摘要：为了获得足够有效的切削过程状态信息，确保产品质量/系统零部件的安全可靠运行，应采用可靠的监测策略并对传感器进行优化布置。针对单工位多工步切削过程状态监测，基于多工位误差流（Stream of variation，SOV）理论构建单工位多工步信息流模型，通过状态空间变换和主成分分析确定故障/监测量信息传递系数π用来表征不同测点传感器的监测能力；考虑传感器以及故障/监测量之间的特性差异对于系统检测能力的影响，采用6Sigma的因果矩阵（Cause-effect matrix, CEM）和失效模式与影响分析（Failure mode and effect analysis, FMEA）工具分别对传感器以及故障/监测量特性进行量化表示；基于属性层次模型（Attribute hierarchical model, AHM）构建传感器，故障/检测量以及系统检测能力之间的因果关系，设定优化目标和约束条件，并采用元启发式算法-混合蛙跳算法（Shuffled frog leaping algorithm, SFLA）和遗传算法（Genetic algorithm, GA）用于优化计算。提出基于单工位状态监测的六步传感器优化布置策略。实例分析表明，在一定约束条件下，就优化目标而言， SFLA显示比GA更高的优化效率，为单工位状态监测的传感器布置优化提供实践参考。

关键词：传感器布置 属性层次模型 单工位 状态监测 

单位：东南大学机械工程学院 南京211189