利要求1所述的基于振动信号的深孔啄钻加工质量检测方法，其特征是：所述的振动信号与实际加工孔之间的对应关系是分割后的每段振动信号子时间序列都分别对应着加工孔的不同加工区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810006700.XA CN108154187B (zh) | 2018-01-04 | 2018-01-04 | 一种基于振动信号的深孔啄钻加工质量检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810006700.XA CN108154187B (zh) | 2018-01-04 | 2018-01-04 | 一种基于振动信号的深孔啄钻加工质量检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108154187A CN108154187A (zh) | 2018-06-12 |
| CN108154187B true CN108154187B (zh) | 2022-03-01 |
Family
ID=62460695
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810006700.XA Expired - Fee Related CN108154187B (zh) | 2018-01-04 | 2018-01-04 | 一种基于振动信号的深孔啄钻加工质量检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108154187B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109079203B (zh) * | 2018-08-23 | 2020-01-10 | 大连理工大学 | 一种用于自动进给钻的模块化微啄装置 |
| EP3623888A1 (en) * | 2018-09-13 | 2020-03-18 | Siemens Aktiengesellschaft | Workpiece surface quality issues detection |
| CN109978030A (zh) * | 2019-03-15 | 2019-07-05 | 北京和弦佳佳人工智能科技有限公司 | 应用于演奏的序列对齐方法和装置 |
| CN110303181A (zh) * | 2019-06-24 | 2019-10-08 | 河南科技学院 | 难加工材料复合钻削方法 |
| CN110414479B (zh) * | 2019-08-08 | 2021-11-16 | 燕山大学 | 一种饮水行为感知方法、连续和非连续动作分割识别方法 |
| CN111136509B (zh) * | 2020-01-10 | 2021-06-08 | 大连理工大学 | 一种基于elm-sdae算法的刀具状态监测方法 |
| CN113640217B (zh) * | 2021-10-13 | 2022-01-21 | 武汉地震工程研究院有限公司 | 一种粘钢法混凝土界面粘结状态监测系统 |
| CN114646344B (zh) * | 2022-01-31 | 2022-11-29 | 扬州盛威封头有限公司 | 基于工业大数据的封头热处理加工性能分析方法及系统 |
| CN114985905B (zh) * | 2022-04-24 | 2023-07-21 | 广州德擎光学科技有限公司 | 一种激光加工控制方法、装置和系统 |
| CN116821713B (zh) * | 2023-08-31 | 2023-11-24 | 山东大学 | 基于多变量动态时间规整算法的隔震效率评价方法及系统 |
| CN117109487B (zh) * | 2023-10-23 | 2024-01-23 | 北京华力兴科技发展有限责任公司 | 一种金属厚度自动化无损测量方法 |
| CN117911501B (zh) * | 2024-03-20 | 2024-06-04 | 陕西中铁华博实业发展有限公司 | 一种金属加工钻孔高精度定位方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4135238A (en) * | 1976-01-26 | 1979-01-16 | Hamill Company, Inc. | Numerically controlled machine tool system |
| CN101879690A (zh) * | 2010-01-21 | 2010-11-10 | 湘潭大学 | 一种基于多传感器信号的批量钻削工序质量监测方法 |
| CN102383124A (zh) * | 2011-10-31 | 2012-03-21 | 昆明理工大学 | 一种间歇驻留机械振动控制激光熔覆层气孔的方法 |
| CN102608586A (zh) * | 2012-02-11 | 2012-07-25 | 中国人民解放军陆军军官学院 | 一种基于神经网络的合成孔径雷达射频干扰抑制方法 |
| CN102915881A (zh) * | 2011-08-04 | 2013-02-06 | 上海工程技术大学 | 一种间歇旋转连续循环式熔断器灌砂机 |
| CN103605321A (zh) * | 2013-11-21 | 2014-02-26 | 湘潭大学 | 用于切削质量监控的批量工步质量一致性控制检测方法 |
| CN106354889A (zh) * | 2016-11-07 | 2017-01-25 | 北京化工大学 | 一种基于lwpt‑dtw的间歇过程不等长时段同步化的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7739624B2 (en) * | 2002-07-29 | 2010-06-15 | Synopsys, Inc. | Methods and apparatuses to generate a shielding mesh for integrated circuit devices |
-
2018
- 2018-01-04 CN CN201810006700.XA patent/CN108154187B/zh not_active Expired - Fee Related
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4135238A (en) * | 1976-01-26 | 1979-01-16 | Hamill Company, Inc. | Numerically controlled machine tool system |
| CN101879690A (zh) * | 2010-01-21 | 2010-11-10 | 湘潭大学 | 一种基于多传感器信号的批量钻削工序质量监测方法 |
| CN102915881A (zh) * | 2011-08-04 | 2013-02-06 | 上海工程技术大学 | 一种间歇旋转连续循环式熔断器灌砂机 |
| CN102383124A (zh) * | 2011-10-31 | 2012-03-21 | 昆明理工大学 | 一种间歇驻留机械振动控制激光熔覆层气孔的方法 |
| CN102608586A (zh) * | 2012-02-11 | 2012-07-25 | 中国人民解放军陆军军官学院 | 一种基于神经网络的合成孔径雷达射频干扰抑制方法 |
| CN103605321A (zh) * | 2013-11-21 | 2014-02-26 | 湘潭大学 | 用于切削质量监控的批量工步质量一致性控制检测方法 |
| CN106354889A (zh) * | 2016-11-07 | 2017-01-25 | 北京化工大学 | 一种基于lwpt‑dtw的间歇过程不等长时段同步化的方法 |
Non-Patent Citations (2)
| Title |
|---|
| Consistency evaluation of hole series surface quality using vibration signal;Zhou youhang等;《THE international journal of advanced manufacturing technology》;20170930;第92卷(第1期);1069-1079页 * |
| 基于钻削过程源信号增强的加工状态识别;姜尚;《中国优秀硕士学位论文全文数据库 工程科技I辑》;20160415;B022-252 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108154187A (zh) | 2018-06-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108154187B (zh) | 一种基于振动信号的深孔啄钻加工质量检测方法 | |
| Li et al. | Force-based tool condition monitoring for turning process using v-support vector regression | |
| Ertunc et al. | Drill wear monitoring using cutting force signals | |
| CN101879690B (zh) | 一种基于多传感器信号的批量钻削工序质量监测方法 | |
| TW202012905A (zh) | 刀具磨耗監控方法 | |
| US20200311321A1 (en) | Method for determining real-time thermal deformation attitude of spindle | |
| CN107066775B (zh) | 一种刀具车削温升均值的预测方法 | |
| US10413984B2 (en) | Method for predicting precision of electrical discharge machine | |
| CN116186499A (zh) | 一种数控加工表面粗糙度预测方法 | |
| JP2021082126A (ja) | 異常検出装置、異常検出方法およびプログラム | |
| CN114840932B (zh) | 多因数耦合提高tc4钛合金表面粗糙度预测精度的方法 | |
| Hong et al. | Tool condition monitoring in deep hole gun drilling: A data-driven approach | |
| Agarwal et al. | Analyzing the evolution of tool wear area in trochoidal milling of Inconel 718 using image processing methodology | |
| CN115099266A (zh) | 一种基于梯度提升决策树的硬车表面白层预测方法 | |
| Küllaç et al. | Correlation statistics of a Fourier transform feature with flank wear on different sections of turned surface images for real time monitoring applications | |
| CN116307938B (zh) | 一种加工中心进给系统健康状态评估方法 | |
| US8346383B2 (en) | Method for determining the machining quality of components, particularly for metal cutting by NC machines | |
| Zimmerman et al. | Experimental and statistical design considerations for economical evaluation of metalworking fluids using the tapping torque test | |
| CN101780488A (zh) | 内螺纹冷挤压加工质量在线预测方法 | |
| Kollment et al. | Force based tool wear detection using Shannon entropy and phase plane | |
| Zheng et al. | Tool wear prediction with external signals based on lightweight deep learning model | |
| Portillo et al. | A case study of a flexible software tool in the drilling process | |
| CN112697290B (zh) | 钢坯入炉温度的检测方法 | |
| CN118081479B (zh) | 一种机床运行故障在线监测方法与系统 | |
| CN118471864B (zh) | 一种基于误差分析的高精度纳米压印晶圆键合控制方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220301 |