機械加工建模傳感器增強技術淺談
前言：本站為你精心整理了機械加工建模傳感器增強技術淺談范文，希望能為你的創(chuàng)作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。
摘要：以機械加工傳感器為研究對象，分析了其建模的思想和增強技術，以此增強了機械加工傳感器模型的可靠性。
引言
隨著社會的進步、經(jīng)濟的發(fā)展及科學技術水平的提高，為機械加工生產(chǎn)效率提供了可靠的保障，進而利于生產(chǎn)成本的控制及生產(chǎn)效益的增多。在實際加工過程中，機械加工建模扮演著重要的角色，它有效預測了機械加工的性能，改進了機械加工工藝。在實際建模過程中，預測目標受諸多因素的影響，此時可結合預測目標和影響因素間的關系，構建適合的預測模型。但機械加工的數(shù)量眾多，種類豐富，加工過程各異，因此，各變量間的關系難以明確。在此情況下，機械加工建模僅考慮輸入輸出變量間的關系，很難有效構建金屬切削加工模型，進而制約著制造技術的推廣，降低實效性與適用性。與此同時，在建模研究過程中，對實驗數(shù)據(jù)的要求相對較高，不僅要具備一定的數(shù)量，還要擁有一定的質量，此時的數(shù)據(jù)難以從文獻資料或實驗研究中獲取。因此，需要生產(chǎn)實踐，以保證所有數(shù)據(jù)的準確性與可靠性，同時通過實驗驗證模型的可用性，最后，仍需要大量的離線實驗，進而實現(xiàn)對建模數(shù)據(jù)的校準。
1機械加工傳感器建模的思想簡介
針對機械加工傳感器建模而言，其基本思想為黑箱建模，此方法是指將復雜的研究對象看作為一個黑箱，借助傳感器對其輸入與輸出的狀態(tài)進行檢測，同時采用人工智能手段，構建輸入與輸出二者間變量的關系，最終將為研究對象提供一個描述模型。與此同時，傳感器將對研究對象展開實時的檢測，如：輸入與輸出狀態(tài)，結合二者的變化情況，以此進一步修正模型。根據(jù)相關文獻報道可知，現(xiàn)有的機械加工預測模型與傳感器實時檢測相配合后，有效、全面地掌握了機械加工的輸入與輸出狀態(tài)，通過對二者的分析，為原有模型的改進提供了可靠的依據(jù)，而及時修正后，模型預測能力也進一步增強。在此基礎上，構建機械加工模型過程中，應關注傳感器的正確選取，同時也要豐富信號處理方法，以此保證切削加工狀態(tài)的準確判斷，使加工過程狀態(tài)與距離希望特性大小及趨勢等相關內容的預測效果將更加顯著[1]。在構建機械加工模型時，應根據(jù)解決方案，選擇適合機床裝備的傳感器及相關的信息輸入設備，以此保證信息搜集的全面、及時與高效。此時，機械加工中涉及的影響因素及其與預測目標間的關系均被忽略，而將機械加工看作為一個黑箱，此時僅對其黑箱的輸入和輸出給予高度關注即可，而二者狀態(tài)均可通過傳感器實現(xiàn)全方位的檢測。在對產(chǎn)品進行首次加工過程中，應根據(jù)國家的相關規(guī)定，如：以公用的加工數(shù)據(jù)為依據(jù)設置初始加工條件，并且將具體加工狀態(tài)及輸出值借助傳感器進行檢測，同時反饋至原始模型；此后，原始模型借助文獻報道中所顯示的數(shù)據(jù)，做成相應的估計常值；最后，在明確傳感信息的條件下，逐漸改進原始模型。在對產(chǎn)品進行二次加工過程中，應結合改進模型，對切削數(shù)據(jù)進行計算。此時的反復循環(huán)，使模型憑借加工信息進行了不斷地完善，進而模型的預測能力也將進一步增強。
2機械加工傳感器建模的增強技術
對于機械加工模型而言，其中應用傳感器所構成的增強模型，提高模型的預測能力，具體表現(xiàn)在以下兩方面，一方面，構建模型的主要目的是對性能指標的數(shù)值及其趨勢等進行預測，此時的性能指標主要來自于機械加工的輸入值與機械加工系統(tǒng)的當前狀態(tài)，但通過研究分析可知，普遍的當前狀態(tài)難以獲取，因此，所構建的機械加工模型也缺少科學性與適用性。但在機械加工時利用傳感器，此時其獲取的檢測信號便是當前狀態(tài)的結果，因此，在建模過程中，應用傳感器是必要的。在實際建模時，應注意傳感器選擇的適合性與信號處理方法的準確性，以此保證機械加工當前狀態(tài)的及時與準掌握。另一方面，在信息時代，機械加工數(shù)據(jù)庫的應用日漸普遍與廣泛，但其缺點較為明顯，即：昂貴的價格及較差的準確性等，同時其最為顯著的不足是，難以實現(xiàn)準確的模型系數(shù)校準，為了充分發(fā)揮機械加工數(shù)據(jù)庫的作用，保證模型系數(shù)校準的高效與準確，需要利用傳感器，輸出標定的預測模型[2]。例如：以某機械加工預測模型為研究對象，同一個加工過程的預測輸出與傳感器檢測試劑輸出分別為P和S，其中S為實時加工的最新顯示，因此，它包含眾多關于該加工過程的響應信息。此時，為了確定模型的修正值，應選擇適合的方法，而模型的系數(shù)集，其初值應有靜態(tài)的加工數(shù)據(jù)庫進行設置。通過對機械加工研究可知，其對人工神經(jīng)網(wǎng)絡ANN的應用較為普遍，通常情況下，選用名義加工輸入值或傳感器檢測信號特征，也可能將二者結合以此作為輸入值，此方法雖然應用效果顯著，但其確定也不容忽視，即：每個感知過程均為一個獨立事件。因此，為了彌補上述方法的不足，可借助預測模型，以此加速模型的感知過程，同時感知系統(tǒng)的穩(wěn)定性也將進一步增強[3]。將上述方法通過實驗研究顯示，人工神經(jīng)網(wǎng)絡ANN的學習系統(tǒng)LN引入后，將傳感器檢測功能與模型學習能力有機地結合，保證了模型預測精度的增強。對于此模型而言，MDB屬于簡單的加工數(shù)據(jù)庫，將名義輸入值分別加入到加工系統(tǒng)、加工預測模型與學習系統(tǒng)LN中，此時學習系統(tǒng)輸入端存在三項輸入，即：名義輸入值、預測模型輸出與傳感器輸出，此后利用人工神經(jīng)網(wǎng)絡的相關理論，選取給以的學習模型，并訓練多項輸入信息，進而獲得系統(tǒng)增強模型的預測輸出[4]。
3結語
在機械加工建模過程中融入傳感器，它促進模型預測能力的增強，同時簡化建模的環(huán)節(jié)和降低建模的難度。本文主要分析了機械加工傳感器的建模思想，闡述了機械加工傳感器建模的增強技術，相信機械加工傳感器建模的可靠性與適應性將不斷增強。
參考文獻
[1]仲作陽.微機械諧振器的能量耗散機理與復雜動力學特性研究[D].上海:上海交通大學,2014.
[2]汪延成.仿生蜘蛛振動感知的硅微加速度傳感器研究[D].杭州:浙江大學,2010.
[3]鄭永.基于時柵傳感器的精密蝸輪副動態(tài)檢測技術研究[D].合肥:合肥工業(yè)大學,2011.
[4]肖傳明.精密臥式加工中心的綜合動態(tài)精度設計與應用[D].北京:北京工業(yè)大學,2013.
作者：葉婷 單位：西安航空職業(yè)技術學院
