[0005] 本发明针对卧式内拉床的拉削刀具负载、磨损和寿命不易实时反馈的问题,提出了一种集刀具负载、刀齿磨损与寿命智能检测和拉削过程控制为一体的卧式内拉床智能拉削单元。该智能拉削单元是一种卧式内拉床专用的基于液压缸两腔压力反馈的拉削负载特性检测传感器设置装置;是一种拉削负载特性的声发射检测装置;是一种卧式内拉床专用的拉削位移和速度检测装置;是一种基于拉削速度和拉削负载特性,通过模糊推理和决策规则自学习原理,进行刀齿磨损和寿命智能预测装置;是一种可根据刀具磨损和寿命预测结果,通过电液比例阀,优化调整拉削加工参数(拉削速度,切削液用量等)的智能单元;是一种可根据刀具磨损和寿命预测结果评价拉刀质量优劣的智能单元。
[0006] 本发明包括传感器模块、数据采集模块、WinCC监控系统、数据处理模块、数据存储模块、诊断模块、控制模块、自学习模块、输出模块和执行模块。
[0007] 所述的传感器模块包括应变片式传感器、声波式传感器、压应力传感器、流量传感器和位移传感器。卧式内拉床的工件安装座沿周向均布设置四片应变片式传感器,主油缸的进、出液压管上均设置压应力传感器;所述声波式传感器悬空安装于拉刀正上方;所述流量测传感器设置在执行模块中微量润滑模块的管路中;所述位移传感器设置在主油缸末端,测量主油缸的活塞杆位移。
[0008] 所述的数据采集模块包括模拟量输入模块和通讯模块;所述模拟量输入模块对应变片式传感器、声波式传感器、压应力传感器、流量传感器和位移传感器的数据进行采集,并且将采集到的模拟量信号转换成数字量信号进行保存;WinCC监控系统通过通讯模块与模拟量输入模块通讯,将模拟量输入模块保存的数字量信号传输给数据处理模块。
[0009] 所述的数据处理模块对数字量信号进行低通滤波,然后按各个刀齿采集时间划分进行均值运算,获得各个刀齿的拉削力、拉削振动和主油缸两腔压力、切削液流量以及拉削速度五个特征量实际值。
[0010] 所述的数据存储模块包括特征量数据库、控制规则数据库和诊断结果数据库。所述特征量数据库用于存放数据处理模块输出的特征量实际值。所述控制规则数据库用于存放特征量标准值和模糊决策矩阵。
[0011] 所述的诊断模块包括模糊决策模块,所述模糊决策模块从特征量数据库中读取各个刀齿的拉削力、拉削振动、主油缸两腔压力、切削液流量以及拉削速度五个特征量实际值,由所述的五个特征量实际值构成一个输入样本,对输入样本进行模糊决策,得到该输入样本在不同刀齿磨损情况中的隶属度,将隶属度最大值对应的刀齿磨损情况作为实际输出结果存放在数据存储模块的诊断结果数据库中,诊断结果数据库中预先存储有根据拉削力、拉削振动、主油缸两腔压力、切削液流量以及拉削速度五个特征量标准值模拟得到的刀齿磨损情况预期输出结果。所述控制模块根据诊断模块输出的刀齿磨损情况实际输出结果输出对应的控制量。所述输出模块用于将控制模块输出的控制量转换成模拟量信号输出给执行模块。
[0012] 所述自学习模块以诊断结果数据库中的刀齿磨损情况实际输出结果和预期输出结果的偏差作为参考,实现对隶属度进行调整,并更新控制规则数据库中模糊决策矩阵,实现自学习。
[0013] 所述执行模块包括微量润滑模块和比例阀。所述微量润滑模块包括空气压缩机、调压阀、压力表、油泵、水泵和多段式喷嘴;两个调压阀分别根据输出模块输出的模拟量信号调节油泵和水泵的输出液压压力,实现对切削液流量的控制,油泵油管路和水泵水管路中均设置压力表;所述多段式喷嘴将空气管路、水管路、油管路进行汇合;比例阀根据输出模块输出的模拟量信号调节主油缸流量,实现对拉削速度的控制。
[0014] 所述的模拟量输入模块采用西门子股份公司的S7-300PLC的SM331模块,通讯模块采用32bitPCI卡。
[0015] 所述的WinCC监控系统采用西门子股份公司的WinCC监控系统,且WinCC监控系统通过人机界面模块实现人机交互。
[0016] 所述的WinCC监控系统通过Profibus网络与通讯模块连接,采集数字量信号进行存储。
[0017] 所述的WinCC监控系统通过Profibus网络与输出模块连接。
[0018] 所述模糊决策的具体步骤如下:
[0019] (1)将刀齿所有磨损情况定义为原因集,用向量Y={y1,y2,y3,y4,y5,y6,y7,y8}表示,yj,j=1,2,…,7,8分别对应一种磨损情况。计算各个刀齿的拉削力、拉削振动、主油缸两腔压力、切削液流量以及拉削速度的特征量实际值与控制规则数据库中特征量标准值的偏差e和偏差变化率Δe;所述拉削力、拉削振动、主油缸两腔压力、切削液流量以及拉削速度的特征值的偏差和偏差变化率构成一个现象集,用向量X={x1,x2,x3,x4,x5,x6,x7,x8,x9,x10}表示,x1,x2分别对应拉削力的偏差和偏差变化率,x3,x4分别对应拉削振动的偏差和偏差变化率,x5,x6分别对应主油缸两腔压力的偏差和偏差变化率,x7,x8分别对应切削液流量的偏差和偏差变化率,x9,x10分别对应拉削速度的偏差和偏差变化率。
[0020] (2)构造模糊决策矩阵:对原因集中刀齿存在的每一种磨损情况引起的拉削力、拉削振动、主油缸两腔压力、切削液流量以及拉削速度的变化进行判断,计算出每种磨损情况yj,j=1,2,…,7,8对现象集中各种现象xi,i=1,2,…,9,10的隶属度rji,进而构成模糊决策矩阵:
[0021]
[0022] (3)模糊决策运算:
[0023]
[0024] 式中 表示合成运算。经模糊决策运算后得到原因集Y中每种磨损情况yj(j=1,2,…,7,8)的隶属度,选取隶属度最大的磨损情况yj作为输出结果进行输出。
[0025] 所述的自学习模块进行自学习的具体步骤是:
[0026] (1)刀齿的现象集经过模糊决策运算后得到一个隶属度最大的磨损情况ym,即实际输出结果。计算刀齿磨损情况实际输出结果ym与预期输出结果y′m的偏差am,计算公式为:
[0027] am=ym-y′m (3)
[0028] (2)以am作为参考对隶属度rji进行调整,具体调整公式为:
[0029] r′ji=rji-bamxi (4)
[0030] 式中b代表比例因子,取值范围为0≤b≤1。
[0031] 本发明是一种卧式内拉床专用的基于液压缸两腔压力反馈的拉削负载特性检测传感器设置装置;是一种拉削负载特性的声发射检测装置;是一种卧式内拉床专用的拉削位移和速度检测装置;是一种基于拉削速度和拉削负载特性,通过模糊推理和决策规则自学习原理,进行刀齿磨损和寿命智能预测装置;是一种可根据刀具磨损和寿命预测结果,通过电液比例阀,优化调整拉削加工参数(拉削速度,切削液用量等)的智能单元;是一种可根据刀具磨损和寿命预测结果评价拉刀质量优劣的智能单元。