基于改进灰狼优化算法的金刚石刀具磨损状态识别方法

传统金刚石刀具磨损状态识别方法容易受到外界干扰,导致金刚石刀具磨损状态识别效率低、误检率高,为此提出了基于改进灰狼优化算法的金刚石刀具磨损状态识别方法.利用属性权重去除金刚石刀具磨损状态数据中的冗余数据,对金刚石刀具磨损状态进行初步异常识别,将粒子群算法引入金刚石刀具磨损状态特征选择中.通过计算金刚石刀具磨损状态特征的适应度,更新了粒子速度.在引入惯性因子的基础上更新粒子位置,实现金刚石刀具磨损状态特征的选择.通过计算收敛因子找到最优位置,实现金刚石刀具磨损状态的识别.分析结果表明,基于改进灰狼优化算法的金刚石刀具磨损状态识别方法不仅在识别准确率方面具有一定优势,还可在应用过程中有效提高识别效率.     

基于小波包和BP神经网络的刀具磨损状态识别

刀具磨损状态影响金属切削过程,因此监测刀具磨损状态对提高产品质量有着重要的意义。设计刀具磨损状态监测系统,利用传感器采集刀具振动信号,通过小波包对振动信号进行数据分析,并把不同频段的能量值作为刀具磨损状态的特征值,建立BP神经网络,从而在刀具磨损状态和振动信号特征向量之间建立映射关系,完成刀具磨损状态的监测。利用C++Builder和Matlab软件混合编程实现了系统的功能。试验表明,系统运行良好,能够对刀具磨损状态进行正确识别。     

基于离散小波分解的刀具故障诊断

针对石材加工过程中刀具状态监测问题,基于振动采集装置分别对不同状态刀具进行振动铣削对比试验,采集不同状态下刀具振动信号,通过离散小波分解确定表征刀具故障诊断的特征值,同时确定了不同转速时的特征值范围,并在工艺范围内实现了刀具的故障诊断。     

不完备先验知识下的刀具磨损状态评估方法研究

在实际切削加工中刀具磨损的全状态先验知识获取困难,而刀具磨钝状态下的先验知识则较易获取。针对这种不完备先验知识情况,以切削力为监测信号,提出基于连续隐马尔可夫模型(CHMM)的刀具磨损状态评估技术。应用小波包分解技术提取信号特征信息,利用刀具磨钝状态下的先验归一化特征信息建立CHMM监测模型;根据刀具未知状态特性向量与监测模型间的对数似然度获取刀具性能指标,实现刀具磨损状态评价。铣刀全寿命磨损实验表明:该方法能在仅具备磨钝状态先验知识情况下,实现对刀具的磨损状态的初步评估,且所需样本数较少,训练速度快。     

刀具切削状态监控技术综述

介绍了国内外刀具切削状态监控技术的发展历程,分析刀具切削状态监控技术发展中存在的主要问题和取得的成果,认为切削力等间接参量不能直接、量化地表征刀具状态;切削温度能较直接地反映刀具状态,其信号也易于处理,抗干扰能力强;基于机器视觉的加工表面纹理能较好地映射刀具切削刃,但技术复杂;多参量的刀具切削状态综合表征应是未来的研究方向。     

刀具失效状态监测研究综述

在机械加工中,机床刀具的失效状态分为两种:刀具磨损失效和刀具破损失效。刀具失效对加工精度、加工质量和加工效率有十分消极的影响。随着数控机床自动化程度的不断调高,特别是在高速切削加工中,对刀具磨损状态监测提出了更高的要求。刀具的破损存在典型的随机现象,目前学者多在算法上优化刀具破损预测模型,提高刀具破损的预测精度。国内外学者总结刀具失效的一般规律,研发出了多种刀具状态检测手段和方法。根据国内外刀具状态检测相关研究进展,对刀具失效检测相关问题进行评述,并对以后刀具失效检测的研究方向进行了展望。     

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。     

基于红外热像分析的刀具磨损及失效诊断

为了实现切削加工过程中刀具磨损程度及失效状态的精确监测与诊断,采用红外热像仪测试、提取刀具加工过程中的红外特征,分析刀具不同磨损程度状态下的温度场及闪温特征,建立刀具磨损及失效的红外信号特征数据库,基于最小模糊度的隶属度函数优化模型诊断刀具磨损及失效状态。实验结果表明,刀具识别误差较小,表明此方法可以实现对刀具磨损及失效状态的实时、精确诊断,对提高机床的工作效率及加工精度具有重要意义。     

基于铣削力参数化模型的铣刀非均匀磨损状态监测方法研究

在航空结构件钛合金零件数控加工中,刀具非均匀磨损状态对工件的最终质量影响很大。为了及时发现并控制因刀具非均匀磨损导致的异常加工状态,对钛合金加工刀具非均匀磨损状态监测方法进行了研究。建立了基于刀具刃线参数化模型的铣削力参数化模型,实现了对钛合金加工刀具非均匀磨损状态的监测,解决了零件单件或首件加工中样本数据缺失条件下的钛合金加工刀具非均匀磨损状态准确监测难题。     

带磨损补偿功能的刀具状态在线检测技术研究

利用多个传感器在线采集刀具状态数据,建立了刀具状态在线检测系统。该系统具有刀具磨损补偿的功能。     

基于多传感器数据融合的刀具磨损状态监测研究

刀具磨损状态是影响加工质量和生产效率的重要因素之一,传感器、特征提取、信息融合和机器学习等技术的发展为刀具状态监测提供了新思路,然而,建立精度高、鲁棒性好的多传感器系统仍是刀具状态检测的难点。以涂层硬质合金刀具对难加工材料30CrMnMoRE的铣削试验为基础,通过对不同刀具磨损状态下的切削力和切削振动进行采集分析,并比较多种特征提取和模式识别方法,建立了一种更为可靠的铣刀状态监测系统,实现了对高强度钢切削时的刀具磨损状态识别。     

基于谐波特征和GA-SVM的刀具状态监测

刀具状态的监测是实现机械加工自动化重要的一环.为了有效地捕捉刀具的状态信息,提出了一种基于谐波特征和GA-SVM(遗传-支持向量机)相结合的刀具状态监测方法.该方法运用小波变换提取AE信号的谐波特征信息,作为支持向量机的输入参数,GA寻找SVM建立刀具状态模型的最优参数,通过训练建立模型.结果表明,该方法能有效监测刀具磨损状态.     

HMM技术在数控镗刀状态监测中的应用

通过对声发射传感器采集的刀具磨损状态信号进行分析,提取出反映刀具磨损状态的特征向量MFCC系数及差分系数,然后利用HMM进行信号处理。建立了检测镗刀刀具状态的监测系统。实验结果表明,该监测系统在刀具的正常磨损阶段,可以实现刀具大致磨损量的预报;在刀具破损或损坏情况下,能够及时监测和预报刀具损坏状态。这种监测方法能够进行实时在线监测,为刀具的磨损监测提供了一条切实可行的途径。     

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。     

刀具状态监测技术在发动机加工过程中的应用

为解决定时换刀出现的刀具过度磨损问题,研究了刀具状态监测技术相关理论及参数标定方法,并在发动机加工过程中进行了应用验证。结果表明,采用基于电机电流的刀具状态监测技术可在现有条件下准确监测刀具的磨破损状态,提高刀具利用率,防止出现批量不合格工件,保护机床主轴和夹具等部件。     

基于振动信号的铣刀磨损状态识别

刀具磨损状态的变化是自动化加工中最为常见的影响因素,对刀具磨损状态的有效识别能够保证自动化生产的顺利进行.从铣削加工的振动信号中,可以获取刀具磨损状态的信息.基于小波理论,通过分解提取的振动信号,并分析频带内振动信号幅值的变化,就能够确定刀具磨损的状态.对铣削平面和斜面进行了实验分析,证明该种方法能够实现铣削加工过程中刀具磨损状态的有效识别.     

CNC机床刀具状态的实时在线监控

本文提出了一种有效的刀具状态实时在线监控方法——刀具状态多变量同步并列监控法。根据实际加工情况,选择地组合切削中刀具状态的过程变量,采用微处理机实行综合的识别和判断。设计了“CNC车床刀具状态多变量微机监控系统”,通过刀具磨损和打刀的切削实验证明,能够对自动加工中的刀具状态进行有效的监控。该系统能够记忆故障信息和有关过程信息,选择地确定故障判据,具有固定和浮动双向极限报警功能,能在线打印出实际过程曲线。     

基于WOA-VMD-SVM数控机床刀具健康状态评价体系的建立

刀具的健康状态直接影响着数控机床的加工性能。对刀具的磨损、破损等健康状态因素进行前期预测和判断,可有效防止因刀具健康状态异常而导致加工质量不稳定等问题。根据刀具在机加工过程中因磨损状况而引起机床机械特性的变化展开分析与研究,即通过采集与刀具健康状态相关联的机床主轴振动信号,并对该信号进行处理和特征提取,建立基于WOA-VMD-SVM刀具健康状态预测识别模型。经实验分析与验证,所建立的模型具有很高的识别准确率,其准确率高达96.8%,高于SVM模型和GA-SVM模型,由此表明该模型能够高效、准确地对刀具磨损状态进行识别和分类。     

基于Elman神经网络的刀具磨损状态识别技术

由于刀具磨损声发射信号的能量分布与刀具磨损状态密切相关,可以利用谐波小波包方法提取刀具磨损声发射信号的特征能量,对各频段能量做归一化处理,与切削三要素组成特征向量输入到Elman神经网络,通过神经网络判别刀具磨损状态。实验结果表明,刀具磨损产生的声发射信号频率主要集中在10Hz~130k Hz之间,将谐波小波包和Elman神经网络结合的方法可以有效地识别刀具磨损状态。     

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.