帶鋸床鋸切負載檢測系統研制

倪敬，湯海天，劉湘琪，劉曉晨

(1.杭州電子科技大學機械工程學院，浙江杭州310018;2.浙江理工大學機械與自動控制學院，浙江杭州310018)

0 引言

金屬帶鋸床是一種下料工序主要設備，以其鋸切精度高、鋸縫小，具有高效節能等特點，被廣泛應用于鋼鐵、機械、汽車、船舶、石油和航空航天等行業［1］。在實際鋸切加工生產中，隨著加工工件截面積無序變化、加工工件材質硬度突變、鋸齒齒刃磨損等復雜工況的出現，金屬帶鋸條鋸切負載參數會相應產生變化［2］，對后續工藝的加工精度、加工效率有著較大的影響。

目前，針對機床在線檢測開展了相關研究，如某專利(專利號為CN101135899)公開了一種精密數控機床在線檢測系統，該系統采用點對多點無線串口通訊方式，可實時檢測數控機床工作狀況，能在一定程度上對數控機床進行誤差補償，提高機床工作精度［3］。但該系統缺乏連續分析大量顫振信號的能力，無法應用于復雜工況的工作環境，無法對工作狀況進行智能決策及分析，因此，并不適用于基于金屬帶鋸條顫振特性的鋸切負載檢測要求。針對注水機組振動狀態開展的相關研究，如某專利(專利號為CN201010102851.9)公開了一種注水機組振動狀態的點檢方法及檢測裝置。該裝置可以較為全面地針對機床運行過程中的狀況進行比對分析，基于數據庫信號管理處理也提高了檢測系統的自適應能力［4］。但這種裝置成本較高，且采用聲學信號進行比對，主觀判斷成分較大，不利于客觀分析。

因此，針對以上不足，本研究根據金屬帶鋸床鋸切的高精度、高效率等要求設計帶鋸床鋸切負載檢測系統。

1 工藝原理分析與性能指標

1.1 系統工作原理

帶鋸床鋸切負載檢測系統如圖1所示。它主要由電渦流傳感器模塊、信號采集模塊、信號處理模塊、智能決策模塊組成。其中，電渦流傳感器模塊由電渦流傳感器和安裝支架組成，該模塊的作用是測定帶鋸工作時工件兩側鋸切產生的帶鋸顫振偏移量;信號采集模塊由前置放大器、轉換板、數據采集卡組成，它采用轉換板及采集卡，包含了高速A/D轉換、數字輸入輸出等功能;信號處理模塊及智能決策模塊均通過C++Builder編程集成于工控機內，可以對采集卡所采集的帶鋸顫振偏移量信號進行信號處理，并基于故障診斷學中的專家系統理論，參考基于知識庫的診斷模型，對處理結果進行基于粗糙集的邏輯推理，實時檢測金屬帶鋸床鋸切負載變化。

帶鋸床鋸切負載檢測系統工作原理為:由電渦流傳感器采集的帶鋸鋸切的振動信號，經過過前置放大器進行信號放大，放大后的信號經轉換板及數據采集卡進行A/D轉換，轉換后的數據通過PCI接口傳輸至工控機內進行數字信號處理提取特征值，并通過專家系統對鋸切負載進行智能識別。

1.2 主要性能指標和參數

主要性能指標和參數如下:

(1)振動測量精度為＜±2 mm;

(2)負載檢測識別范圍為200 N～2 000 N;

(3)振動采集頻率范圍為0～1 000 Hz;

(4)鋸切進給速度為0.2 mm/s。

2 機械系統設計

根據帶鋸床鋸切性能和工作要求，本研究設計的帶鋸鋸切負載檢測的機械部分如圖1所示。主要包括傳感器安裝支架和固定螺栓。該機械裝置與帶鋸床機構裝配簡單，對實際的鋸切加工影響較小。

如圖1所示，電渦流傳感器的探頭固定安裝在支架上，安裝支架通過螺栓固定于金屬帶鋸床的導向裝置上。在進行鋸切檢測時，系統調節傳感器安裝支架的伸展姿態，使得電渦流傳感器的探頭垂直正對于金屬帶鋸條的鋸帶部分。當帶鋸工作時，帶鋸條會產生基于平衡位置的橫向顫振偏移，其偏移值的大小經由電渦流傳感轉換為電流信號變化量，提供系統進一步分析處理。

圖1 帶鋸鋸切負載檢測系統示意圖

3 電氣系統設計

3.1 電氣系統原理介紹

電氣系統原理如圖2所示，主要包括模擬量輸入模塊、信號放大模塊、A/D轉換模塊、高速計數器模塊及FIFO模塊。電渦流傳感器檢測帶鋸條顫振偏移后，輸出模擬(電流)信號至前置放大器的信號輸入端口，前置放大器的信號輸出端口與轉換板模塊的模擬量輸入端口相連，具體連接方式為單端連接。輸入轉換板模塊的模擬信號通過外接電纜直接傳輸至采集卡，進行模擬信號的高速A/D轉換，轉換后的數據通過PCI接口傳輸至工控機內。

圖2 電氣系統原理圖

3.2 硬件選型與設計

本研究選取電氣元件如下:

(1)數據采集卡設計與選型數據采集卡采用研華PCI-1716L，并選擇PCLD-8710接線端子模塊。

(2)監控計算機設計與選型工控機采用研華IPC-610MB-L。

(3)傳感器設計與選型傳感器采用TR81系列電渦流傳感器。

3.3 電控軟件系統設計

3.3.1 原理介紹

帶鋸鋸切負載檢測軟件的具體工作原理如圖3所示，經信號采集模塊A/D轉換后，輸出數字信號值x(t)至信號處理模塊，為了便于分析計算，將轉換采樣后信號的時間序列截取有限長的一段進行計算，其余部分視為零不予分析，即采用窗函數w(t)去乘采樣信號(時間序列)，x(t)·w(t)，其頻譜函數為［X(f)·W(f)］。然后采用快速傅里葉變換算法(FFT)，將離散的時間序列x(t)·w(t)變換成離散頻率序列，輸出結果X(f)p=［X(f)·W(f)］·D(f)［5］。隨后應用相關性分析提取帶鋸振動特征值，即應用自相關函數區別周期函數，衰減寬帶隨機噪聲，并可確定周期因素的頻率，由此測得帶鋸同一點的固定頻率隨時間及工況變化而發生的相應關系。

圖3 鋸切負載識別原理圖

本研究提取的帶鋸振動特征值輸入到專家系統中，經過專家系統進行智能識別，能夠對鋸切工況進行在線智能決策。專家系統由數據庫、知識庫、粗糙集推理機、人機接口及預測模型組成。知識庫是專家系統中的專家知識、經驗與書本知識、常識的存儲器［6］，可以通過軟件的專家系統知識庫模塊，將帶鋸的運行顫振曲線簇及相關頻譜分析信息作為專家知識導入知識庫;數據庫是專家系統中用于存放反映系統當前狀態的事實數據的場所，經數字信號處理提取的特征值作為系統的輸入信息，暫存于數據庫中;預測模型能夠根據當前數據庫的數據，利用知識庫中的知識，按一定的推理策略進行對比分析，提出問題的分類。此時系統提出的問題分類是比較繁雜的，有一些只是存在于理論情況中。因此，基于實際系統，需要經過粗糙集(RSDA)對問題分類進行約簡。

粗糙集推理機工作原理圖如圖4所示，粗糙集(RSDA)是一種分析數據之間相關性和依賴性的一種符號方法，利用RSDA從數據中提取規則、尋找關鍵屬性和屬性值，進行預測和決策［7-10］。由于規則的產生完全從數據驅動，基于粗糙集推理機的專家系統具有自學習、自診斷的功能。

粗糙集推理機主要實現過程如下:

(1)數據的離散化處理。即對連續的輸入變量進行適當的區間劃分。

(2)基于粗糙集的數據分析。采用二值化數據方法［11］對數據進行過濾，并得到簡化的規則和重要的屬性值。

(3)模糊變量辨識和優化劃分。

(4)綜合決策。對經過一系列處理的輸入變量進行綜合決策，輸出綜合決策結果。

圖4 粗糙集推理機工作原理圖

經過專家系統的診斷和決策，最終通過軟件的鋸切監控模塊，輸出帶鋸鋸切的參數及當前的鋸切工況，并通過鋸切負載曲線模塊，將當前的鋸切負載值以曲線的形式實時顯示出來。

3.3.2 具體軟件設計

帶鋸鋸切負載檢測系統的軟件采用Borland C++Builder 6.0編寫，主要完成對帶鋸鋸切負載系統進行信號處理及智能識別工作，其主要界面如圖5所示，主要包括以下幾個模塊:

(1)專家系統知識庫。能夠導入導出帶鋸鋸切的運行顫振曲線簇及相關頻譜分析信息。

(2)歷史數據模塊。能夠保存和讀取帶鋸鋸切的歷史數據。

(3)鋸切監控模塊。監控鋸切過程的參數變化，顯示當前的鋸切工況。

(4)鋸切負載曲線模塊。實時顯示鋸切負載曲線變化。

(5)系統報警模塊。當系統檢測識別出鋸切異常時，系統將會報警。

4 系統實驗

圖5 系統軟件界面

為了增強實驗的可靠性，驗證帶鋸床鋸切負載檢測系統的識別準確率及響應速度，本研究隨機選取3個工況條件進行分析，具體取值如下:

(1)工況一，進給速度40 mm/s，鋸切速度100 mm/s;

(2)工況二，進給速度50 mm/s，鋸切速度120 mm/s;

(3)工況三，進給速度60 mm/s，鋸切速度140 mm/s。

經過近10次實際測試，本研究得到了在3種不同工況下系統的響應速度及檢測準確率。系統響應速度曲線如圖6所示，系統在3種不同工況下的響應速度均小于0.07 s，系統識別準確率如圖7所示，系統在3種不同工況下檢測的準確率分別為96%、97%、95%，實驗結果表明，帶鋸床鋸切負載檢測系統在不同工況下均具有較好的響應速度及識別準確率，可以較好地滿足帶鋸床鋸切負載在線識別監控的需要。

圖6 系統響應曲線

5 結束語

針對金屬帶鋸床鋸切的高精度、高效率等要求，基于機械、電氣及軟件系統設計，本研究研制了帶鋸床鋸切負載檢測系統，該系統主要由電渦流傳感器模塊、信號采集模塊、信號處理模塊、智能決策模塊組成。

圖7 系統識別準確率

實際研究結果表明，該鋸切負載檢測系統在不同的工況下均具有識別準確率高、響應速度快等特點，其檢測精度可以達到負載檢測量程的1‰，可以較好地滿足帶鋸床鋸切負載在線識別監控的需要，改善帶鋸床鋸切的精度，提高鋸切的效率。

［1］曾云.臥式金屬帶鋸床進給系統設計與研究［D］.長沙:中南大學機電工程學院，2006.

［2］WOJNAROWSKJ J，LWONA A W.Application of the rigid finite element method to modeling of free vibrations of a band saw frame［J］.Mechanism and Machine Theory，2005，40(2):241-242.

［3］郭隱彪，黃浩，郭江.一種精密數控機床在線檢測系統:中國，101135899［P］.2008-03-05.

［4］吳國新，谷玉海，王少紅，等.一種注水機組振動狀態的點檢方法及檢測裝置:中國，201010102851.9［P］.2010-07-07.

［5］趙文禮.測試技術基礎［M］.北京:高等教育出版社，2009.

［6］鐘秉林，黃仁.機械故障診斷學［M］.北京:機械工業出版社，1997.

［7］黎明.基于模糊集和粗糙集理論的非線性系統建模與控制方法研究［D］.沈陽:東北大學信息科學與工程學院，2003.

［8］侯超偉，馬波，申大鵬，等.基于粗糙理論的往復壓縮機規則提取方法研究［J］.機電工程技術，2013，42(10):71-76.

［9］黎明，張化光，何希勒.基于粗糙集的模糊模型辨識方法［J］.東北大學學報:自然科學報，2000，21(5):480-483.

［10］王玨.關于Rough Set理論與應用的綜述［J］.模式識別與人工智能，1996，9(4):337-344.

［11］DUNTSCH I，GEDIGA G.Simple data filtering in rough set systems［J］.International Journal of Approximate Reasoning，1998，18(1):93.