系统辨识的刀具磨损特征量提取方法

针对刀具磨损智能监控系统中信号预处理和磨损特征提取技术进行研究，提出了基于加工过程自适应模型参数估计的刀具磨损特征量提取方法，通过检测加工状态信号和加工参数，利用切削力模型和最小二乘法实现模型自动跟踪加工过程特性变化，并从估计的模型参数中获取刀具磨损特征量。经实验证明，加工过程切削力模型参数的变化能灵敏地反映刀具磨损特征，且该特征提取不受切削条件变化的影响。     

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.     

一种基于模式识别的刀具磨损监测方法

将刀具磨损状态的在线监测作为模式识别中的两类模式分类问题,从切削振动信号中抽取特征向量;根据投影原理构造了最佳特征平面.在此基础上提出了一种具有自学习功能的G(D)判别函数,对车削试验的磨损状态进行分类,确诊率达95％,漏诊率小于0.6％,判别时间少于15s,适用于在线监测。     

超高强度钢高速切削工艺参数优化

针对超高强度钢高速铣削过程中刀具磨损严重的问题,采用金属陶瓷刀具对超高强度钢进行高速铣削试验,从而建立刀具磨损速率的预测模型.以切削速度、进给量和轴向切深3个切削工艺参数作为设计变量,以刀具磨损速率最小和切削效率最高作为优化目标,基于遗传算法对切削工艺参数进行优化,获得了最优切削工艺参数组合.     

在线监测刀具磨损过程的频段相干函数法

基于切削过程中刀杆振动的动态特性,建立了借以反映刀具磨损的物理模型和数学模型,由此提出了通过检测刀杆上两主振模态方向上振动加速度信号的频段相干函数来在线监测车刀的磨损过程,并制定了相应的判别准则。试验结果表明,该法灵敏度较高,抗切削条件干扰性强,具有良好的应用前景。     

Kalman滤波在刀具磨损预测模型中的应用

基于LS-SVM建立刀具磨损预测模型,描述铣削过程中输入向量(进给率、切削速度、主轴转速、切削深度、切削时间及磨损位置)和输出向量(刀具磨损)之间的映射关系,并引入Kalman滤波技术,建立LS-KF模型,考虑加工条件及环境变化引起的刀具磨损量的变化,结合刀具的实际磨损量更新LS-SVM的预测结果,并用该更新结果调整训练模型,以使更新后的刀具磨损量能够反映出由于加工条件及环境的变化引起的刀具磨损的变化,提高LS-SVM模型的预测精度,最后用实验验证所建立模型的预测精度。结果表明,LS-SVM模型和LS-KF模型的预测精度均较高,且LS-KF模型的预测精度更高。     

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%.     

基于分形维数的刀具状态在线监测新方法

以分形几何理论为基础,对刀具不同磨损阶段声发射信号的分形特征进行了分析。提出了计算非完全分形体信号波形的关联维数时尺度范围的确定方法,分析了声发射信号在刀具磨缶过程中分形维数的变化特性。刀具磨损切削实验数据表明,声发射信号的分形维数受切削参数变化影响较小,分形维数反映了声发射信号的几何特征,其大小能较好地反映刀具的不同磨损状态。实验结果表明,该方法能正确地实时在线监测刀具的不同磨损状态。     

基于广义维数与优化BP神经网络的刀具磨损量预测

根据多重分形理论,采用改进的盒计数法计算了切削加工过程中声发射(AE)信号的广义分形维数,得到了不同刀具磨损状态下AE信号的广义维数谱,分析了广义维数与刀具磨损量之间的关系.以广义分形维数以及切削加工参数为特征,进行归一化处理后作为BP神经网络输入向量;采用遗传学算法,对BP神经网络的初始权值和阈值进行了优化,利用优化后的神经网络对刀具磨损量进行预测.测试结果表明,该方法可以较精确地预测刀具磨损量,平均预测误差为001mm.     

刀具磨损声振特性的功率谱分析

对车削加工中刀具磨损的切削声信号和振动信号进行了功率谱多参数分析，在诸多影响参数中，滤波功率谱值之和随刀具磨损量ＶＢ的变化规律最为显著，且谱散度分析对处于正常磨损阶段的刀具磨损程度估计与预报有一定价值。     

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。     

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．     

硬质合金刀具铣削镍基单晶高温合金DD5磨损试验

为探究在干切削和水基微量润滑(WMQL)条件下刀具磨损对DD5铣削表面质量的影响规律,采用四刃PVD-TiAlN涂层硬质合金刀具以及超景深显微镜和扫描电镜等设备,以刀具副后刀面磨损宽度为主要评价指标,对硬质合金刀具副后刀面磨损形态、磨损机理进行分析和研究,并采用三维轮廓仪对零件表面粗糙度进行测量.研究结果表明,与干切削相比,采用水基微量润滑冷却技术,能够延长刀具寿命并改善材料的铣削加工性;硬质合金刀具的主要磨损机理为粘结磨损、磨粒磨损、氧化磨损和扩散磨损.     

用于监控的切削过程参数估计与刀具磨损特征选取

切削过程的故障诸如刀具磨损、颤振等均与过程的动态特征密切相关,为提供监控所必须的故障模式识别的特征值,本文介绍了适用于监控的切削过程连模与动态参数在线估计方法;刀具磨损特征值的计算;最后通过钻头磨损实验结果的分析、比较,证明了本文提出的用阻尼比的正则滑动平均值 M 以及阻尼比的正则方差 D 作特征值,可有效地监控刀具磨损.     

TiB_2弥散强化Al_2O_3陶瓷刀具的切削性能

研究了Al2O3－TiB2复合陶瓷的力学性能．结果表明，当TiB2含量为20wt％时，能获得较高的综合性能．用此配方制成的陶瓷刀具具有较高的耐磨性能．后刀面磨损量VBmax比YW1低1倍左右．陶瓷刀具的磨损以微区剥离为主要机制．此外，还对比了陶瓷刀具和硬质合金刀具的切削力变化情况．     

工程陶瓷车削刀具磨损机理及理论模型的研究

通过二硅酸锂玻璃陶瓷的切削实验,依据摩擦学原理,结合犁沟效应从微观层面讨论了陶瓷材料对切削刀具磨损机理的影响.通过引入陶瓷晶体相关参数,揭示了陶瓷晶体的形貌和排布方式在车削过程中对刀具磨损量的影响,使磨损机理应用更具广泛性和直观性.结合几何学和运动学分析,建立了工程陶瓷材料车削刀具体积磨损量模型,并进行了实验验证.理论和实验结果均表明随切削路程的增大,刀具体积磨损量先表现为稳定增加,随后由于磨损面的不断增加以及热量堆积导致黏结磨损现象的出现,刀具磨损速度急剧加快,最终导致刀具刃缘崩碎而失效.     

FMS刀具寿命优化管理研究

刀具的磨损与具体的加工状态直接相关,在一般的ＦＭＳ刀具管理中,大多采用切削时间累加的方法进行刀具寿命管理,此法难于准确衡量刀具的磨损。该文首次提出刀具相对磨损率的概念,采用建立切削数据库的方法,得到刀具相对磨损率的计算公式,并应用于ＦＭＳ刀具管理中,以进行刀具寿命的优化管理。实例计算表明,此方法是可行的。     

Rapid Manufacturing of Sand Molds by Direct Milling

Direct milling of sand molds is an important development in rapid manufacturing of sand molds. Direct milling is an effective method for manufacturing single or small batches of cast parts. This paper describes experimental investigations to find sand blocks with the appropriate strength, to describe wear patterns of different tools (high-speed steel (HSS), carbide, and polycrystalline diamond (PCD) tools), and to analyze sand mold cutting mechanisms. The results show that the PCD tool outperformes the other tools in terms of tool life. Average flank wear and micro-tipping are the dominant tool failure modes in the sand mold milling process. With a flank wear limit of 0.3 mm, the PCD tool works continuously for about 70 h under the experimental conditions. The experimental results show that the cutting mechanism for direct milling sand molds differs from metal cutting.