电火花加工间隙状态的鉴别与检测方法

本文格式为Word版，下载可任意编辑——电火花加工间隙状态的鉴别与检测方法

毕业论文（设计）

课题名称电火花加工间隙状态的鉴别与检测方法?

目录

摘要2关键词2引言3一、高频检测法4二、击穿延时法5三、间隙电压(电流)的检测法5四、放电间隙状态的识别6（一）传统识别方法6

1

（二）智能识别方法6结论9

干扰。

四、放电间隙状态的识别

获取间隙电压(电流)之后，辨识放电状态的方法十分多，主要可以分成两个大类。（一）传统识别方法

图4间隙电压比较检测判断电路原理图

传统的识别方法是设计电路，制作放电间隙检测模块。其原理图如图4所示。根据具体加工条件放电状态的电压高低阈值，将测取的间隙电压(电流)与设定的电压(电流)阈值比较，利用计数器统计单位时间内高于高阈值的脉冲个数，低于低阈值的脉冲个数以及位于高低阈值之间的脉冲个数，再通过规律判断确定放电状态。考虑到电火花放电状态的影响因素好多，一般不采用单次阈值比较结果来决定伺服进给装置的动作，而是计算一段时间内的各种放电状态的比值，来获取放电状态变化的趋势，从而决定伺服进给装置的进退。设计规律电路主要采用集成电路块或者可编程规律门阵列(FPGA)，另外，为了提高放电间隙检测模块的柔性，霍孟友等利用单片机来设置电压阈值，希望设计出检测模块能适用于加工条件经常改变的场合。

电火花放电状态的传统识别方法具有反应速度快、电路成熟等优点，但总的来说，受电路本身的局限，一般检测模块灵活性不够，不能随着加工条件的变化作较大的变化。随着计算机技术和智能技术的发展，研究人员已经逐渐趋向于利用智能技术辨识放电状态，通过将获取的间隙电压(电流)信号采集进计算机之后，设计不同算法以实现对放电状态的辨识。

（二）智能识别方法

目前的研究主要集中在采用智能方法辨识放电状态。目前这些算法主要有模糊法、神经网络法、模糊神经法、小波分析法等。

6

1、电火花间隙放电状态模糊规律识别法

图5模糊放电状态识别原理图

图5为利用模糊技术进行放电状态识别的原理图。将测取的间隙电压和电流值作为模糊识别器的输入，识别器中的模糊规则根据专家的经验和知识编写，模糊规则可以增加和修改，从而增加了系统的适应性。

合理选取模糊识别器的隶属函数是识别技术的关键，Y．S．Tarng等运用了模拟退火算法来选取优化隶属函数，可以不依靠初始状态，可以避开局部最小趋向全局最优，因而成为一种十分有效的机器自学习方法。

模糊技术最大的特征是将专家的控制经验、知识表示成为语言控制规则，然后用这些规则去控制系统。但是模糊控制的缺点也源于此，控制器模糊规则的设置源于操作人员的基本知识，受到操作人员水平的局限，同时不具有适应对象持续变化的能力。

2、电火花间隙放电状态神经网络识别法

图6为脉冲类型识别的神经网络模型。该神经网络模型两个输入层节点代表间隙电压、间隙电流2个输入参数；5个输出层节点有代表要识别的五种间隙状态。通过训练样本建立起的神经网络可以分辩不同工况下间隙的放电状态。

J.Y.kao和H.S.Uu等研究了运用前馈神经网络在线辨识放电状态，E.Pajak和K.Wieczomwski利用单向多层神经网络来区分火花类型。此外H.S.Liu等采用基于不确定性推理的Abductivenetworks来模拟输入与输出之间的非线性，这种网络的自组织性优于神经网络，由样本数据根据预计方差可自动寻优来建立模型，训练的次数少。Mediliyegedara等则比较了采用五种不同的鼓舞函数时，前馈BP网络对放电状态的识别效果。神经网络技术根据具体状况选择适合的网络结构，用特定加工条件下的间隙电压(电流)信号与放电状态之间的关系来训练网络获得权值，训练好的网络可以比较确凿地识别在同样的加工条件

7

下的放电状态，但是当加工条件改变时，识别效果会明显降低，另外，网络的拓扑结构和鼓舞函数的选择也是影响识别效果的重要因素。

图6电火花放电脉冲状态识别BP网络模型图

3、模糊规律和神经网络结合的电火花放电状态识别法

图7电火花加工放电间隙神经模糊控制器结构框图

罗元丰等将模糊规律与BP神经网络结合起来，建立了电火花加工间隙放电状态的检测模型并给出了算法，图7为其设计的神经模糊控制器结构框图，其中模糊推理部分由神经网络来实现。

曹光宇等选择空载率和短路及拉弧率之差及其误差变化作为模糊控制的输入参数，伺服参考电压、抬刀周期和脉冲间歇作为输出参数，模糊推理部分由神经网络来实现。同样尝试将模糊规律技术与BP神经网络技术结合来辨识电火花放电状态的还有裴景玉等。周明等则把模糊规律技术与学习向量量化(LVQ)神经网络结合起来辨识电火花放电状态，A．W．Behrens也设计了神经模糊控制器来识别电火花放电状态从而决定伺服系统的进退。

4、小波分析识别法

8

小波变换是近十年来迅速发展起来的一种新的信号处理工具。作为一种信号的时间一频域分析方法，具有多分辩分析的特点，而且在时、频域都有表征信号局部特征的能力。小波包分析是从小波分析延伸出来的一种对信号进行更加细致的分析和重构的方法，不但对低频部分进行分解，而且对高频部分也做了二次分解，在信号去噪方面表现出明显的优势，对信号的分析能力更强。针对电火花加工随机干扰因素多，采集的间隙电压(电流)信号噪声比较多，Yu利用小波变换来分析间隙电压／电流信号，通过小波变换，不仅可以去掉信号上的噪声，还可以明了地分辩出不同放电状态信号发生频率以及持续时间。经过小波变换之后的间隙电压/电流信号，可作为电火花加工在线控制器的输入，能获得较好的控制效果。

结论

电火花加工过程是一种极其繁杂、带随机干扰、多因素相关的高度非线性过程，传统的电火花放电状态检测模块通过设计电路来检测识别电火花状态。具有较大局限性。

混合智能技术的应用是电火花放电状态检测的发展方向。各种单一的智能技术都存在无法战胜的缺陷，采用混合智能技术能相互取长补