基于多传感特征信息融合的采煤机截齿失效诊断

针对采煤机截割头截割过程中截齿失效状态不易在线识别的难题,提出了一种基于多传感特征信息融合的采煤机截齿失效诊断方法。通过测试采煤机不同磨损程度状态的截齿在截割过程中的振动信号以及声发射信号,建立截齿损耗和失效的信号特征数据库,采用基于最小模糊隶属度优化模型的多传感信息融合方法诊断采煤机截齿的磨损及失效状态。实验结果表明诊断结果的准确率可达95%以上,证明采用此方法可实现对采煤机截齿磨损程度及失效状态的实时精确诊断。研究结果对及时发现和更换失效截齿、提高采煤机截割头的工作效率和使用寿命具有重要意义。     

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。     

螺杆包张中铣削过程刀具磨损状态的小波分析

利用异形螺杆包络铣削过程中产生的振动信号,采用小波变换对其进行精确的细分,提取出加工过程中刀具磨损的特征信息,据此分析该加工过程的刀具磨损状况,为刀具磨损的状态检测和实时补偿提供了准确的依据.     

螺杆包络铣削过程刀具磨损状态的小波分析

利用异形螺杆包络铣削过程中产生的振动过程，采用小波变换对其进行精确的细分，提取出加工过程中刀具磨损的特征信息，据此分析该加工过程的刀具磨损状况，为刀具磨损的状态检测和实时补偿提供了准确的论据。     

基于核主成分分析BP_AdaBoost算法的数控铣床故障诊断

刀具是数控铣床加工过程的关键零部件,其长期处于高速加工状态极其容易出现故障。针对数控铣床加工过程中刀具的磨损状态数据少、诊断效率低、维护成本高、缺乏有效的诊断方法的问题,提出了利用小波包分析与核主成分分析提取特征,然后利用BP_AdaBoost算法对刀具磨损状态进行诊断的方法。通过在数控铣床的加工工件与其夹具间安装测力仪及安装加速度传感器,来采集立铣刀振动信号与切削力信号;然后对振动信号与切削力信号进行小波包分析处理,将处理好的信号进行核主成分分析(KPCA),降维以后作为立铣刀磨损状态的特征向量;最后利用得到的特征向量训练和验证BP_AdaBoost分类模型。实验结果表明BP_AdaBoost算法比SVM算法能更有效实现对数控铣床的刀具磨损状态的评估。     

精密数控机床铣刀故障监测方法的研究

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。     

Logistic回归模型在机床刀具可靠性评估中的应用

刀具系统作为数控装备的一个重要部件,其可靠性必然会影响到整个装备系统的加工效率和稳定性。为有效地识别刀具磨损状态,降低生产成本,保证加工质量,提出一种基于Logistic回归模型的可靠性评估方法。通过试验在线测取车刀加工过程中的振动信号和刀具磨损数据,利用小波包分解、时域统计和相关分析,提取刀具磨损的特征频带和显著能量、时域特征指标,结合刀具状态信息,建立Logistic可靠性评估模型,准确地估计出实际使用刀具的可靠度指标和失效时间,对于变化的失效阈值,评估模型同样有效。该方法将设备运行状态信息引入到性能评估和可靠性分析当中,更能反映设备的时间动态特性,且不需要对设备失效过程和分布函数作过多假设。     

基于细胞神经网络图像识别的刀具监控方法的研究

针对传统的刀具磨损状态监测方法与磨损程度无严格对应关系的缺点,提出一种新方法——采用普通的CCD摄像机拍摄刀尖形状的图像,经细胞神经网络图像处理后与正常的图像进行比较,判断刀具是否产生磨损。该系统可用于实现自动化精密加工过程中的实时在线工件形状监控和刀具诊断,仿真证明了理论算法的有效性。     

卡尔曼滤波修正LS-SVM的刀具磨损识别技术研究

针对刀具磨损状态先验样本少和常规神经网络识别模型收敛速度慢、易陷入局部极小值等问题,提出了基于最小二乘支持向量机(LS-SVM)的刀具磨损量识别技术,并针对模型输出存在系统误差而降低刀具磨损量识别精度的问题,引入卡尔曼滤波算法对时序监测结果进行修正,实现小样本下的刀具磨损量的精确识别。以车削加工为研究对象,采集加工过程中的切削力信号,应用小波包分析技术提取反映刀具磨损状态的特征信息,作为LS-SVM的输入样本,并对模型进行学习训练,完成对刀具磨损状态的识别,最后采用卡尔曼滤波修正其时序监测结果。实验结果表明:LS-SVM模型能高效地实现刀具磨损量识别,需样本数较少,训练速度快,通过卡尔曼滤波修正后的磨损量识别结果精度更高。     

基于加工表面盒维数的刀具磨损状态研究

在车削加工过程中,随着刀具磨损量的增加,在工件表面的纹理结构发生变化,依据工件纹理的变化能够间接判断刀具的磨损程度。将分形理论引入到基于图像的刀具状态监测领域,研究二维离散图像信号盒维数的具体实现算法以及盒维数与刀具磨损量之间的变化关系。实验表明:随着刀具磨损量的增加,盒维数具有缓慢上升的趋势,利用这一特征可有效实现刀具磨损状态的监测。     

基于声发射信号的带材剪切刀具磨损在线监测方法

在铁基纳米晶合金带材剪切加工过程中，其刀具的状态对于保证加工质量至关重要。针对铁基纳米晶合金带材剪切加工过程中的刀具磨损状态监测问题，提出了一种基于声发射信号的剪切刀具磨损在线监测方法。首先，通过搭建声发射监测设备确定了相应的参数，采集原始声发射信号进行了预处理，得到了剪切加工阶段的信号，将其用于后续处理；然后，分析了剪切刀具磨损以及带材质量随剪切加工过程变化的关系，并根据剪切加工过程中获取的声发射信号，进行了时域、频域、时频域特征提取，分析了获得的特征与刀具磨损之间的关系，利用ReliefF和主成分分析(PCA)算法进行了特征选择与降维处理，得到了具有良好相关性的特征；最后，基于所选特征，构建了支持向量机(SVM)人工智能模型，用以识别剪切刀具的磨损阶段。研究结果表明：随着刀具磨损的加剧，带材质量下降，声发射信号特征值与刀具磨损存在对应关系；采用ReliefF-PCA-SVM模型能够实现95.56%的分类准确率，能够有效地对剪切加工过程中的刀具磨损进行在线监测。     

基于小波多分辨率分析和RBF神经网络的刀具磨损状态识别

刀具磨损监测对于提高加工过程的精度和自动化程度具有重要意义。本文提出一种基于RBF函数神经网络的刀具磨损状态监测模式。该系统利用声发射传感器对切削过程进行监测,采用多分辨率小波分解技术从声发射信号中提取反映刀具磨损的特征向量,并输入RBF神经网络,实现了刀具磨损的自动识别。     

基于故障数据库的高速铣削诊断的研究

通过对高速铣削过程中各种铣刀状态下采集的振动信号进行时域、频域分析,对比不同磨损程度刀具的振动信号,找出与刀具状态对应的信号特征。基于LabVIEW平台,开发出在线分析监测系统。由于铣削加工过程的复杂性以及监测系统中得到的特征数据结构复杂、种类繁多,因此将数据库技术应用于在线监测系统中,从而实现对监测系统中数据有效集中管理,提高系统的即时反应速度和运行效率,实现对刀具状态的准确判断。     

基于多源同步信号与深度学习的刀具磨损在线识别方法

为提高刀具状态监测系统的实用性、避免实际加工过程中工序变换产生的信号干扰,提出一种基于多源同步信号与深度学习的刀具磨损在线识别方法。该方法利用自动触发的方式实现了机床运行在特定工序时的刀具振动、主轴功率、数控系统参数等多源信号的同步在线采集,保证信号同步性的同时有效避免了因工序变换而产生的信号波动干扰;进一步利用高频振动特征实现了 “切削过程”与“切削间隙”采集样本的准确划分,并基于皮尔逊积矩相关系数筛选出强关联特征,保证了多源监测信号融合样本的可用性;最后基于一维卷积神经网络建立了刀具磨损在线识别模型。实验结果表明,该方法无论从识别精度还是诊断效率,均能实现实际加工过程中刀具磨损状态的在线识别。     

基于多参数指标的刀具磨损状态在线监测

刀具在进行切削加工过程中,通过采集定速下的加速度信号,对其时域和频域的相关指标进行分析,提取有效的特征量,对刀具磨损状态进行在线监测。分析结果表明:在时域指标的有量纲参数中,均方根值和峭度对刀具磨损有较好的指示作用,当刀具在出现明显磨损时,该两参数的数值明显增大;在无量纲参数中,脉冲指标、裕度指标和偏斜度指标对于刀具磨损振动更加敏感;在频域指标参数中,均方频率和功率谱方差对刀具磨损的振动信号变化敏感,此方法研究可有效判断出在加工过程中刀具的实时磨损状况,具有一定的应用价值。     

15-5PH不锈钢粗加工刀具磨损试验研究

针对15-5PH不锈钢在粗加工过程中刀具磨损剧烈问题,进行涂层可转位刀具铣削15-5PH不锈钢试验,研究了15-5PH不锈钢铣削加工过程中的刀具磨损特性。采用超景深显微镜对刀具的前刀面和后刀面磨损形貌进行了检测,结果表明:在15-5PH不锈钢加工过程中,刀具前刀面主要磨损机理是粘结磨损和扩散磨损,刀具失效形式为片状剥落和崩刃,后刀面则为边界磨损和涂层烧灼,失效形式为崩刃。     

改进灰色模型在刀具状态监控中的研究与应用

刀具状态的精确监控是保证金属切削加工过程顺利进行的关键,因此研制准确、可靠且成本低廉的刀具磨损状态监控系统一直是研究人员所追求的目标.引人改进灰色预测模型理论用来预测·刀具的运行状态,具有所需数据少、精度高的优势.预测曲线符合实际,较好地反映了刀具磨损状态的变化,达到了监控的目的.     

数字孪生驱动的数控铣削刀具磨损在线监测方法

针对数控铣床不断老化导致刀具磨损预测模型误差较大,加工过程中动态数据难以在线采集等问题,提出一种数字孪生驱动的刀具磨损在线监测方法。采用神经网络对加工过程中的多源数据进行特征提取,建立考虑机床老化的刀具磨损时变偏差量化模型,并在此基础上提出数控铣削刀具磨损的在线预测方法;开发了面向刀具磨损的数控铣削数字孪生系统,在线感知加工过程中的动态数据并实时仿真刀具磨损过程;最后,将该方法应用于实际加工中并与其他的预测方法进行了对比,结果表明该方法有效降低了机床老化带来的误差,实现了刀具磨损的精确预测。     

数控车削加工过程的刀具磨损动态监测

对车削加工刀具磨损的各阶段信号进行采集,通过动态时频域分析,找到车削加工过程中刀具磨损的重要参数变化,对其进行振铃记数和人工神经网络的模式识别,实现了车削加工刀具磨损的状态检测。     

42CrMo钢钻孔用钻头刃口后处理切削性能对比研究

刃口钝化及涂层工艺是提升刀具切削性能及加工质量的重要刀具后处理方法。本文对钝化未涂层、钝化且涂层以及无钝化涂层的硬质合金钻头钻削42CrMo钢的钻削性能进行对比研究,并分析了钝化且涂层钻头刃口的K因子及平均圆度随加工孔数变化情况。结果表明:刀具钝化与涂层后处理工艺对刀具寿命及其失效形式有决定性影响。在实验参数下,未后处理钻头加工孔数仅10孔就发生崩刃失效;钝化未涂层钻头的寿命是钝化涂层钻头的10倍,主要失效形式为粘结磨损与磨粒磨损;钝化且涂层钻头寿命为无钝化涂层的150倍,主要失效形式为磨粒磨损。钝化且涂层钻头刃口在加工过程中的存在:"涂层破损—基体磨损—新刃口形成—刃口微崩刃—刃口再形成"的变化趋势。