基于融合评价指标和神经网络的刀具磨损预测

机械加工过程中的刀具磨损状态对零件的加工质量、生产效率和成本影响极大。对刀具磨损的采集信号进行合理准确地降噪处理,是实现刀具磨损检测的核心技术。利用熵值法构造出信噪比、平滑度、均方根误差3个传统评价指标的权重,提出降噪质量的融合评价指标。对比仿真信号的去噪结果与真实信号发现,融合评价指标更具可行性和优越性。以最大融合评价指标为目标,提出降噪参数的优化方法。针对小波阈值去噪后的实际刀具磨损振动信号,与传统的单个评价指标相比,融合评价指标优选出来的降噪参数,不仅能够去除\[6 kHz,12 kHz\]高频部分的噪声信号,而且能够比较完整地保留\[0 kHz,6 kHz\]低频部分的真实信号。通过提取出刀具磨损特征值,建立切削工艺参数与刀具磨损之间的神经网络预测模型。刀具磨损试验结果表明,预测结果与试验测量值之间的最大误差不超出6.0%,进一步验证了基于多指标融合评价的最佳降噪参数能够准确地提取出刀具磨损信号的特征量。     

切削参数对切削高强钢刀具磨损仿真研究

34CrNiMo6高强钢硬度高、强度高,在切削加工中刀具磨损严重.针对切削参数与刀具磨损的关系,建立车削34CrNiMo6高强钢刀具磨损仿真模型.用三因素四水平正交试验法研究切削用量三要素在切削过程中对刀具的影响.结果表明:刀具磨损量受切削深度影响最小,受切削速度影响最大.     

基于多传感器信息决策级融合的刀具磨损在线监测

针对无法精确掌控机械加工过程中刀具磨损状态的现状,提出一种基于多传感器信息决策级融合的刀具磨损在线动态监测模型。该模型对采集的振动、力、声发射传感器信号进行特征提取后,将特征按传感器类型划分为独立样本。划分后的独立样本分别对同一个刀具磨损量进行回归预测,进而对每一个独立样本预测得到的刀具磨损量进行加权综合决策,最终决策出刀具磨损量。实验结果表明：刀具磨损在线动态监测模型能够有效地提高刀具磨损动态预测精度,平均预测准确率可达97.9%;与现有研究方法相比,预测准确率至少提升4%以上,预测时间仅为0.016 s,具有较大优势。     

基于自适应神经模糊推理系统的刀具磨损监测

为精确地监测高速铣床刀具在加工过程中的刀具磨损量,通过采集高速铣床加工过程中的振动信号、电流信号和噪声信号,经数据预处理与数据融合,建立基于自适应神经模糊推理系统的刀具磨损过程变化模型,实现在高速铣床不停机的前提下对铣床刀具进行状态监控。实验结果显示：针对铣床刀具磨损量的监测平均准确率为95.21％,最大监测准确率为99．74％。这表明文中所采用的方法具有较高的可行性。     

氟金云母玻璃陶瓷切削加工中的刀具磨损量建模

采用响应曲面法对氟金云母玻璃陶瓷进行车削加工试验,以高速钢刀具磨损为响应,以切削用量为试验因素,通过回归分析、模型检验及方差分析,建立刀具磨损量与切削用量之间的数学模型,分析切削用量对刀具磨损的影响规律。研究表明:建立的刀具磨损量模型具有较好的适合性和显著性,预测精度较高,能较好地描述刀具磨损与切削用量参数之间的关系;切削用量对刀具磨损量的影响程度依次为进给速度、切削速度和切削深度;应用刀具磨损量模型,有助于选择合理的切削用量,减少和控制刀具磨损。     

氟金云母陶瓷车削参数对刀具磨损的影响

对氟金云母可加工陶瓷进行车削加工试验,分析了切削中的刀具磨损特性,讨论了影响刀具磨损率的因素。以单因素实验法分别考察了刀具材料、冷却条件、切削深度、进给速度等对刀具磨损的影响规律。结果表明:刀具磨损过程可划分为三个阶段,自来水冷却可降低刀具磨损率,高速钢刀具不能满足加工需要,陶瓷刀具相对较好;切削深度对刀具磨损率的影响曲线为一抛物线段,进给速度对刀具磨损的影响曲线为一余弦线段;车削氟金云母陶瓷对刀具磨损过程与切削金属相似。     

基于SVM决策树的数据链识别分类

摘要：为解决数据链信号识别分类的问题,提出一种基于支持向量机(support vector machine,SVM)决策树的数 据链识别分类方法。通过分析美军常用的数据链通信信号特征,采用小波变换法分析数据链的特征信息,得出小波 系数与信号能量分布的关系,根据SVM 算法原理,构建目标特征模型,对信号特征量进行识别分类,对SVM 分类 器的关键参数进行优化设计,并与BP 神经网络算法进行对比实验仿真。结果表明：SVM 决策树网络分类器在进行 收敛速度和准确率表现优异,能改善分类识别效能。     

碳纤维复合材料切削过程的有限元模拟

基于Hashin失效准则,在ABAQUS/Explicit中建立碳纤维复合材料的二维正交切削模型。采用此模型研究切削条件对复合材料切削表面质量的影响。模拟得到了崩碎切屑的形成过程、切削力随刀具行程的变化曲线、应力在刀具及工件中的分布,并分析背吃刀量对切削过程中加工表面质量及切屑形貌的影响,从理论上提出改善复合材料切削表面质量的分析方法。     

超高速面铣淬硬钢涂层刀具切削性能研究

为探索超高速切削条件下涂层硬质合金刀具的切削性能,进行了超高速面铣淬硬钢实验,研究了切屑成形、切削力、刀具磨损以及表面粗糙度的特点。研究结果表明:在切削速度为2 800 m/min时,部分切屑出现了锯齿分离的现象;而在切削速度为2 000 m/min时,开始出现球状切屑;这两种切屑形态分别表征了超高速切削条件下高强度的热、机械冲击以及极高的切削温度;切削力及工件表面粗糙度均随切削速度的升高呈先下降后上升的趋势,并在切削速度为1 500m/min时达到最小值;超高速切削条件下,极高的切削温度导致刀具材料力学性能下降,刀具后刀面的主要失效机理为磨粒磨损、黏结磨损和氧化磨损。由于高强度的热、机械冲击,刀具前刀面的主要失效机理为涂层剥落。     

TC4铣削加工的刀具磨损与切削力和振动关系研究

采用AlCrN涂层整体硬质合金立铣刀铣削TC4钛合金,测量周刃磨损量、切削力和切削振动。使用扫描电镜（SEM）观察刀具磨损形貌,应用能谱分析的方法研究刀具失效表面元素的分布规律。在揭示磨损机理的基础上,进一步探讨刀具磨损对切削力、切削振动的影响规律,为实现钛合金加工刀具磨损状态的在线检查提供理论和技术支持。研究表明：前刀面主要出现机械裂纹、热裂纹、粘结磨损和氧化磨损,后刀面出现机械裂纹、粘结磨损和氧化磨损;整体上,切削力和振动随着磨损量的增大而增大,但不同磨损状态对切削力和振动的影响不同。     

基于支持向量机的无线电引信抗扫频式干扰研究

扫频式干扰对无线电引信威胁很大,为此研究了支持向量机方法在无线电引信抗扫频式干扰中应用的可行性。以连续波多普勒无线电引信为例,从理论上分析扫频干扰信号作用下引信检波输出信号的频谱特征。提出一种基于傅里叶频谱的特征参量提取方法,并利用支持向量机对干扰信号与目标信号进行分类识别。识别实验结果表明,该方法可以获得很高的分类识别正确率,能够有效提高连续波多普勒无线电引信的抗扫频式干扰能力,将支持向量机应用于无线电引信抗干扰可以获得很好的效果。     

基于刀具振动模式特征的深孔圆度误差预测方法

依据深孔加工的实际工作特点，提出了以刀具振动信号时频信息为输入特征的加工孔圆度误差预测方法。为了构建刀具振动特征与深孔加工圆度误差之间的映射关系，利用改进的模糊聚类技术，并将其引入到标准线性支持向量机算法中，使得刀具振动模式的模糊输入空间划分问题转化成初始输入空间的初值问题，实现了在规则数较少的情况下，仍具有较好的圆度误差辨识算法、辨识精度及泛化能力。以此为基础，构建了深孔钻削加工孔圆度误差的预测模型，并结合大量的实验数据，验证了提出的加工孔圆度误差预测模型的有效性与可行性。     

基于极限学习机模型的粒子滤波无设备定位方法研究

在无线通信环境中,无线射频信号易受到干扰,强度波动较为明显。为定量描述和分析目标位置与无线信号强度之间复杂、多变的关系,更加精准地估计目标位置,提出了基于极限学习机（ELM）模型的粒子滤波（PF）无设备定位算法。该算法包括ELM模型构建（离线阶段）和目标位置估计（在线阶段）。在ELM模型构建阶段,建立目标在不同位置与链路（发射节点与接收节点之间的通信链路）信号强度变化的离线数据库,利用ELM构建目标位置与无线射频信号强度的映射关系。在目标位置估计阶段,通过映射关系结合PF实现目标位置的跟踪。实验结果表明,所提算法不仅有效地解决了目标位置与无线射频信号强度的映射关系,而且比高斯过程模型-PF、支持向量机-PF等现有算法显著提高了目标跟踪精度。     

Tool Wear Estimate in Milling Operation by FEM

Many researches show that, in metal cutting process, tool wear rate depends on some cutting process parameters, such as temperature at tool face, contact pressure and relative sliding velocity at tool/chip and tool/workpiece interfaces. Finite element method（FEM） application enables the estimate of these parameters and the tool wear. A tool wear estimate program based on chip formation and heat transfer analysis is designed and compiled with Python to calculate the wear rate and volume, and update tool geometry according to the tool wear. The progressive flank and crater wears in milling operation are estimated by the program. The FEM code ABAQUS/Explicit and Standard are employed to analyze chip formation and heat transfer process.     

基于KPCA-HSMM设备退化状态识别方法的研究

为消除多通道观测信息冗余,压缩高维故障特征,提出了基于核主元分析( KPCA)多通道特征信息融合的隐半马尔可夫模型( HSMM)设备退化状态识别的新方法。首先,对采集的单通道振动信号进行小波相关滤波处理,构造单通道振动信号的小波相关特征尺度熵向量;然后,利用KPCA方法对多通道的小波相关特征尺度熵向量进行冗余消除和特征融合,得到多通道的融合小波相关特征尺度熵向量;并以此融合特征向量作为HSMM的输入进行训练,建立基于HSMM的设备运行状态分类器,从而卖现设备退化状态的识别。实验结果表明,该方法能有效的识别设备的退化状态,从而为多通道特征信息融合设备退化状态识别开辟新的途径。     

正交车铣高强度钢刀具磨损的研究

针对某种高强度钢材料,在改造的CE7132A仿形正交车铣机床上进行了一系列的正交车铣刀具磨损试验,分析并研究了正交车铣高强度钢时刀具的磨损过程、磨损形态和磨损机理。发现车铣刀具的磨损形态为前刀面的月牙洼磨损与刀具表层材料的剥落磨损,后刀面的磨损以及副后刀面的磨损。车铣刀具的磨损机理与切削速度和刀具材料、工件材料相关,在较低的切削速度下以疲劳一剥落磨损、粘结磨损为主,在此基础上伴随有磨料磨损和扩散磨损等;而在较高的切削速度下以扩散磨损为主,并伴随有疲劳一剥落磨损、粘结磨损和磨料磨损等。切削速度对车铣刀具的磨损过程、磨损形态及磨损机理等影响最大。     

利用改进单分类支持向量机提升舰船尾流目标的检测准确率

舰船在航行过程中会在尾部产生一段包含大量气泡的湍流区域,通过对尾流的声学检测可以有效地跟踪船舶。基于一种改进单分类支持向量机（OCSVM）算法,利用无尾流情况下回波信号作为训练集的一个最优分类器,用于尾流回波信号模式判断。对回波信号进行降噪处理,进而提出一种自适应特征提取方法对回波信号进行处理;将特征提取作为输入,使用两层决策边界的双阈值OCSVM算法进行尾流检测。仿真结果表明,与常规OCSVM算法相比,改进算法在不同信噪比下的检测准确率均有提升,检测准确率最高可达96.27%,具有较好的工程应用价值。