DOI：10.19392/j.cnki.16717341.201720006

摘要：在數(shù)控加工中，采用各種數(shù)控刀具進行切削會不可避免的產(chǎn)生磨損，并且這些刀具磨損會造成零件加工質(zhì)量下降甚至于報廢及新購買刀具成本開支的增加。為此，能有效監(jiān)測刀具磨損并進行適時換刀是必要的研究內(nèi)容。信息融合技術(shù)又被稱為多傳感器信息融合技術(shù)。目前國內(nèi)外眾多學(xué)者對信息融合技術(shù)在刀具磨損監(jiān)測中的應(yīng)用進行了較多的研究，本文從信息融合技術(shù)功能模型、信息融合級別及特點、信息融合方式及其特點、以及國內(nèi)外學(xué)者的研究成果，結(jié)合當前融合技術(shù)的新發(fā)展，確定一種支持向量機這種多傳感器信息融合技術(shù)應(yīng)用于刀具磨損監(jiān)測是一種有效的方法。

關(guān)鍵詞：刀具磨損；信息融合技術(shù)；支持向量機；研究

信息融合技術(shù)自20世紀70年代產(chǎn)生于軍事領(lǐng)域，近五十年來，隨著計算機技術(shù)、微電子技術(shù)、大規(guī)模集成電路技術(shù)、現(xiàn)代信號處理技術(shù)和新型傳感器技術(shù)的發(fā)展，信息融合技術(shù)在許多領(lǐng)域已展示出無可比擬的優(yōu)勢，在生產(chǎn)、生活軍事等領(lǐng)域成為新的學(xué)科發(fā)展方向。由于該技術(shù)是使用多種傳感器或者多類型傳感器對同一被測對象進行監(jiān)測，從這一層面上來說，信息融合技術(shù)又被稱為多傳感器信息融合技術(shù)。由于信息融合應(yīng)用于各行各業(yè)，在各行各業(yè)中研究的層次不同，雖有幾十年的發(fā)展，但至今沒有一個同一的定義。同時，在數(shù)控加工中，采用各種數(shù)控刀具進行切削會不可避免的產(chǎn)生磨損，并且這些刀具磨損會造成零件加工質(zhì)量下降甚至于報廢及新購買刀具成本開支的增加，而刀具的磨損有些是由正常加工磨損所造成的，有些則是由于加工不當導(dǎo)致的，如是否選擇合適的加工參數(shù)。因此，為了正確認識刀具磨損機理以達到在滿足核心部件加工質(zhì)量前提下減少刀具的磨損，減少停機時間及刀具購買成本費用，對刀具的磨損進行監(jiān)控與分析是必不可少的。尤其在制造業(yè)利潤空間相對縮小的前提下，減小刀具應(yīng)用成本，開源節(jié)流更顯得十分重要。因此利用信息整合技術(shù)對刀具磨損量監(jiān)測也是當前研究的一個課題。

國外對于刀具磨損方面所作的研究比較早，日本、美國、歐洲地區(qū)的研究者對于在機械加工過程中出現(xiàn)的刀具磨損現(xiàn)象嘗試著進行刀具磨損融合方面的研究，并取得了一定的經(jīng)驗。知名學(xué)者如美國的Benhard Seck、歐洲Transeal、日本的江田弘等，他們分別提出了用不同類型的多傳感器采集刀具發(fā)生的磨損，并用一些人工模式識別方法如神經(jīng)網(wǎng)絡(luò)等對刀具磨損狀況進行了分類識別，從而在刀具磨損的監(jiān)測識別方面提供了基本的方法與思路。

目前，美國主要進行的是刀具磨損監(jiān)測前沿方面研究，例如D.W.Wust等人將最新打磨機器人視覺技術(shù)運用于刀具磨損監(jiān)測過程中，通過三維識別技術(shù)進行刀具磨損邊緣的監(jiān)測，提高了分辨精度，達到了微米級測量，但是該系統(tǒng)的動態(tài)、連續(xù)監(jiān)測效果不好，有待于提高[3]。

歐洲如德國、瑞典，亞洲如日本等國主要將一定成果的刀具磨損監(jiān)測系統(tǒng)開發(fā)出了刀具監(jiān)測儀器與設(shè)備，如德國的SICK公司研制的刀具破損監(jiān)測儀、日本的Makino公司研制的具有高識別精度的刀具破損監(jiān)測儀、瑞典的SANDVIK公司研制出了6通道的刀具監(jiān)控儀，均取得了一定的經(jīng)濟效益。

根據(jù)目前各相比較發(fā)達國家如德國刀具監(jiān)測方面的研究，我國對于刀具磨損監(jiān)測這方面的研究相對較少，但隨著我國制造業(yè)的崛起，數(shù)控設(shè)備的使用已非常普遍。在一些制造汽車、挖掘機等大型國企、外資、合資等大企業(yè)中，數(shù)控加工設(shè)備在總設(shè)備的占比高達60%以上。刀具監(jiān)控技術(shù)將是數(shù)控設(shè)備高效高精度生產(chǎn)的有力保證。因此，國內(nèi)設(shè)計、制造業(yè)學(xué)者對于數(shù)控刀具磨損的監(jiān)控技術(shù)進行了相關(guān)研究，也取得較好的成果。

天津技術(shù)師范大學(xué)的王志強、宮虎等，通過對銑刀振動信號采集，用長度分形維數(shù)法進行特征提取，并且依據(jù)區(qū)間估計法得出參考樣本的聚類域，從而進行特征值與聚類域比較，判斷出刀具磨損的狀態(tài)效果[2]。

各行各業(yè)的研究成果，信息融合技術(shù)可表述為：利用多傳感器在不同時間、空間采集數(shù)據(jù)資源，利用計算機技術(shù)完成數(shù)據(jù)處理，從而在多方面描述與解釋被測量，最終完成被測量的決策、估計，從而避免單一信息對整體被測對象的誤差。

信息融合要滿足以下三個因素：（1）被測對象為多信號源處理對象；（2）數(shù)據(jù)的檢測、關(guān)聯(lián)、估計與合并是其信息融合特點；（3）信息融合的最終結(jié)果具有向高層次處理趨勢。

一、信息融合在各行各業(yè)中的作用

（1）與單一傳感器相比，多傳感器可以提高信息的準確性和全面性；

（2）通過結(jié)構(gòu)相同、功能范圍有變化多傳感器融合，可以提高測量范圍；

（3）多種相同類型、結(jié)構(gòu)相同的多傳感器整合，可以解決單一傳感器故障后不能工作或精度降低問題；

（4）改進檢測對象的識別效果，改善單一傳感器僅能從某一方面來識別對象問題；

（5）大大提高被測對象的時空覆蓋，在多時空范圍內(nèi)得到更多的識別支持，提高適應(yīng)環(huán)境的能力。

二、信息融合技術(shù)結(jié)構(gòu)與三個級別

（一）信息融合技術(shù)功能模型

如圖1所示的信息融合，其功能主要有特征提取、分類、識別和估計。下表1為其各層次及輸出特點。

（二）信息融合級別及其特點

表2 信息融合級別及特點

信息融合級別融合特點

像素級最低層、數(shù)據(jù)的融合，主要依靠傳感器提供的多源原始數(shù)據(jù)及其預(yù)處理階段信息進行整合，數(shù)據(jù)較多，速度融合較慢，處理代價高，信噪比不佳，要求多個同一類型傳感器融合，主要用于多源同類型圖像分析與處理。

特征級基于像素級，屬于信息融合層次的中間級，主要是對多源信號不同類型特征提取，進行分類、綜合、處理給決策級提供所需要的多特征值。在模式識別、機器人視覺、語音分析方面有許多方法可以根據(jù)需要選用。

決策級利用特征級融合所得出的目標各類特征信息，并在某一類型傳感器失效后，仍能提供較好的決策效果，反應(yīng)速度快，容錯性好，但決策比重的確定是其難點。

信息融合過程如圖2所示：首先將多傳感器檢測來的多源信號轉(zhuǎn)換為對應(yīng)電信號，經(jīng)輸入量模擬通道或數(shù)字量輸入通道進行信號放大、濾波，模擬量信號經(jīng)過A/D器變換將電信號（如是信號本身為數(shù)字量信號無需A/D器轉(zhuǎn)換）轉(zhuǎn)換為數(shù)字量。數(shù)字化后電信號需經(jīng)過計算機數(shù)字濾波等手段消噪，選取有用特征信息，進行信息融合，最終輸出結(jié)果。

三、信息融合方式及其特點

信息整合方式特點

集中式多傳感器信號輸送到同一個處理器（融合中心）處理并融合，對硬件要求較少、精度較高但是融合速度慢，實時性較差，要求足夠大的帶寬。

分布式多傳感器針對自己檢測內(nèi)容進行單獨處理，由融合中心處理器對局部結(jié)果整合，運行速度快，可靠性高、實時性好、精度稍差。

混合式上述兩種方式的組合，用于大型系統(tǒng)中的一種融合機制。

四、信息融合主要研究方法及其應(yīng)用特點

目前，各行各業(yè)已根據(jù)各自的行業(yè)特點，提出了相對成熟、有效的多傳感器融合方法如加權(quán)平均法、卡爾曼濾波、貝葉斯估計、DS證據(jù)推理法、神經(jīng)網(wǎng)絡(luò)方法、支持向量機法等。

目前，對于多傳感器及其特征融合算法方面研究較多，如前所述常用的融合算法，以及基于上述算法結(jié)合一些新理論及參數(shù)優(yōu)化衍生出新型融合算法，如當前的基于粗糙集理論的信息融合算法、基于模糊理論的信息融合算法、基于微粒群信息融合算法、基于非線性S函數(shù)調(diào)參策略的改進微粒群算法、嵌入隔離小生境技術(shù)的混沌微粒群算法、基于微粒群模糊密度自適應(yīng)賦值的多分類器融合算法、基于支持向量機的信息融合算法、基于神經(jīng)網(wǎng)絡(luò)方法的信息融合及其演化形式等。

實際選用各種傳感器信息融合算法時，要注意傳感器信息的特點及各種融合方法的適用條件及研究現(xiàn)狀，對于刀具磨損量監(jiān)測的多傳感器及其信息融合，國內(nèi)外學(xué)者使用較為成熟的融合方法主要集中于各種神經(jīng)網(wǎng)絡(luò)融合方法、支持向量機融合方法及其參數(shù)優(yōu)化方面的研究，如國內(nèi)學(xué)者劉芽在其車刀多傳感器信息融合算法中分別應(yīng)用了BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、支持向量機三種方法分別對刀具磨損量特征值數(shù)據(jù)進行識別；謝鋒云在神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上利用粒子群對神經(jīng)網(wǎng)絡(luò)的參數(shù)進行了優(yōu)化完成了刀具磨損量特征值數(shù)據(jù)進行識別[1]；聶鵬等利用Elman神經(jīng)網(wǎng)絡(luò)對于刀具磨損量特征值數(shù)據(jù)進行識別；王利偉等基于云理論與支持向量機的數(shù)控機床刀具磨損特征值數(shù)據(jù)進行識別，通過這些融合方法的使用，不僅從理論上論證了融合的可行性，并從實際的研究結(jié)果對各種識別方法在刀具磨損特征值融合效果上如精度、融合時間的長短及收斂性進行了分析。

特別是學(xué)者劉芽在車刀磨損量特征值數(shù)據(jù)整合中對比BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、支持向量機三種典型的融合算法，從診斷精度、訓(xùn)練時間長短、對于核函數(shù)選擇的難易性及依賴程度上進行了對比分析，發(fā)現(xiàn)在刀具磨損量特征值數(shù)據(jù)融合眾多方法中，支持向量機診斷精度最高、訓(xùn)練時間最短、對于核函數(shù)的依賴性低，因此本文是基于支持向量機融合算法，另外國內(nèi)學(xué)者嘗試用遺傳算法、粒子群優(yōu)化算法等算法對神經(jīng)網(wǎng)絡(luò)的參數(shù)進行了優(yōu)化，如學(xué)者李敏通過BP神經(jīng)網(wǎng)絡(luò)與粒子群優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)對同一個刀具磨損量特征值融合的兩種方法比較，發(fā)現(xiàn)兩種方法均能正確的反映刀具磨損狀態(tài)，但是兩種方法在測試樣本上的均方誤差是有差別的，粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)誤差更小，識別準確率更高。因此本文是基于支持向量機，并結(jié)合當前效果較好的的參數(shù)優(yōu)化手段蝙蝠算法而確定的一種對銑刀磨損量特征值數(shù)據(jù)的融合算法，從而建立銑刀磨損量多傳感器融合監(jiān)測模型。

五、結(jié)語

由于多種傳感器對銑刀磨損量識別時，多種不同信號的融合方法是本文核心技術(shù)內(nèi)容，目前，在各種行業(yè)中廣泛使用的模式識別融合算法較多如加權(quán)平均、卡爾曼濾波、貝葉斯估計、DS證據(jù)推理法、神經(jīng)網(wǎng)絡(luò)方法、支持向量機法等，并根據(jù)這些融合算法產(chǎn)生了相當多的參數(shù)優(yōu)化算法，支持向量機這種模式識別方法對刀具磨損量監(jiān)測的多傳感器融合算法是可行的、有效的。

參考文獻：

[1]謝鋒云，曹青松，黃志剛.基于小波包BP神經(jīng)網(wǎng)絡(luò)的切削顫振監(jiān)測[J].儀表技術(shù)與傳感器，2015（10）：1315.

[2]王志強，宮虎，等.長度分形維數(shù)在微銑刀磨損狀態(tài)識別中的應(yīng)用[J].振動、測試與診斷，2016，20（13）：3032.

[3]HUANG，M.Study on highgrade CNC machine tool wear monitoring methods and experimental system[J].Advanced Materials Research.2015，91（11）：18441848.

作者簡介：尹勇（1982），男，江蘇連云港人，碩士在讀，講師，主要從事機械制造、工業(yè)機器人等方面的教學(xué)與研究。