基于主轴电机电流信号的表面粗糙度检测
电子技术应用
刘雪杰，李国富，任潞
宁波大学 机械工程与力学学院，浙江 宁波 315211
摘要： 针对表面粗糙度不能及时检测造成的工件浪费问题，首次提出根据主轴电机电流信号进行表面粗糙度检测分类。通过实验采集不同表面粗糙度加工时的主轴电机电流信号，采用小波包分解将电流信号分解成不同频段，借助能量特征和裕度因子对不同频段电流信号进行评估，过滤低相关性频段，再通过随机森林筛选特征，降低特征的冗余性。总谐波失真特征实现了积屑瘤检测，仅依赖构建的电流信号特征工程表面粗糙度检测准确率高达95%以上，并且检测时间在2 s以内，基本实现了工件表面粗糙度的快速准确检测。
中圖分類號：TP181 文獻標志碼：A DOI: 10.16157/j.issn.0258-7998.234208
中文引用格式： 劉雪杰，李國富，任潞. 基于主軸電機電流信號的表面粗糙度檢測[J]. 電子技術應用，2024，50(2)：54-59.
英文引用格式： Liu Xuejie，Li Guofu，Ren Lu. Surface roughness detection based on spindle motor current signal[J]. Application of Electronic Technique，2024，50(2)：54-59.
中文引用格式： 劉雪杰，李國富，任潞. 基于主軸電機電流信號的表面粗糙度檢測[J]. 電子技術應用，2024，50(2)：54-59.
英文引用格式： Liu Xuejie，Li Guofu，Ren Lu. Surface roughness detection based on spindle motor current signal[J]. Application of Electronic Technique，2024，50(2)：54-59.
Surface roughness detection based on spindle motor current signal
Liu Xuejie，Li Guofu，Ren Lu
College of Mechanical Engineering and Mechanics，Ningbo University，Ningbo 315211， China
Abstract： Workpiece waste is usually caused by delayed detection of surface roughness. A rapid surface roughness detection classification based on the current signal of the spindle motor is proposed for the first time. The current signals of the spindle motor under different surface roughness processing conditions are collected through experiments, and the current signals are decomposed into different frequency bands through wavelet packet decomposition. The current signals of different frequency bands are evaluated by the energy characteristics and the margin factors, and the low correlation frequency bands are filtered. Then the features are screened through random forest to reduce the redundancy of features. The total harmonic distortion feature achieves built-up edge detection during the machining process. The workpiece surface roughness detection accuracy is as high as 95%. And the detection time is within 2 seconds. Spindle current signal analysis basically achieves fast and accurate detection of workpiece surface roughness.
Key words : spindle motor current signal；wavelet packet decomposition；random forest；the total harmonic distortion；surface roughness
引言
表面粗糙度作為工件質量的重要評價指標，直接影響工件的耐磨性、抗腐蝕性、密封性、配合程度、傳動精度[1]，因此在工件工藝設計時都會優先考慮表面粗糙度。表面粗糙度的及時檢測是十分必要的，當工件表面粗糙度不滿足設計要求時需要及時調整工藝參數避免更大的損失。表面粗糙度的檢測有多種方法，大致分為兩類，第一類是采用接觸式探針進行表面粗糙度檢測；第二類是通過傳感器采集圖像、電流信號、振動信號或聲發射信號進行分析處理，間接得到表面粗糙度值。接觸式檢測準確度很高，但是需要等待加工完成后才能進行檢測，影響加工效率[2]。圖像檢測容易受到切削液和切屑的影響，另外圖像檢測需要高性能的工業攝像機，導致圖像檢測表面粗糙度價格昂貴。振動信號通常安裝在刀具上，可能會干擾機床的加工，聲發射信號容易受到其他機床的干擾[3]，而電機電流信號是機床材料去除的動力來源，與加工過程十分密切，外界不易對機床電機電流信號造成干擾[4]，并且主軸電流信號獲取十分方便，距離較遠也能輕松獲取電流信號。使用電機電流信號進行表面粗糙度的檢測研究比較少，主要原因是電流信號與表面粗糙度存在較為復雜的對應關系。
本文詳細內容請下載：
http://www.tom3567.com/resource/share/2000005855
作者信息：
劉雪杰，李國富，任潞
寧波大學 機械工程與力學學院，浙江 寧波 315211
此內容為AET網站原創，未經授權禁止轉載。