基于模糊支持向量机的刀具磨损检测

提出一种基于模糊支持向量机(FSVM)的切削过程中刀具磨损检测方法,对切削加工过程中的刀具磨损状态进行诊断与预测。提取切削加工过程中刀杆的振动信号和切削刀具的切削力信号,对其进行分帧处理,提取FFT特征量,对该特征向量进行模糊支持向量机的学习和训练。实验结果表明,该方法能够充分发挥模糊支持向量机的权系数作用,有效检测切削过程刀具的磨损程度,与同类识别方法的识别结果相比较,具有一定的优越性。     

基于模糊支持向量机的刀具磨损检测

提出一种基于模糊支持向量机(FSVM)的切削过程中刀具磨损检测方法,对切削加工过程中的刀具磨损状态进行诊断与预测。提取切削加工过程中刀杆的振动信号和切削刀具的切削力信号,对其进行分帧处理,提取FFT特征量,对该特征向量进行模糊支持向量机的学习和训练。实验结果表明,该方法能够充分发挥模糊支持向量机的权系数作用,有效检测切削过程刀具的磨损程度,与同类识别方法的识别结果相比较,具有一定的优越性。     

基于功率传感器的刀具磨损量预测方法

使用功率传感器监测机床加工功率,和切削力、声发射等传感器相比,功率传感器具有实用性强、对加工过程无影响等优点.针对采集到的功率信号,在分析信号特征相关性的基础上,提出了一个多目标优化RP-SBL的刀具磨损量预测方法.对信号特征进行后处理(Re-processing,RP)消除电网波动和切削中其他偶然因素的影响,进一步提高特征对刀具磨损敏感性.基于处理后的特征,运用稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)方法建立刀具磨损量预测模型.此外,使用非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA-II)对SBL模型相关参数进行优化以提高预测精度.实验研究表明,该方法能够实现刀具磨损量的准确预测.不同预测方法的对比表明,通过特征后处理提高信号特征对刀具磨损的敏感性,保证了刀具磨损量的准确预测,对SBL模型参数进行优化可进一步提高预测精度,减小预测误差的最大值.     

基于改进人工蜂群算法和极限学习机的刀具磨损监测

为了提高机械切削加工中刀具磨损量的实时监测精度,运用极限学习机建立刀具磨损监测模型,提出一种引入虚拟蜂的改进人工蜂群算法,对极限学习机随机产生的输入层权值和隐含层阈值进行优化。采用时域分析和经验模态分解,提取铣削加工中的切削力信号、振动信号以及声发射信号的时域特征和内禀模态能量比,从中选出对刀具磨损敏感的特征作为监测特征。利用建立的监测模型计算得到刀具磨损值,实验结果表明,优化后的极限学习机能够准确地预测刀具磨损值,且具有更简单的网络结构,同时改进后的蜂群算法也表现出了更好的寻优能力。     

刀具磨损的在线监测

在自动化加工中,为了保证加工系统工作的可靠性和产品质量,必须实现刀具磨损的在线监测。本文综述了现有的监测刀具磨损的方法,并对利用切削力、噪声发射、振动和电机功率的变化信号监测刀具磨损的方法作了较详细的介绍。     

车削颤振时变可靠性预测

针对车削加工过程中刀具磨损使得切削力系数等加工参数不断变化,进而导致传统的颤振预测方法随着加工时间的增加预测精度大大降低的问题,将时变可靠性理论引入颤振预测中,用线性方程表示了合力切削力系数的均值随切削时间的变化关系,建立了时变稳定性和时变可靠性模型.获得给定加工条件下系统的时变极限切宽和时变颤振可靠度曲线.最后对提出的计算方法做了相应的实验证明.实验表明.提出的颤振时变可靠性预测方法能够更为准确地预测不同加工时间下的颤振.     

基于模糊神经网络的刀具磨损识别

为了实现刀具磨损状态的自动识别，采用机床功率法进行了刀具自然磨损和不同切削参数（切削速度、进给量和切削深度）对功率信号影响的实验。在此基础上，建立了功率信号的时序AR模型。在提取作为刀具磨损特征量的AR模型参数时，考虑了切削用量对模型参数的影响，提出了特征量选取的准则，使所提取的特征量更加实用化，通过具体自学习和良好函数逼近能力的神经网络获得了特征量对刀具状态的隶属函数，并利用模糊神经网Fuzzy ART实现了刀具磨损状态的自动识别，识别正确率为95%，说明所提出的方法是有效可行的。     

基于深度学习与粒子滤波的刀具寿命预测

刀具在加工过程中会受到材料的挤压、摩擦、冲击与腐蚀等因素影响,导致切削刃出现崩刃、磨损等现象.这些现象使得工件尺寸出现偏差,严重时甚至会对机床和人员带来伤害.有效的刀具剩余使用寿命预测可以提高加工效率,保证加工精度,降低加工成本,因此具有重要的研究价值.针对反映刀具磨损程度的趋势性特征自学习提取与刀具剩余使用寿命预测问题,提出了基于深度学习与混合趋势粒子滤波的刀具剩余使用寿命预测方法.使用刀具未发生磨损的信号特征训练降噪自编码器,然后将刀具各磨损阶段下的信号特征输入训练好的降噪自编码器中,提取其重构误差作为单调性特征,为了解决样本数量不足带来的过拟合的问题,对原始样本进行了加噪处理.考虑到传统粒子滤波算法进行刀具剩余使用寿命预测的过程中无法自适应调整状态方程,提出混合趋势粒子滤波算法来实现刀具剩余使用寿命预测.采集刀具全寿命周期的切削力信号并进行处理与分析,分析结果证明了所提方法能够有效实现反映刀具磨损的趋势性特征自提取,该特征提取方法可以减少人为因素的影响,降低训练成本,同时,相比于传统粒子滤波,混合趋势粒子滤波算法对刀具剩余使用寿命预测精度更加准确可靠.     

球头铣刀螺旋铣孔材料去除及孔形成过程分析

根据螺旋铣孔加工机理,考虑钛合金难加工特性及球头铣刀头部的几何特征,分析球头铣刀完成钛合金螺旋铣孔加工过程中不同特征时刻刀具和工件的形态及相对位置关系,选取四个典型时刻研究球头铣刀螺旋铣孔过程中的孔壁形成机理.对去除的未变形切削材料的截面特征和横截面面积进行讨论,通过典型时刻分析球头铣刀螺旋铣孔过程中的材料去除行为,在数控机床上开展钛合金螺旋铣孔试验,并测量切削力,分析刀具磨损和螺旋铣孔质量.结果显示球头铣刀在钛合金螺旋铣孔加工过程中材料去除均匀平稳,与仿真过程基本一致,同时切削力逐步增加或减小,刀具磨损小,孔质量较高.     

高速车削Inconel718时切削力研究

切削力是高速切削加工过程中的一个重要的因素。本文采用sialon陶瓷刀具对镍基合金Inconel718进行了高速车削试验。研究了不同切削速度下切削力、刀具磨损和表面粗糙度相互关系。通过切屑的宏观形态计算得到定量的切削变形系数、剪切角、剪应变,直观分析考察了Sialon陶瓷刀具加工镍基合金时变切削力与形系数及剪切角大小随速度变化的规律。     

Intelligent Tool Failure Monitoring for Machining Processes

ＩｎｔｅｌｌｉｇｅｎｔＴｏｏｌＦａｉｌｕｒｅＭｏｎｉｔｏｒｉｎｇｆｏｒＭａｃｈｉｎｉｎｇＰｒｏｃｅｓｓｅｓ￥ＷａｎＪｕｎ，ＺｈａｏＦａｎ，ＷｕＸｉｅｑｈａｏ，ＣａｔＦｕｚｈｉ万军，赵凡，伍星浩，蔡复之（ＤｅｐａｒｔｍｅｎｔｏｆＰｒｅｃｉｓｉｏｎＩｎｓ...     

微织构刀具三维超声振动车削304不锈钢研究

为了提高304不锈钢加工效果,减小切削力,延长刀具寿命,提出一种微织构刀具与三维超声振动复合的车削工艺.分别利用减摩特性与断续切削特性,根据正交切削模型,从变切深与微织构刀具接触面积减小的角度建立普通刀具与微织构刀具三维超声振动车削的切削力模型.通过车削304不锈钢的单因素实验研究各切削参数对主切削力的影响规律并对比刀具磨损,通过正交实验研究最佳切削参数组合.结果表明:相对于普通刀具,微织构刀具的主切削力降低30%~40%;磨损程度平均降低11.50%;对于减小切削合力,最佳的切削参数组合为:切削深度为0.1mm,进给量为0.08mm/r,主轴转速为250r/min.     

基于可靠性的GH4169车削参数优化

为了保证刀具寿命的同时尽可能地提高加工效率,对切削参数进行优化至关重要.因此,建立了车削过程中的刀具磨损模型,可用于预测多种切削条件下任意时刻的刀具磨损量,从而推导出刀具寿命模型.考虑不确定性参数对车削加工的影响,建立了基于可靠性的车削优化模型,并采用序列优化与可靠性评估方法对优化模型进行求解以获得最优切削参数.最后,通过实例验证了该方法在高温镍基合金GH4169车削参数优化中的优势和可行性.     

铣刀磨损过程中铣削力与磨损面积分析

研究了三刃立铣刀磨损过程中切削力与刀具后刀面磨损带中部宽度（VB）、磨损面积、刀具副后刀面磨损带宽和磨损面积之间的关系．实验结果表明：铣刀磨损过程中,铣刀每转切削力均值、每切削刃切削力均值的变化曲线与车刀的典型磨损过程曲线相似,铣刀后刀面磨损面积比VB更真实地反映铣刀的磨损状态,可根据x方向的切削力标准偏差与其均值的比值判断刀具的磨损．     

圆柱齿轮滚齿切削力的预测

切削力是滚齿工艺参数优化、刀具磨损预测和机床设计的重要依据. 针对圆柱齿轮滚齿加工,提出了一种基于实体建模技术的切削过程几何仿真方法,实现了未变形切屑的准确提取,进而计算出未变形切屑厚度. 基于微分离散思想,将滚刀刀齿切削刃离散成一系列微元切削刃,采用Kienzle-Victor力模型,建立微元切削力模型,进而构建整体滚刀切削力模型. 结合Kistler 9123C旋转测力仪和DMU50五轴立式加工中心进行滚齿切削力测量试验,试验结果表明,预测的滚削力在幅值和变化趋势上与试验测量结果吻合良好,验证了该滚削力预测方法的有效性.     

碳纤维复合材料小孔钻削工艺参数优化

采用硬质合金麻花钻进行了碳纤维增强树脂基复合材料直径3 mm小孔的钻削试验,研究了工艺参数、刀具磨损对切削力和制孔质量的影响规律.首先,通过钻削试验,测得了不同工艺参数下的钻削力,回归分析得到了钻削轴向力和扭矩与转速和进给速度之间的关系式.然后,通过刀具磨损试验,获得了后刀面磨损量随制孔个数的变化曲线;对孔出口毛刺损伤进行测量统计和分析拟合,得到了毛刺面积与钻削扭矩间的关系式.最后,以材料去除率最大为优化目标,以钻削后无分层且毛刺损伤满足要求为约束条件,建立了工艺参数优化模型,获得了最优转速和进给速度.     

基于Lemaitre模型的辊式冲裁工艺断面质量分析

为了准确表征材料变形中逐渐劣化的过程,引入考虑损伤与裂纹萌发的弹塑性本构模型.基于Abaqus/Explicit的二次开发接口,编写耦合Lemaitre损伤模型的用户子程序,根据算例验证其可靠性.通过反复加载-卸载拉伸试验并利用弹性模量变化法来获得损伤参数值.建立辊式冲裁工艺有限元模型,应用Lemaitre损伤模型来预测断面质量,并进行试验验证.分析冲裁间隙、模具磨损与板厚等工艺参数对断面质量、冲裁力及扭矩的影响.结果表明:前刃口断面质量总体上要好于后刃口,但光亮带具有一定的倾角;塌角区会随冲裁间隙增加而增大;模具磨损程度增加会导致毛刺急剧增大;最大冲裁力与扭矩会随着板厚的增大而增大.     

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。