基于切削力信号时域频域特征融合的刀具磨损监测

从时域、频域提取了切削力信号特征参数随着刀具磨损量增加的变化规律,提取了切削力信号的峰值因子、Kurtosis系数和频段带能量作为刀具磨损量监测特征参数,并将各个特征量构成的特征矢量输入改进的多层反传神经网络进行融合,实现钻削过程刀具磨损量的智能识别。试验结果表明,该方法具有较高的识别精度和较强的抗干扰能力。     

基于硬态切削力信号刀具切削状态的分析

阐述了小波分析及小波去噪的基本理论 ,针对付氏变换和短时付氏变换的缺点 ,提出了基于小波变换的切削力信号分析方法。小波多分辨分析能够实现PCBN刀具的切削力信号的任意精度与尺度的时频域分解 ,从而判断PCBN刀具的切削状态 ,根据切削力信号的不同特征及时调整切削参数 ,减少刀具破损的发生 ,并能够揭示典型切削力信号的分布特征     

刀具磨损过程中切削力动态分量信号分形维数的变化规律研究

研究了刀具磨损过程中切削力动态分量信号分形维数的变化规律 ,发现分形维数在刀具初期磨损和剧烈磨损阶段较正常磨损阶段高。由于切削力信号动态分量的分形维数随刀具磨损状态的变化而变化 ,使得它可以作为切削过程中判断刀具工作状态的一个参数     

基于切削力的铣刀磨损在线监测研究

以实验方法研究了高速钢立铣刀后刀面磨损和铣削力之间的关系,建立了表征后刀面磨损和铣削力之间关系的数学模型,并提出了基于切削力的铣刀磨损监测算法。     

基于力信号的低频振动制孔刀具磨损状态分析

为分析碳纤维增强树脂基复合材料(CFRP)/钛合金(TC4)叠层材料低频振动制孔工艺下刀具磨损状态,开展基于切削力信号的制孔刀具磨损状态研究.通过采集CFRP/TC4叠层材料低频振动制孔过程中的切削力信号,进行时域和频域分析,探讨各信号特征量与刀具磨损状态之间的联系.研究结果表明:CFRP/TC4叠层材料低频振动制孔轴...     

基于小波变换切削力信号监控PCBN刀具破损的研究

阐述了小波分析及小波去噪的基本理论，针对傅氏变换和短时傅氏变换的缺点，提出了基于小波变换的切削力信号分析方法。小波多分辨分析能够实现PCBN刀具切削力信号的任意精度与尺度的时一频域分解，从而判断PCBN刀具的切削状态，根据切削力信号的不同特征及时调整切削参数，减少刀具破损的发生，并能够揭示典型切削力信号的分布特征。     

刀具磨损过程中的切削力特征研究

在相同的工件材料、刀具材料、切削参数和不同的刀具磨损状态下,从时域角度分析了刀具磨损状态对三向稳态切削力的影响,从频域角度利用FFT分析、功率谱分析等工具研究刀具磨损状态对动态切削力的影响情况,并对影响的机理进行讨论。分析结果表明刀具磨损状态迫使受动态力的刀具弯曲振动频率幅值和局部频率能量增大。     

基于振动法的刀具磨损状态监测研究

数控机床加工过程中,刀具是直接与金属材料接触并参与切削过程的工作部件。在金属切削加工过程中刀具不可避免地产生磨损现象,提高刀具使用寿命,降低因为刀具磨损而产生的损失,对刀具的工作状态实施监测意义十分重大。基于振动测试法的刀具磨损状态监测主要以采集到的振动信号作为依据,对振动信号作时域、频域和时频分析来提取有效的特征量,结合工件被加工表面的粗糙度情况以及刀刃的磨损状况,判断出在加工过程中刀具的实时磨损规律,实现刀具磨损程度的有效控制。     

基于铣床主轴弯扭力学信号的铣刀磨损状态监测方法研究

为了及时检测出急剧磨损的铣刀,提高加工效率,保证工件精度和表面质量,设计了一种基于机床主轴弯矩与扭矩信号的铣刀磨损状态监测方法,利用主轴上的扭矩和弯矩传感器对加工过程中的刀具进行实时在线测量,并对采集到的数据进行处理。试验结果表明,将切削力信号融合提取特征作为输入信号,可以提高刀具磨损状态识别的准确性,能够直接和准确地反映刀具磨损状态。     

钛合金Ti-5Al-5Mo-5V-3Cr切削力与刀具磨损的试验研究

通过对钛合金TC4、TC11和Ti-5553的切削试验,对比分析Ti-5553加工过程中切削速度对切削力和刀具磨损的影响。试验结果表明:随着切削速度增大,切削钛合金TC4和TC11的切削力呈现不同程度的先增后减趋势,而钛合金Ti-5553的切削力呈缓慢增大的趋势;在相同切削速度下,Ti-5553的主切削力和吃刀抗力均高于TC4和TC11;通过超景深、扫描电镜和能谱分析仪对刀具磨损部位进行观察与分析发现,切削Ti-5553的刀具磨损量最大,随着切削速度的增大,刀具的后刀面磨损量增加,刀具主要磨损形式为粘结磨损,刀具后刀面出现沟槽磨损,刀具出现破损。     

基于人工神经网络的变切削条件下钻头磨损监控

基于人工神经网络变切削条件下的钻头磨损监控系统，以机床主轴和进给轴的电机功率（电流）信号的为监控信号，并通过机床的速度向量识别机床的加工状态；通用对监控信号的提取和预处理，得到人工神经网络模型的输入（有效切削功率和切削用量）用３层ＢＰ网络对钻头的磨损量进行预报。     

刀具后刀面磨损量对切削力及加工表面粗糙度的影响

通过切削试验探索了在相同的工件材料、刀具材料、切削参数(切削深度、进给量)和不同的刀具磨损状态(后刀面磨损量)下,刀具后刀面磨损量(VB)对切削过程中的切削力及工件表面粗糙度的影响,并对这些影响的产生机理进行了讨论。     

玻璃和45钢的切削力特性与刀具磨损的研究

对比研究了切削玻璃和45钢时切削力与刀具磨损之间的关系,描述了玻璃和45钢在切削过程中塑性变形和脆性断裂的不同,优化了玻璃等脆性材料的切削加工参数。其研究结果对加工玻璃、陶瓷等难加工的脆性材料具有一定的实际意义。     

基于声发射技术监测刀具磨损的研究

刀具磨损的研究方法很多,本文针对近些年发展的声发射技术(AE)在监测刀具磨损上的应用,采用理论分析和现场试验的方法进行可行性分析和验证,结果表明:在考察的几个影响声发射信号强度的因素之中,刀具主切削刃后刀面磨损量对其影响最为显著,这为利用AE技术研究刀具磨损提供了可行性依据;通过对铣刀AE信号进行时域振铃分析,清晰再现了刀具在不同时刻的磨损情况。     

金属切削刀具磨损的监控和预报研究

介绍一种采用光电法直接测量刀具磨损值，用ＧＭＤＨ方法进行磨损规律的数学建模和寿命预报的方法，实验证明，该系统９２％的预防误差小于７．２％，使刀具使用寿命提高４３％以上。     

一种在线监测铣刀磨损量的新方法

提出了一种在线监测铣刀磨损量的新方法,该方法利用B样条神经网络建立不同刀具磨损状态下加工参数与切削力之间的映射关系。通过比较实时采集的切削力与不同刀具磨损值对应的切削力大小,可确定刀具的磨损状态,并利用建立的简化模型计算刀具的精确磨损值。试验结果表明,该方法消除了加工参数变化对特征的影响,简化了特征选取的方法,能够适应外部加工环境的变化,完全满足刀具状态监测系统的实用化需求。     

刀具磨损声发射信号处理中小波基选取的研究

通过对小波基性质和刀具磨损声发射（AE）信号特点的研究,从理论上分析了小波变换中刀具磨损AE信号处理中小波基选取的方法。在试验验证过程中,根据小波包信号分解遵循能量守恒原理,用四种小波基对刀具磨损AE信号进行三层小波包分解;以AE信号经小波包分解后各频带上的能量为特征参数,比较四种情况下特征参数的变化,验证了理论分析的正确性。