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。     

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。     

基于J-C本构模型的2A12铝合金高速铣削特性研究

针对高速切削过程中切削参数选取优化问题,基于ABAQUS软件建立硬质合金刀具高速切削2A12铝合金有限元模型,通过仿真方法分析切削参数和刀具参数对切削力的影响,并进行铣削实验对仿真结果进行对比.误差在17%以内,验证了仿真模型的可用性.为高速铣削铝合金工件过程中,选择合理刀具几何参数与切削参数提供了理论依据.     

静力侵入岩石裂纹扩展及声发射特征

为了研究刀具静力侵入岩石过程中裂纹扩展及声发射特征,基于刀具侵入岩石断裂特征,确定了声发射参数与刀具侵入岩石过程中径、侧向裂纹长度的关系式;通过分析不同脆性岩石和裂纹长度对声发射信号的影响,得到声发射参数随裂纹长度增加而增大,不同岩石脆性程度对声发射参数随裂纹长度的变化曲线有很大影响,是造成声发射曲线不同的根本原因.选取不同脆性的水泥砂浆和花岗岩为研究对象,在RMT-150C压力试验机上进行刀具侵入破岩试验.结果表明:高脆性花岗岩声发射计数率和能量率远大于低脆性水泥砂浆;不同脆性岩石在刀具侵入作用下声发射特征曲线与侵入载荷-侵深曲线具有较好的一致性,可以很好表征刀具侵入过程中岩石内部裂纹扩展和宏观破碎过程.研究结果对于判断岩石材料破坏性质、深化岩石破碎机理及指导岩体稳定性监测有一定参考作用.     

声发射监测刀具破损的抗干扰技术研究

解决刀具破损声发射监测中抗干扰性差和可靠性低的问题。方法依据刀具破损的声发射信号特征和加工过程中的主要声发射干扰噪声的特征,采用自适应滤波、高低通滤波信号比较、双阈值判别等监测方法剔除干扰信号并准地识别刀具破损信号。结论经实验证明,该系统具有较强的抗干扰性和较高的可靠性。     

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.     

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。     

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．     

声发射监测刀具破损的抗干扰技术研究

目的　解决刀具破损声发射监测中抗干扰性差和可靠性低的问题。方法　依据刀具破损的声发射信号特征和加工过程中的主要声发射干扰噪声的特征,采用自适应滤波、高低通滤波信号比较、双阈值判别等监测方法剔除干扰信号并准确地识别刀具破损信号。结果　研制的新型监控系统,以冷却润滑液为声发射波的传播媒质,安装、使用方便,体积小,结构紧凑。结论　经实验证明,该系统具有较强的抗干扰性和较高的可靠性。     

钢制试件拉伸断裂及疲劳开裂声发射特征分析

设计钢制试件拉伸断裂和疲劳开裂两种损伤过程的声发射监测试验,对采集到的声发射信号进行参数分析,结合红外热成像检测结果,研究声发射信号特征参数与试验过程中试件力学行为之间的相关性.研究结果表明:拉伸断裂和疲劳开裂过程中试件声发射信号的能量、振铃计数、幅值等声发射信号特征参数能够很好地表征试件损伤过程的力学性能演化规律;试件出现损伤时所发出的声发射信号能量幅值主要分布在65～80 dB;声发射技术用于工程结构的健康监测是可行和有效的.     

立铣刀切削力模型的时域特性研究

根据铣刀刀齿渐进磨损过程中切削力信号的变化特点,分析了x和y方向瞬时切削力、每转平均切削力与刀齿后刀面磨损带面积间模型的时域统计特性,提取了反映刀具磨损状态的时域统计特征参数;并根据所设计的实验方案进行了相关的实验研究.     

基于后刀面磨损带面积的铣刀磨损模型的建立

鉴于后刀面磨损带面积（AB)可以作为衡量刀具磨损程度的一个指标,以此为据建立了作用在小直径螺旋立铣刀后刀面瞬时切削力和平均切削力与AB间的数学模型,使用不同的切削参数进行了多次实验,计算出模型的特征常数,并进行了模型的实验验证,为用切削力监测铣刀状态提供了理论依据。     

超密齿面铣刀的铣削力波动特性及其影响

提出了一种超密齿面铣刀概念,并推导了x和y方向的铣削力计算模型,分析了超密齿刀具铣削力及其波动规律.结果显示:随刀具的转动铣削力呈锯齿状变化,x向铣削力波动呈现两个山峰状,在三齿同时参与切削时波动最小.y向铣削力波动随初始切入角的增大先增大后减小,对比发现超密齿刀具铣削力波动远小于疏齿刀具.提出用单位体积材料所需切向铣削力大小来评价超密齿刀具和疏齿刀具性能.通过超密齿面铣刀的铣削实验验证了铣削力计算模型,并发现铣削力波动是影响工件表面粗糙度的因素之一,同时也反映出超密齿刀具的加工优越性.     

变齿距铣刀切削力理论与试验研究

本文考虑了铣刀的螺旋角及变齿距特性,基于切削力力学模型建立了变齿距立铣刀切削力模型;以该模型为基础,采用快速标定法测量的铣削力系数,利用Matlab软件对铣削力进行了仿真分析.同时,开展了变齿距铣刀铣削试验.试验与仿真分析的比较结果表明:对于变齿距铣刀,本模型都具有可靠有效的切削力预测能力;采用传统的快速标定法获得的铣削力系数可以应用于变齿距铣刀切削力预测,并可获得较好的效果;由于变齿距效应,各个刀齿承受的切屑载荷不同,相邻切削刃的铣削力峰值和相位也显示出明显差别.该方面研究对认识该类铣刀的切削力特性,开展刀具几何参数优化具有一定的指导意义.     

球头铣刀切削刃存在差异的切削力系数辨识

为了准确辨识得到球头铣刀切削刃存在差异的切削力系数,提出结合平均铣削力方法和粒子群优化算法的辨识方法.首先,建立球头铣刀的铣削力模型,推导基于平均铣削力且忽略切削刃差异的切削力系数辨识模型.然后,以基于平均铣削力方法辨识得到的切削力系数为初值、最小化铣削力仿真结果和测量结果的偏差平方和为目标,引入修正系数为设计变量,设计基于粒子群优化的切削力系数修正算法.最后,进行仿真和实验验证,相关结果表明采用修正后的切削力系数不仅能准确地预测切削刃存在差异的铣削力峰值,而且具有更好的吻合度和精度.     

球头铣刀加工钛合金零件的铣削力特性

在钛合金的铣削加工过程中,切削力特性将对零件的最终加工质量有重要的影响.对用球头铣刀铣削钛合金工件的切削力特性进行研究.首先建立了用球头铣刀对Ti-6Al-4V铣削加工的切削力数学模型,并通过编写程序求解得出了瞬时切削力及其变化规律;其次建立了球头铣刀对Ti-6Al-4V铣削加工的有限元仿真分析模型,获得了铣削过程中铣削区域的应力场、温度场等;最后设计并完成了切削力测试实验,将得到的实验数据进行了正交分析.结果表明切削参数对平均铣削力影响程度大小的顺序为:轴向切深、每齿进给量、径向切深和主轴转速.     

基于瞬时铣削力的球头铣刀铣削力系数辨识

面向多轴铣削加工的铣削力预测,提出了基于瞬时铣削力的球头铣刀铣削力系数辨识方法.首先建立了铣削过程中刀具的瞬时坐标系来准确描述多轴加工中刀具的位置和位姿,在此基础上建立了球头铣刀任意位置和位姿的通用铣削力模型,即建立了铣刀刀刃微元的切削弧长,刀刃微元的切削宽度和瞬时未变形切削厚度的数学模型.然后根据铣削力模型推导了基于瞬时铣削力的铣削力系数辨识模型.最后通过铣削力系数辨识实验和铣削力仿真计算,验证了方法的正确性和可靠性.     

铣削力建模与仿真

对螺旋刃周铣铣削力进行了建模,在建模中考虑了切削厚度变化对镜削力影响的指数关系,铣刀偏心对实际切削厚度、切入与切出角、铣削力波动的影响,并提出了用实测镜削力识别铣刀偏心和钝削力系数的方法。仿真的铣削力与铣削试验实测的铣削力达到非常好的符合。     

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%.     

氧化铝陶瓷磨削金刚石砂轮磨损的声发射监测

阐述了声发射监测工程陶瓷磨削的研究进展,发现目前对金刚石砂轮磨损监测研究基本上是选取声发射信号均方根(即有效值)进行分析,且金刚石砂轮磨损状态的声发射监测准确率不高.为提高金刚石砂轮磨损状态的声发射监测准确率,设计了氧化铝陶瓷磨削声发射实验,并采用支持向量机建立金刚石砂轮磨损状态的分类模型.分析发现氧化铝陶瓷精密磨削中声发射信号最强频谱能量在30~40kHz频段.金刚石砂轮轻度磨损、严重磨损钝化和修锐之后的磨削声发射信号频谱有明显不同;而且磨削声发射信号小波分解系数的方差值能够很好地反映金刚石砂轮磨损状态.结果表明采用磨削声发射信号的小波分解系数方差作为支持向量机判别金刚石砂轮磨损状态的输入特征,金刚石砂轮磨损状态分类测试的准确率达100%.