用主轴转速波动信号在线监测铣刀破损状态

讨论了用主轴围速波动信号在线监测铣刀破损的可能性，主轴转速流动信号安装在铣床主轴上的光电编码器获取，给出了高速采集主轴转速波动信号的采信板原理框图，对转速波动信号进行时域分析，从中抽取不同的特征参量进行信息融合来监测铣刀破损状态。     

铣刀破损振动位移监测方法的研究

对振动位移信号用于铣刀破损监测进行了详细的研究,建立了铣削过程的切削力模型;分析了铣削过程中振动位移信号的特征,提出了一种基于人工神经网络的振动位移铣刀破损监测方法。     

自动化加工中刀具破损实时监控方法的研究

详细叙述了在自动化加工中用霍尔电流传感器和流体传递信号的新型声发射（ＡＥ）传感器，联合监测主轴电机电流和加工中的ＡＥ信号，综合判断刀具破损的原理，监控方案和实验结果，该系统可自动识别直径为０．６ｍｍ以上的钻头破损，面积大于０．２ｍｍ＾２的镗刀，铣刀破损，准确率达９８％以上。     

基于人工神经网络的铣刀破损功率监测

提出一种基于人工神经网络的铣刀破损功率监测方法，建立了一个铣刀破损功率监测系统，实验表明：该神经网络方法能够灵敏地检测出刀具破损，且具有在较宽的工作范围内识别铣刀破损的优点     

主轴回转精度动态测试

对主轴的回转精度进行动态测试，采用双向测试法．运用计算机、A／D板实现数据的自动采集与处理。应用数学方法——曲线拟合法对测量信号中与转速同频的偏心运动和主轴误差运动中的一次误差运动进行了有效的识别分离，正确消除了偏心运动，实现了主轴误差的准确评定。     

用声发射信号在线监测切削刀具的磨损与破损

通过监测金属切削过程中的声发射信号，判别切削刀具刃部的磨损状况．监测逐渐增大的声发射信号幅值大小，测量刀具后刀面的磨损情况；检测阶跃式声发射信号的幅值，监测刀具的破损情况．并用微机处理实验数据产生刀具破损的信号．还对刀具破损时声发射信号阀值进行了研究．     

模糊回归分析在平头立铣刀磨损监测中的应用

通过分析铣刀渐进磨损过程的特点,从切削力、主轴端振动位移、主轴端振动加速度和主轴电机功率等信号中提取了8个反映刀具磨损状态的特征参数,提出用模糊回归分析多传感器信息融合方法监测铣刀后刀面磨损带面积.在立式加工中心上的实验表明,模糊回归分析计算的后刀面磨损带面积与实际测量值基本相符,计算效率高,能够满足小直径立铣刀磨损在线监测要求,具有较强的有效性和工程实用性.     

模式识别在刀具状态监控中的应用

通过大量试验，研究了刀具磨损、破损对功率信号时域和频域特性的影响．抽取与刀具状态相关的特征量──功率的时域幅值和主轴转频处的幅值，并将模式识别技术应用于刀具状态多特征监控，能较好地识别刀具的磨损和破损，显著提高了监控的准确性．     

微通道铣削加工工艺的实验研究

为了实现微通道的高效加工,提出利用微细铣刀对铝合金薄板进行微通道阵列结构加工,并通过改变加工工艺参数的方法,系统研究了铣削加工参数(背吃刀量、进给速度和主轴转速)对微通道的几何尺寸的影响规律。研究结果表明:选用直径为0.4mm铣刀的条件下,加工出微通道的宽度随着背吃刀量和进给速度的增大而逐渐增大,且背吃刀量的影响较为明显。在6 000~21 000r/min的主轴转速范围内,随着主轴转速的增加,微通道的宽度尺寸变化不大。因此,通过选择优化的切削加工工艺参数,可以实现微通道阵列结构的加工。     

基于阶次自分离的轮毂电机故障诊断方法研究

轮毂电机作为电动汽车四轮独立驱动系统的动力源,其运行状态直接关系着整车安全。为了逐步实现对轮毂电机运行状态的监测,本文提出一种新的方法--阶次自分离方法,以适应其复杂多变的行驶工况。本方法克服了传统阶次跟踪方法需同时采集转速信号和振动信号的局限性,仅针对转速信号进行研究,并提取其中蕴藏的非正常波动成分,同时借鉴传统阶次跟踪方法对时域非平稳信号的处理方式,对波动成分进行角域重采样和傅里叶变换,凸显出蕴藏于转速信号中的故障特征,进而实现对轮毂电机的故障诊断。结合Matlab仿真分析和轮毂电机漏电故障试验,结果表明阶次自分离方法可有效识别出轮毂电机漏电故障特征。     

数控机床主轴传动间隙与转速波动

文中通过理论分析，阐明数控机床主轴传动间隙与转速波动及传动噪声的内在联系，并通过对一台引进的车削加工中心机床主轴振动频谱的测试实验作了进一步的分析和探讨，同时还对数控机床主轴传动间隙的设计规范以及冷却润滑等问题提出了新的见解。     

硬质合金刀具车削GH2132高温合金磨损及破损试验

用不同含钴量的超细晶WC-Co硬质合金刀具与普通WC-Co硬质合金刀具对GH2132高温合金进行高速连续切削刀具寿命及断续切削刀具破损的对比试验. 用最小二乘法进行线性回归,建立了刀具寿命与切削速度之间关系的T-v经验公式,用ZEISS体视显微镜及显微摄影系统观察了刀具刃口、前刀面和后刀面的磨损和破损形貌. 试验结果表明:WC-Co硬质合金刀具的磨损和破损的主要机制是黏接磨损;超细晶WC-Co硬质合金刀具的耐磨性明显高于普通硬质合金;适当增加钴黏接相含量有助于超细晶WC-Co硬质合金刀具获得最佳的耐磨损和抗破损性能.      

车削过程中刀具磨损和破损状态的自动识别

采用机床主电动机功率法和声发射(AE)法来获取切削过程中发出的刀具磨损和破损信号,建立了刀具状态试验系统.在试验数据的基础上,建立了功率信号的自回归时序模型,在提取作为刀具磨损特征量的模型参数时考虑了切削用量的影响.针对刀具破损时功率信号时域幅值变化的随机性,提出用延时方差法来处理功率信号,数据分析结果表明,这种方法是可行的.针对切削过程中发出的AE信号,采用时频分析的方法进行处理,提取出反映刀具破损的特征量,最后利用2个并行的自适应共振神经网络ART-2实现了刀具状态的自动识别,识别成功率达到95%.     

基于小波奇异性和支持向量机微铣刀破损检测

针对微铣削过程中刀刃破损的现象,提出了基于振动信号奇异性分析的自学习式支持向量机的刀具破损检测方法.对两种状态信号作连续小波变换,计算小波模极大值和信号的李普希兹指数(Lips).通过Lips识别刀具状态,拟合Lips分布概率密度函数并验证其符合正态分布,将Lips分布的均值、方差作为特征值,通过遗传算法参数寻优建立了刀具破损状态的支持向量机(SVM)识别模型,也称最优模型.利用最优模型预测刀具破损状态,其预测准确度从84%逐步提高至90%,提升了系统预测模型的鲁棒性.最后通过实验验证了该方法的有效性.     

变速切削抑振机理

建立了再生切削颤振的衰减系数模型，采用频率扫描法，获得了稳定切削曲线，分析了任意宽下及变速切削时的系统频率和衰减系数变化，揭示了变速切削的抑振机理，提出了变速切削有效性的判定准则，生成了变速切削时的切削稳定曲线，为变速范围的选择提供了依据。     

机器人铣削加工稳定性影响因素

机器人铣削加工时容易发生模态耦合颤振,对刀具和机器人本体造成伤害,从而导致机器人定位精度降低.为了研究机器人铣削加工稳定性的影响因素,进行大量的铣削加工实验,研究主轴转速、轴向切深、进给速度、刀具悬长、顺逆铣以及切削材料等因素对于机器人铣削加工稳定性的影响.结果表明:在一定范围内,主轴转速越低、进给速度越快、轴向切深越大、刀具悬长越短、采用逆铣、材料硬度越大越容易导致模态耦合颤振的发生,且主轴转速和刀具悬长对于模态耦合颤振影响显著.     

井眼轨迹控制工具主轴力学行为分析

采用梁单元模型对井眼轨迹控制工具主轴进行简化,基于动态有限元显示积分算法,分析了主轴转速、偏移量及钻压对主轴力学行为的影响。结果表明:主轴转速及钻压对主轴力学行为影响较小;随着偏移量的增加,偏心环作用力、下支撑轴承作用力、钻头侧向力逐渐增加。并通过室内试验,验证了主轴力学行为仿真分析的正确性。     

基于切削参数和刀具状态的铣削功率模型

以经典铣削力模型为基础，同时考虑刀具磨损的影响，建立了基于切削参数（主轴转速、进给量、背吃刀具（即切削深度）、工件材料及刀具材料）的铣削功率模型。试验证明，该铣削功率模型能正确反映铣削功率信号与刀具状态及各种切削参数之间的关系。