共查询到20条相似文献,搜索用时 46 毫秒
1.
数控机床刀具磨损监测方法研究 总被引:2,自引:0,他引:2
数控机床刀具磨损监测对于提高数控机床利用率,减小由于刀具破损而造成的经济损失具有重要意义.文章有针对性地回顾了国内外各种刀具磨损监测方法的研究工作,详细叙述了切削力监测法、切削噪声监测法、功率监测法、声发射监测法、电流监测法以及基于多传感器监测法等六种刀具磨损监测方法.本文通过比较各种监测方法的优缺点,提出基于多传感器监测法是数控机床刀具磨损监测方法的未来发展的主要方向. 相似文献
2.
基于传统机器学习的刀具磨损监测模型监测精度低且计算复杂度高,难以满足智能制造的发展需求。而基于深度学习的刀具磨损监测模型数据处理和特征提取能力较强,可明显提高监测精度,使加工过程更智能化,因此广泛应用于刀具磨损监测。根据采用的模型,将基于深度学习的刀具磨损监测分为基于卷积神经网络的刀具磨损监测、基于稀疏自编码网络的刀具磨损监测、基于深度置信网络的刀具磨损监测、基于长短时记忆网络的刀具磨损监测和基于混合模型的刀具磨损监测,介绍了各种深度学习模型的基础理论及基本结构,总结了国内外基于深度学习模型的刀具磨损监测方法,分析了存在的问题,并指出了未来的发展方向。 相似文献
3.
为了通过特性分析直接判断数控机床刀具的工作状态,以实现柔性制造系统的研究,在刀具磨损的多种在线监测方法中采用振动测试的监测方法,对DL20MH数控车削中心的YG8硬质合金刀头进行在线监测,分别在不同的刀具磨损阶段实时监测其磨损信号,通过时域分析、频域分析和传递函数分析相结合的方法进行数据处理,并对照被加工工件的表面粗糙度和通过显微镜下观察刀刃的实时变化情况,对其进行分析处理,得出刀具的实时变化情况及被加工工件的粗糙度与理论数据基本吻合并呈现出一定的趋势,从实频域分析数据中也可以直观地判断刀具的磨损状态,测试结果与实际情况吻合,从而验证了振动测试是适合刀具磨损在线监测研究的. 相似文献
4.
《计算机集成制造系统》2017,(10)
为监测制造车间机械加工设备刀具的磨损程度,提出应用深度学习方法实施刀具的磨损监测。深度学习理论作为人工智能领域的最新研究成果,以其中的深度卷积神经网络构建刀具磨损监测的模型,给出刀具磨损监测的流程,采用微型铣床与无线三轴加速度计搭建了数据采集实验平台。实验结果表明,与其他两种常用深度神经网络以及传统神经网络模型相比较,所提基于深度学习方法监测过程简单,不仅具有较高的准确度与较低的损失函数值,还实现了刀具磨损程度分类。 相似文献
5.
建立了监测信号与刀具磨损之间的关系,利用监测信号直接或间接反映刀具磨损状态。针对磨损信号多种的处理方法(建立刀具磨损的关系),总结了近几年来学者对监测信号采用的不同处理方法。 相似文献
6.
通过对数控机床刀具在线磨损状况进行分析,构建了一种在线监测刀具磨损的模型,文章阐述了该模型的在线监测原理,并对其必要技术进行了研究分析. 相似文献
7.
8.
数控机床刀具磨损与破损的声发射监测法 总被引:1,自引:0,他引:1
蒙斌 《机械工程与自动化》2010,(6)
数控切削加工过程中刀具的磨损与破损是数控机床常见的故障之一,而刀具的磨损与破损程度直接影响零件的加工质量.所以对刀具状态的实时监测就显得十分关键,阐述了用声发射法对其进行在线监测的方法. 相似文献
9.
用振幅比检测刀具磨损状况 总被引:1,自引:0,他引:1
切削机床刀具磨损在线检测,由于测试及信号处理的难度,致使有用信号的提取较难.本文通过对CA6140特征频段内的振动信号的振幅比值X/Z的试验与分析,得出监测刀具磨损的特征状况的特征函数,避免了其它方法的复杂的数学建模工作,且该法直观性强;抗干扰能力强;可靠性高;可有效地检测刀具磨损状况,是实现刀具磨损在线监测的一种好方法. 相似文献
10.
11.
刀具磨损监测是推动数控机床稳定运行的有效手段。为实现刀具健康实时监测,设计一种基于长短记忆网络的刀具磨损监测方法。将实时采集的切削力信号进行去噪、降维等预处理;用堆叠自编码器进行特征提取,获得影响刀具磨损的本质特征;用长短记忆网络构建刀具磨损监测模型,实现加工过程中刀具磨损监测。利用铣削实验数据进行实例验证,获得磨损量平均绝对误差为0.060 80的铣刀磨损量监测模型,验证了该方法的有效性。 相似文献
12.
数控切削加工过程中刀具的磨损与破损是数控机床常见的故障之一,而刀具的磨损与破损程度直接影响零件的加工质量.所以对刀具状态的实时监测就显得十分关键,本文阐述了从振动分析方面对其进行在线监测的方法. 相似文献
13.
14.
数控机床刀具磨损监测实验数据处理方法研究 总被引:3,自引:0,他引:3
数控机床刀具磨损监测对于提高数控机床利用率,减小由于刀具破损而造成的经济损失具有重要意义.有针对性地回顾了国内外各种分析刀具磨损信号方法的研究工作,详细叙述了功率谱分析法、小波变换、人工神经网络以及多传感器信息融合技术的实现形式.通过比较各种数据处理方法的优缺点,提出基于混合智能多传感器信息融合技术是数控机床刀具磨损监测实验数据处理的未来发展的主要方向. 相似文献
15.
16.
刀具在加工过程中不可避免的存在着磨损和破损现象,刀具的消耗直接导致工件精度下降和生产成本增加。开展了一系列实验,深入研究刀具状态监测方法,构建了新型铣削过程刀具磨损监测试验系统。通过振动传感器和声发射传感器对铣削过程中不同磨损程度刀具的信号进行检测、采集、分析。选择对刀具磨损状态反映敏感的特征量。采用BP神经网络,建立刀具磨损特征向量与刀具磨损状态之间的非线性映射关系。 相似文献
17.
18.
以小波分析理论为基础,提出了以对数熵理论确定最佳小波包分解树结构的方法,提出了基于声发射信号最佳小波基最佳小波分量频段能量的声发射信号小波特征,开发了基于最佳小波基小波特征的神经网络刀具磨损状态在线监测系统,实验结果表明,该系统具有较高的监测精度,能满足工业现场对刀具磨损状态实时在线监测的要求. 相似文献
19.
利用小波变换模的极大值和信号奇异点的关系,分析了用Lip指数来描述的切削力信号局部奇异性.通过观察奇异点的位置等信息得到切削刀具的磨损情况.通过对实际刀具磨损的在线监测数据分析,证明了采用小波变换检测刀具磨损这一方法的有效性. 相似文献
20.