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。     

应用MCEWMA控制图监视刀具磨损过程

为了有效地利用控制图技术,用指数加权滑动平均方法,对由于刀具磨损导致轴尺寸精度呈线性趋势变化进行预测,提出了应用MCEWMA控制图监视刀具磨损过程.在刀具使用期内,将刀具磨损及由刀具磨损带来的随机波动视为共同原因,对生产过程进行监视,避免了使用传统控制图时,产生频繁报警的弊端.最后,运用具体例子,说明控制图参数选择准则.     

氧化锆陶瓷车削刀具磨损机理及理论模型

通过不同刀具几何参数的YG6刀具车削氧化锆实验,研究了工程陶瓷切削刀具体积磨损理论模型.从强度理论和刀具磨损材料迁移的本质出发,将刀具的二维磨损推广至三维磨损.基于黏着效应机制,研究了氧化锆陶瓷车削的刀具磨损机理.通过力学分析,采用逐层积分法,综合了刀具几何参数与后刀面磨损面积之间关系,建立了刀具体积磨损理论模型.验证实验结果表明,刀具体积磨损量随前角或后角的变大先减小后增大,随刀尖圆弧半径的变大而减小,刀具体积磨损的模型理论值与实验值趋势一致,平均相对误差为4%~15%,说明模型具有较高的可靠性.     

车削氧化锆工程陶瓷中刀具几何参数对刀具磨损的影响

为研究刀具几何参数对车削可加工陶瓷的刀具磨损影响,以氧化锆工程陶瓷为加工对象,以刀具的体积磨损量作为刀具在不同几何参数下磨损程度的衡量标准,通过YG6刀具的外圆车削实验,研究了刀具前角、后角以及刀尖圆弧半径对刀具磨损的影响.实验结果表明:刀具的磨损形式主要是黏着磨损,并伴有部分磨粒磨损;刀具体积磨损量随前角变大,先缓慢减小而后急剧增加;随后角变大,先急剧减小而后缓慢增加;随刀尖圆弧半径变大,逐渐减小.刀尖圆弧半径相对于前角和后角对刀具体积磨损的影响较小.     

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。     

采用切削刃重构的刀具磨损视觉检测方法

针对目前难以在复杂恶劣的油污粉尘环境中实现对刀具图像的高质量采集和刀具磨损视觉特征的高精检测,对磨损缺失刀刃这一类最为典型且危害最大的刀具磨损开展研究,提出一种采用切削刃重构的刀具磨损视觉检测方法。首先,在数控机床加工台一侧搭建集成了一套具有镜头保护与清洁功能的图像采集装置,用于在机定期自动采集刀具磨损图像;然后,将采集的图像经以太网传输至计算机图像处理系统,利用设计的切削刃重构法对刀具磨损缺失区域进行切削刃重构,以此得到完整刀具图像,进而利用图像差分,将重构后的刀具图像与磨损刀具图像相减,实现刀具磨损缺失区域的自动识别;最后,基于识别的磨损特征测量刀具磨损的评估指标参数值,并判断是否需要换刀。实验结果表明：所提检测方法具有较大优势,解决了油污粉尘机加环境下刀具磨损图像采集困难的难题和难以从图像中分割识别刀具磨损缺失特征的难题,实现了刀具磨损的视觉高精高效检测;与现有的刀具磨损视觉检测系统以及现有的Canny边缘检测法、自适应阈值法等6种图像分割方法相比,所提方法避免了拆卸刀具进行离线显微镜检测和模板匹配的烦琐过程,可进行在机自动检测,同时平均检测准确率至少提升20%。     

基于CC2430的刀具磨损检测系统

设计了一种以MEMS加速度传感器和无线射频芯片CC2430为核心的刀具磨损检测系统,完成了系统的软硬件设计、制作与系统调试,研制出了试验样机。对刀具磨损监测系统进行了积极的探索,为刀具监测系统研究探索了一种新的思路,丰富和发展了刀具监测技术。     

刀具磨损检测的图像处理技术研究

针对传统刀具磨损检测的缺点,本文结合图像处理的方法设计了检测刀具磨损的方案。本文通过对硬质合金刀具后刀面磨损图像特征的分析,研究和设计了一套检测磨损的算法,并开发了相关检测软件,相比刀具磨损状态检测的其它方法,本方法具有简单快捷、无接触、无磨损,判断精度高等优点。     

硬质合金刀具变速切削磨损累积规律

通过理论分析和试验研究,探讨硬质合金刀具在变速切削条件下磨损累积的规律.研究表明:由于硬质合金刀具在不同的切削速度条件下具有不同的磨损机理,变速切削条件下刀具磨损具有后效作用,因此,在变速切削条件下刀具磨损平均速率加快.文中建立了刀具磨损累积规律的半经验数学模型。     

整体叶盘盘铣开槽加工刀具寿命预测

针对目前预测刀具寿命的方法存在精度不高、受试验数据限制等缺点,提出了用灰色系统理论预测刀具寿命。首先,设计整体叶盘盘铣开槽加工试验,采用表面质量测量仪测量盘铣刀后刀面磨损增长量,根据试验测量的后刀面磨损增长量绘制刀具寿命曲线。然后,选取刀具寿命曲线正常磨损阶段的有限组数据组成时间序列,采用灰色系统理论,建立关于刀具寿命的预测模型。预测结果表明:以灰色系统理论建立的盘铣刀寿命预测模型,预测值与试验值的相对残差均在5.0%以内,模型精度为98.26%,满足工程需要,可用于盘铣开槽加工过程中刀具寿命的预测。     

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。     

自动化加工中车刀磨损实时监测的新方法

提出了一种新的车刀磨损实时监测方法．归一化无量纲参数─—径切两向分力二次比Ｐ随车刀后刀面磨损ＶＢ的增加而增大，但不随刀具材料／工件材料、刀具几何角度及切削用量的改变而变化．利用Ｐ的这种特性可实现自动化加工中车刀磨损的实时监测．     

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．     

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。     

铣刀磨损监测中的声发射信号的特征优选

为保证在铣刀的磨损监控中铣刀状态分类的可靠性,针对小铣刀磨损监控的特点,合理选择信号特征,给出了一种根据模式可分性测度大小进行特征优选的方法,实验证明,经过本方法优选的特征所组成的特征向量,可以有效地应用于铣刀磨损状态的识别中。     

基于模糊聚类的刀具磨损量在线监测方法

研究在加工过程中刀具磨损量实时监测和预报。针对神经网络在监测刀具磨损量中存在的缺点,在选择合适的模糊聚类标准样本的基础上,利用模糊聚类方法,加以适当推理。实验分析表明,该方法在刀具磨损量在线监测中具有较好的容错性和可分析性。在标准样本合适的条件下,利用模糊聚类方法能够正确地进行在线监测和预报刀具磨损量。     

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。