基于长短期记忆神经网络的刀具磨损状态监测

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。     

改进的BP神经网络在刀具磨损状态监测中的应用

刀具磨损状态监测的研究中,采用传统BP算法的神经网络识别切削过程中的刀具磨损量,具有局限性。文中提出了一种改进的BP神经网络结构,选取了新的BP算法,并对网络结构参数进行优化调整。对振动信号和AE信号分析后提取出刀具磨损特征量输入改进的BP神经网络,经过训练后用于识别刀具磨损状态。通过比较,改进的BP神经网络的收敛速度明显提高,且减小了识别误差。实验证实了其可行性和有效性。     

基于小波分析和神经网络的刀具磨损预测

提出一种基于多分辨率小波分析和BP神经网络的刀具磨损预测方法,采用多分辨率小波分析刀具不同磨损状态的切削力信号,提取其中增幅最大两个尺度上细节信号的能量和均方差作为BP神经网络的输入,通过自我识别法确定BP神经网络的最佳隐含层神经元数目,利用预先训练好的BP神经网络对刀具磨损状态进行预测。该方法能够建立刀具磨损状态与切削条件参数之间复杂的非线性函数关系,可实现一定切削条件下的刀具磨损状态预测。     

基于人工蜂群-BP神经网络的刀具磨损监测

为了提高刀具磨损状态监测准确度,提出基于人工蜂群-BP神经网络算法的刀具磨损状态监测方法。使用力传感器和振动传感器设计了磨损状态监测平台;使用匹配追踪算法对信号进行了去噪;提取了信号时域、频域、时频域的特征参数,使用核主成分分析法对特征参数进行了降维,确定了反应刀具磨损状态的15个特征参数;提出了人工蜂群-BP神经网络算法的刀具磨损状态识别方法,使用人工蜂群算法优化BP神经网络算法参数;经实验验证,传统BP神经网络识别准确率为78.75%,优化BP神经网络算法识别准确率为100%。     

采用小波神经网络的刀具故障诊断

为了有效的进行刀具状态监测，采用小波神经网络的松散型结合对刀具进行故障诊断。通过小波变换提取刀具磨损声发射（AE）信号的特征．即对AE信号进行小波分解，提取了5个频段的均方根值作为神经网络的输入，来识别刀具磨损状态。试验表明，均方根值完全可以作为刀具磨损过程中产生AE信号的特征向量。仿真结果表明，基于小波神经网络的刀具故障诊断对刀具磨损状态的识别效率高．该方法是有效的。     

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。     

基于铣削力与神经网络刀具磨损状态识别研究

以铣削难加工材料——高锰钢加工过程为研究对象。建立了以铣削力作为监测信号的铣刀磨损监测实验系统。应用小波包理论对铣削力信号进行分析和消噪处理。并提取了信号的能量特征作为神经网络的输入向量。基于神经网络极强的非线性映射能力及分类能力。选用小波包分析与BP网络结合的方式对刀具磨损状态进行识别。建立了模式识别BP网络结构,构造了网络训练样本及测试样本。对网络进行了训练、仿真及验证测试,结果表明该网络能够对刀具磨损状态进行准确的识别。对刀具的在线监测具有良好的现实意义。     

基于主轴电流信号多特征融合的刀具磨损状态监测

为实现在正常生产条件下进行刀具磨损的长期在线监测,提出了基于主轴电流信号和粒子群优化支持向量机模型(PSO-SVM)的刀具磨损状态间接监测方法。首先对数控机床主轴电机电流信号进行分析,将与刀具磨损相关的主轴电流信号多个特征参数和EMD能量熵进行特征融合作为输入特征向量;其次,通过粒子群寻优算法(PSO)对支持向量机模型(SVM)参数进行优化,建立基于主轴电流信号融合特征和PSO-SVM理论的刀具磨损状态识别模型;最后,通过实验采集某立式加工中心主轴在刀具不同磨损状态下电流信号进行验证,并与传统SVM模型、BP神经网络模型进行了对比分析。结果表明,所提出的方法具有较高的准确率和较好的泛化能力。能够实现正常生产条件下对刀具磨损的长期在线监测。     

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B样条模糊神经网络的刀具磨损监测

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。     

基于铣削力识别的铣削监测与铣刀故障诊断

为提高铣削过程监测与刀具故障诊断精度，通过测量铣床的频响函数和在铣削加工中的铣床振动加速度响应信号，用载荷识别的方法计算铣削力，分别得到了用4刀齿和2刀齿加工时横向铣削力的识别结果，所得到的铣削力曲线与加工工况吻合良好。以所识别铣削力为特征参量，用ART2神经网络进行了铣削过程监测与铣刀故障诊断，其结果比直接用振动响应信号进行监测与诊断更可靠，从而得到较好的监测诊断结论。     

An intelligent sensor for monitoring milling cutter breakage

A new intelligent sensor system using neural networks to separate tool breakage clearly from the cutter run-out or cutting transients in milling is proposed. The features of the spindle displacement signal are fed into the input layer of the neural network. With the back propagation training algorithm, the output of the neural network can be used to identify the milling cutter with or without tool breakage. Experiments show that this new approach can monitor tool breakage in milling operations successfully.     

对数螺线铲齿成形铣刀切削性能试验

传统的阿基米德螺线齿背的铲齿成形铣刀在重磨前刀面后,切削刃上各点的后角将发生变化,从而影响刀具切削性能的稳定。若改用对数螺线作为铣刀铲背曲线,则克服了阿基米德螺线的不足。本文在两种不同铲背曲线成形铣刀的铣削对比试验基础上,分析了重磨前后铣削力、刀具磨损、工件尺寸精度以及表面粗糙度的变化状况,试验结果表明重磨后,与阿基米德螺线成形铣刀相比,对数螺线成形铣刀能改善刀具的切削性能稳定性。     

Swept area modeling and cutter wear study in turn-milling

In turn-milling machining, we found the cutter wear concentrated on a small section around the corner of the cutter and affect the cutter life. In this paper, the idea of swept area is proposed firstly based on the analyses for cutter wear, and it can indicate the cutter wear. Balance of swept area will lead to balanced wear along cutting edge, and expressions of swept areas of infinitesimal elements on the cutting edge are given. Secondly, the cutting depth and cutting angle, which are the key parameters in calculating the swept area, are analyzed based on different contact situations between the cutter and workpiece, and the detailed calculating method is given. Then, the optimization model to balance swept areas along the cutting edge is established, and the cutting parameters including cutter offset and machining length are optimized. Finally, the orthogonal turn-milling machining experiments with different cutting parameters are conducted; the result shows that turn-milling with optimized parameters can actually balance the cutter wear and increase the cutter life.     

复合式土压平衡盾构机刀盘性能综合评价方法

复合式土压平衡盾构机刀盘对复合地层的适应性决定了施工的安全性和经济性。由于刀盘结构的多样性以及施工环境的复杂多变性,不同类型的刀盘在应对不同地层时,其综合性能表现不一,目前仍缺少对其综合性能进行评价的有效方法。在考虑刀盘性能影响因素多层次、多方面和相关联性的基础上,从刀盘的结构性能、刀具布置性能、力学性能、经济性、安全可靠性和环境适应性等方面,建立刀盘性能评价指标体系。根据刀盘递阶层次结构评价模型特点,提出一种基于模糊数学与评价理论,以模糊层次分析法计算刀盘指标权重,通过模糊综合评价和模糊优劣解距离决策法对刀盘进行综合性能评价的方法。结合长沙某地铁施工标段地质条件,选取四种常见的复合式土压平衡盾构机刀盘方案,进行评价确定最终方案,并通过工程实例验证本方法的合理性和有效性,为施工过程中的刀盘方案选型决策提供一种新方法。     

大口径油气输送管道开孔刀具的设计

所研制的大口径流体输送管道开孔刀具,主要应用与在役钢质流体输送管道不停输维抢修、改造作业过程中。该设计以X70高强度管线钢为工件材料,结合大口径流体钢管不停输开孔过程中的运动参数要求,选用高速钢M48为刀片材料。根据金属切削原理,设计了合理的刀体、刀片几何形状,并分析了刀片与刀体的焊接工艺,采用"三体一膏"感应银钎焊方法,实现刀片与刀体的连接。现场试验中所研制开孔刀具,切削性能良好,未出现磨损、崩刃、脱落等现象。     

聚晶金刚石(PCD)刀具在活塞加工中的应用

PCD刀具广泛应用于加工铝合金,是加工铝合金特别是高硅铝合金最为有效的刀具材料,在分析PCD刀具材料性能特点的基础上,介绍了PCD刀具在活塞加工中的应用情况,重点介绍了几种常用PCD刀具的应用效果,并以精车环槽PCD刀具为例,详细介绍了PCD成型刀具的开发与应用,最后对PCD刀具的正确使用提了几点建议。     

热管铣刀散热基本结构关键参数优化

为给基本结构优化后的热管铣刀设定合理的结构参数,对热管铣刀的热流过程进行了优化分析,对与散热增量关系不明确的结构参数进行了深入讨论,并进行了该类参数与散热增量间的量化关系实验。首先建立热管铣刀结构参数与散热增量之间的关系评定实验平台,再通过系列正交试验获得各试验因子与散热增量之间的关系,并获得各因子的最佳取值,最后基于实验得到的各参数最佳值制造一把热管铣刀,并以此热管铣刀进行切削测温实验,进而验证正交试验结论的正确性。实验结果表明,相比结构参数未优化的热管铣刀,优化后切削区的温降达到50℃以上。     

New mathematical method for the determination of cutter runout parameters in flat-end milling

The cutting force prediction is essential to optimize the process parameters of machining such as feed rate optimization, etc. Due to the significant influences of the runout effect on cutting force variation in milling process, it is necessary to incorporate the cutter runout parameters into the prediction model of cutting forces. However, the determination of cutter runout parameters is still a challenge task until now. In this paper, cutting process geometry models, such as uncut chip thickness and pitch angle, are established based on the true trajectory of the cutting edge considering the cutter runout effect. A new algorithm is then presented to compute the cutter runout parameters for flat-end mill utilizing the sampled data of cutting forces and derived process geometry parameters. Further, three-axis and five-axis milling experiments were conducted on a machining centre, and resulting cutting forces were sampled by a three-component dynamometer. After computing the corresponding cutter runout parameters, cutter forces are simulated embracing the cutter runout parameters obtained from the proposed algorithm. The predicted cutting forces show good agreements with the sampled data both in magnitude and shape, which validates the feasibility and effectivity of the proposed new algorithm of determining cutter runout parameters and the new way to accurately predict cutting forces. The proposed method for computing the cutter runout parameters provides the significant references for the cutting force prediction in the cutting process.     

两刀片固定镗刀块切削加工的力学模型

镗削加工的质量主要取决于镗后孔表面残留下的进给印痕,它受镗刀块上刀片的径向和轴向摆差、以及镗刀块与孔中心线间的错位量的影响。首先找出切削层面积及刀刃与切屑接触长度,然后分别乘相应系数,然后考虑镗刀块上每一刀片的安装错位所引起的径向和轴向摆差,导致切削负荷的不规则分布,以及镗刀块的轴线与孔轴线错位量导致切削力不平衡引起的振动,进而影响孔的质量。在此基础上建立了镗削加工的力学模型,可有效计算和解决上述问题,有助于提高镗削加工的质量。