Actual Problems in Machine Building 2018 Vol. 5 No. 1-2

Актуальные проблемы в машиностроении. Том 5. № 1-2. 2018 Технологическое оборудование, оснастка и инструменты ____________________________________________________________________ 91 проанализировали сигнал датчика потребленного тока привода для оценки состояния инструмента с помощью дискретного вейвлет-преобразования (DWT). DWT позволило предоставить точную оценку износа осевого инструмента при различных условиях обработки. Преобразования Фурье Данный метод обработки сигнала, в том числе быстрые преобразования (БПФ), кратковременные преобразования Фурье (STFT) и дискретные преобразования Фурье (ДПФ), предоставляют собой средства для выяснения состава и содержания частотного спектра измеряемого сигнала. В частности, мощность спектра частот сигналов о силовых параметрах при изнашивании инструмента изменяется от узкой зоны до расширенной полосы с набором зон. По мере приближения поломки инструмента мощность высокочастотных составляющих силы резания возрастает, обеспечивая при этом рост полезного признака для обнаружения аварийной ситуации [1]. Другие методы обработки сигналов В литературе представлены и некоторые другие способы обработки сигналов. Большинство из них применялись при использовании прямых методов оценки для обработки изображений. В работе [4] Брэдли и Вонг делают вывод о том, что все три применяемых метода анализа изображений (анализ гистограммы яркости и контраста, спектральный анализ, текстурный анализ) обеспечивают выявление изменений в структуре поверхности с прогрессированием износа инструмента. В частности, спектральный метод может также определить начало износа инструмента, что является важным фактором в любой автоматизированной системе мониторинга инструмента. В своей работе [5] Д. Керр подтвердил результаты С. Курады и К. Брэдли [7], которые выявили перепад предельного параметра, в качестве хорошего индикатора износа. Хотя, проведенные тесты, в общем, показывали неутешительные результаты, и только показатели инерции и энтропии продемонстрировали ожидаемый характер монотонного изменения с износом, и только в определенном распределении уровня яркости (КРНБ анализ). В статье [8], M. Сортино представлен инновационный алгоритм для идентификации зоны износа инструмента и системы его обнаружения на основе применения статистической фильтрации изображений режущей кромки. При этом оказалось, что статистический фильтр более эффективен по сравнению со стандартными фильтрами для регистрации границ. Выводы Для современного металлорежущего оборудования около 1/5 доли времени общих простоев связано с отказами режущего инструмента, приводящими к снижению производительности и экономическим потерям. Следует отметить, что надежная реализация «безлюдной», а вернее сказать, малолюдной технологии возможна, только если должным образом организована работа системы МСД РИ, отслеживающей и реагирующей не только на постепенные, но и на внезапные отказы инструмента. Важность обработки данных для получения достоверной информации из большой ее массы, которую можно извлечь из получаемых сигналов проявляется при выборе методов обработки. Проведенный краткий обзор применяемых методов обработки данных позволяет сделать вывод, что среди исследователей наиболее распространенными методами обработки сигналов, на наш взгляд, являются методы определения временных характеристик, статистических показателей, а так же вейвлет-анализ и преобразования Фурье.