共查询到20条相似文献,搜索用时 187 毫秒
1.
2.
重型切削硬质合金刀具磨/破损严重将导致其加工质量、生产效率的降低,以及生产成本的增加,因此对刀具的磨损状态监测就显得尤为重要。对近年来在学术期刊上发表的关于刀具磨损在线监测研究文献中采用的方法和技术作了简要的回顾,对整个智能刀具磨损监测系统作出了详细的分析。通过比较各种方法的优缺点,提出了多传感器信息融合技术将作为智能刀具磨损监测技术的主要研究方向。总结了目前刀具磨损监测系统存在的问题,并提出了相应的解决思路。通过借鉴普通切削加工刀具磨/破损监测技术,在重型切削过程中引入刀具磨/破损智能监测方法,可以解决以往重型切削需要通过预先频繁更换刀片的方式来保证工件加工质量的问题,在重型切削领域具有重要的应用价值和发展前景。 相似文献
3.
基于B样条模糊神经网络的刀具磨损监测 总被引:2,自引:0,他引:2
刀具状态监测是实现自动化加工和无人化加工的关键技术。本文使用切削力和声发射传感器监测金属切削过程,提出了基于B样条模糊神经网络作为刀具磨损量监测模型。该模型能够准确描述刀具磨损和信号特征之间的非线性关系,和常用的BP前馈神经网络相比,具有收敛速度快和局部学习能力等优点。试验结果表明:采用B样条模糊神经网络对提高刀具磨损在线监测的准确度和可靠度非常有效。 相似文献
4.
通过人工智能、工业大数据实时感知切削加工中的刀具状态是实现面向性能的制造的重要技术途径,也是高性能制造的关键内涵。然而,在目前的切削刀具状态监测算法中,特征提取过程多依赖于人工经验,这无疑限制了刀具状态监测技术的在高性能制造中的推广应用。因此,针对高性能加工监测中的自主性和准确性要求,基于特征自适应融合和集成学习技术,提了出一种面向高性能铣削的刀具磨损监测方法。所提出的监测方法能够根据特征的表现自动为其赋予不同的权重从而实现特征的自适应融合,同时利用AdaBoost集成学习算法,在自动融合特征的同时保证了状态监测精度。薄壁件铣削实验表明,监测结果与真实磨损间的RMSE和MAE值最大为10.44,最小可达5.16。所提出的方法能够自主、准确地监测航空类薄壁件铣削加工中的刀具磨损状态,解决了高性能铣削加工刀具磨损监测中的人工经验依赖问题。 相似文献
5.
随着切削技术向着高速、高效和干式加工等方向发展,刀具涂层和切削状态监测技术成为影响切削技术发展的主要因素,研究刀具涂层以及刀具磨损引起的切削状态改变对促进制造业发展具有重要意义。利用铣削实验得到了相同切削条件下,不同涂层的3把硬质合金刀具的加工磨损情况。通过分析各个刀具磨损过程中铣削力信号、主轴电流信号以及切削振动信号的变化,得到了无涂层、Ti Al N涂层以及Al Ti N涂层刀具在切削过程中表现出的磨损规律。结果表明:Al Ti N涂层的耐磨性能更好,3把刀具的主轴电流有效值和切削振动信号质心频率的变化均有效反映了刀具磨损情况。在立铣加工过程中,可以将上述两种特征值用于刀具磨损实时在线监测。 相似文献
6.
为了实现数控车削批量加工刀具磨损状态的在线监测,在分析切削功率与刀具磨损量关系的基础上,考虑加工参数对切削功率的影响,基于正交实验设计与响应面法,建立了切削功率与刀具磨损量及加工参数之间的回归模型。提出一种实时更新切削功率阈值的刀具磨损状态在线监测方法。该方法首先对功率信号进行滤波处理,结合数控系统判断机床的运行状态,然后实时计算切削功率阈值并与实际加工过程切削功率进行比较来监测刀具的磨损状况。通过实验案例自动在线监测数控车削过程中刀具磨损的情况,验证了该方法的有效性。 相似文献
7.
实时准确地监测铣削状态对于提高加工质量与加工效率具有重要意义,切削力作为重要的加工状态监测对象,因其监测设备昂贵且安装不便而受到限制,为此提出一种考虑刀具磨损的基于主轴电流的铣削力监测方法.首先基于切削微元理论建立了考虑后刀面磨损的铣削力模型,并通过铣削实验进行铣削力模型系数标定;然后对主轴电流与铣削力的关系进行理论建... 相似文献
8.
一、概述钻削加工是金属切削加工中最为常用的加工方法之一。特别是近几年来加工自动化、无人化生产技术如柔性制造单元(FMC)、柔性制造系统(FMS)、计算机综合制造系统(CIMS)等的飞速发展,对切削过程及刀具磨损监测技术的研究提出了更为迫切的要求。贵重零件的钻削加工或特殊孔的加工(如钻深孔)等,也需通过对刀具状态和切削过程的间接监测,从而达到保护工件和加工设备的目的。 相似文献
9.
金属加工过程中,切削刀具的状态对于生产效率和表面加工质量有重要影响,因此刀具磨损监测具有重要意义。刀具磨损监测是柔性制造系统研究工程的一个重要课题。切削力信号作为加工过程中最稳定和最可靠的信号,和刀具磨损密切相关。从实验上分析切削力与刀具磨损的相关性,提出刀具切削力变化与磨损变化是一致的。基于有限元分析软件对车削加工进行仿真研究,模拟了切削力的大小分布,并将模拟结果与实验结果进行了比较分析,为实际工艺参数的选择提供了理论指导。 相似文献
10.
11.
基于切削力系数的铣刀磨损状态监测方法提出了与切削参数独立的刀具磨损指标。由于存在干扰机床正常加工、实时性不佳、传感器安装不便和成本过高等问题,限制了其在实际工业环境中的应用。针对上述问题,结合切削力与主轴电流的关系,提出一种基于主轴切削电流系数的铣刀磨损状态监测方法。首先,融合切削力系数和主轴电流的优点,建立铣削电流模型;其次,根据切削电流模型进行切削电流系数辨识,记录新刀状态下切削系数;然后,使用切削系数实时估计相同加工工况下新刀切削电流,监测实际切削电流偏离估计值的程度,判断铣刀磨损状态;最后,通过实验与力信号对比验证该方法的正确性。实验结果表明,该方法可以替代基于切削力系数的磨损状态监测方法,能有效、实时、无干扰、便利和低成本地识别新刀、正常和严重3种磨损状态。 相似文献
12.
13.
在金属切削加工过程中及时准确地掌握刀具磨损状态是非常必要的,然而目前的刀具磨损监测技术普遍为分析实时采集的信号得到刀具目前时刻的磨损状态,若能根据刀具当前的磨损状态准确地提前预测后续加工过程的连续磨损量变化,将对优化整个切削过程与管理决策具有重大的意义。针对此问题提出了广义回归神经网络(GRNN)与粒子滤波集成的刀具磨损预测模型,利用粒子滤波对GRNN的时序预测结果进行修正,实验证明粒子滤波有助于降低由于训练样本少与存在观测噪声所导致的预测偏差,经粒子滤波修正后的磨损量识别精度更高且较传统的卡尔曼滤波具有更好的修正效果,为刀具磨损监测提供了新思路。 相似文献
14.
15.
《制造技术与机床》2019,(10)
刀具磨损状况的实时检测是目前机床加工状态监测的难点,而对刀具的振动信号分析的常用方法是利用神经网络模型来判断刀具磨损状态。为解决循环神经网络(RNN)模型训练过程中梯度容易消亡的现象,提出基于长短期记忆神经网络的刀具磨损状态在线监测。刀具在进行切削加工时,首先通过加速度传感器采集刀具振动信号,然后对振动信号小波包变换进行分解是让信号通过不同的滤波器进行有条件的选择,由此形成不同的能量值,用作为长短期记忆神经网络的特征输入,从而诊断出刀具磨损状态的3种状态故障;最后利用长短期记忆神经网络模型对处理时间序列的数据有比较好的效果,它可以捕捉长期的依赖关系和非线性动态变化。此外,通过与多层(BP)神经网络和(BP)神经网络故障诊断方法进行比较,结果表明,LSTM网络对刀具磨损状态在线监测更加有效。 相似文献
16.
17.
18.
19.
20.
传统金属切削仿真往往局限于二维仿真。本文基于有限元软件ABAQUS/Explict建立了三维斜角切削模型,并对45钢的切削过程进行了数值模拟。试验结果表明,在刀具切削过程中,刀尖接触区会发生严重的不均匀塑性变形。并且在刀具切削金属时,由于前刀面常处于高温高压的状态极易发生月牙洼磨损,同时刀具刃倾角的存在会使得切屑发生一定的横向卷曲。模拟切屑外形与试验切屑结果一致,另外模拟切削力数值与实际车削力理论公式计算结果吻合。模拟结果对金属切削加工及刀具理论研究具有重要的指导意义。 相似文献