随机森林算法的立铣刀磨损状态评估

制造业自动化水平的提高对数控机床的自我诊断能力提出了新的要求,而人工智能的发展为此开辟了新的解决方案。为了更高效、全面地对刀具磨损状态进行评估,通过采集立铣刀切削时的力和加速度信号,并对其时域、频域与小波能量特征的信号的特征值进行提取,建立了一种基于随机森林算法(Random forest)的刀具磨损状态评估模型。实验数据的对比验证中,随机森林模型对107组测试样本的刀具磨损状态评估准确率达到99.1%,且其建立模型的时间少于1 s。结果表明,随机森林算法具有高效与高准确度的特点,能为刀具磨损状态的在线监测系统的建立奠定基础。     

基于MATLAB的刀具磨损状态分析

通过对刀具磨损状态与影响因素间因果关系的分析,利用Matlab中的Neural Network Toolbox仿真环境和BP模型算法建立了用于刀具磨损状态分析与控制的神经网络模型,详细论述了模型结构的设计、数据处理、网络初始化、训练与仿真的过程.实际表明,基于Matlab的刀具磨损状态分析能有效地提高效率及直观地显示结果,对提高机械加工效率与加工质量具有积极作用.     

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...     

刀具磨损状态在线监测技术

通过对切削加工过程中声发射（ＡＥ）信号频域特改正的研究,指出了ＡＥ信号中与刀具磨损状态有关的成分在频域内的分布规律,在此基础上分析了ＡＥ信号的均方根值ＡＥＲＭＳ和振铃计数与刀具后面磨损量ＶＢ之间的对应关系,建立了一种基于ＡＥ信号能量的双阈值判断监测方法。试验表明该方法能很好地解决持定切削条件下刀具磨损的在线监测问题。     

刀具磨损识别的人工神经网络方法

人工神经网络在机械制造过程监控中有着广阔的应用前景。本文提出了一种基于多层前馈网络和误差反向传播（ＢＰ）算法的刀具磨损识别的新方法，并研究了网络结构和网络输入参数的选择，以建立较完善的神经网络模型。初步验证结果表明：基于多种传感器信息和工艺参数的人工神经网格模型对刀具状态具有很好的识别能力。     

刀具磨损状态综合识别系统

介绍一种以PC机为后台,以双单片机为前台的刀具磨损状态识别系统。并阐述了系统设计中的关键技术与硬软件工作原理。     

基于卷积神经网络的刀具磨损评估方法

采用可靠的刀具磨损评估方法对于提高加工质量和生产效益具有重要意义.提出一种基于卷积神经网络的刀具磨损评估方法,采用短时傅里叶变换对采集的主轴电机直流电流和交流电流进行处理,得到对应时频谱,将时频谱输入所设计的卷积神经网络模型,评估得到刀具磨损值.采用铣削数据集对卷积神经网络模型进行训练和验证,表明在主轴转速、切削深度、...     

GRNN与粒子滤波集成的刀具磨损监测

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。     

基于小波变换的刀具磨损状态检测

分析切削加工过程中刀具磨损的规律以及在不同的刀具磨损阶段切削力信号的奇异性指数 (即Lipschitz指数 )的变化规律。根据这一变化规律 ,提出自动化生产过程中刀具磨损状态的在线检测的方法。     

刀具磨损的小波检测

通过建立刀具磨损时的切削力信号奇异性指数与刀具磨损状态的对应关系 ,利用小波变换对切削力信号进行分析 ,实现了对刀具磨损的间接测量     

刀具磨损监测及破损模式的识别

对于金属切削过程中的刀具磨损,提出了基于隐马尔可夫模型的模式识别理论来识别刀具的不同磨损状态,从而预报刀具破损.该方法对切削过程中切削力信号的动态分量和刀柄振动信号进行快速傅里叶变换特征提取,然后利用自组织特征映射对提取的特征矢量进行预分类编码,把矢量编码作为观测序列引入到隐马尔可夫模型中进行机器学习,建立了3个不同磨损状态的隐马尔可夫模型,并利用最大概率进行模式识别.试验表明,该方法对车刀磨损过程进行识别和预报是有效的.     

Wear and Tool Life of CBN Cutting Tools

The wide application of precise high-quality components made of advanced structural materials is directly related to the accelerating use of superhard materials and tools made of them. When machining with these tools, the optimal choice of cutting process parameters is important, as the requirements concerning the parts can often only be satisfied by cutting under extreme conditions (small chip cross-section, high cutting speed, special materials, new wear forms, etc.). Polycrystalline CBN tools are widely used for the fine turning of parts made of construction, stainless, heat-resistant, acid-resistant or even hardened (60–70 HRC) HS steels. The experimental T = T(vc) tool life curves are of "dromedary" type. The tool life maximum point moves up and down according to changes of depth of cut and feed-rate values. The reasons for polyextreme tool life curves and moving maximum tool-life points are discussed in the paper. A new general tool life Eq. is outlined which reflects the physical principles of cutting phenomena more completely and exactly. The suggested form describes the polyextreme structure of the tool life function, while the position of the extreme values (along the T- and vc-axis) depend on the cutting parameters. ID="A1" Correspondence and offprint requests to: Professor A. G. Mamalis, Manufacturing Technology Division, Department of Mechanical Engineering, National Technical University of Athens, 42 28th October Avenue, 106 82 Athens, Greece. E-mail: mamalis@central.ntua.gr     

基于堆叠降噪自编码的刀具磨损状态识别

提出了一种基于堆叠降噪自编码（SDAE）的刀具磨损状态识别方法。构建了SDAE神经网络来学习声发射（AE）信号的特征,并对自编码网络进行有监督的微调,从而对刀具磨损状态进行精确识别。实验结果表明,SDAE方法能够自适应地学习,得到有效的特征表达,且刀具磨损状态识别结果精确度高,该方法能够有效地进行刀具磨损状态识别。     

考虑后刀面磨损条件下的正交切削模型分析

在试验研究基础上进行了有后刀面磨损的正交切削模型分析。经过正交切削试验及理论分析,发现后刀面磨损无论是定性上还是定量上都不影响刀具基本切削或剪切过程,即不改变剪切角和摩擦角,但是在磨损区的摩擦力及整个切削力都会增加。充分利用剪切区分析理论,确定了剪切区的切削力、后刀面磨擦力和后刀面磨损量的对应关系,从而建立了在后刀面磨损情况下的切削力模型。     

模糊数据融合的刀具磨损状态智能识别

为实现高速加工时刀具渐变磨损状态的在线准确识别,提出了一种集合多种智能的间接检测刀具磨损状态方法的模糊数据融合方法。尽管这些方法具有算法实现较为简单、处理速度较快的优点,但单一的信号检测及单一的智能建模方法难以获得全面的加工状态信息和准确的识别结果。为此,利用F推理技术对上述方法的冗余和互补信息进行数据融合,应用Makino—Fanuc 74-A20型加工中心的测试数据验证了该方案的可行性,并将刀具后刀面磨损的预测值与基于机器视觉检测的实测值进行比较。实验结果分析表明,多参数模糊融合识别方法能快速获得切削刀具磨损状态更加准确的预测值。     

PCBN刀具的磨损与最佳切削速度的研究

PCBN刀具磨损机理一直都被人们所关注,本文通过PCBN刀具切削淬硬合金钢42CrMo的实验,利用扫描电镜对切屑及刀具磨损进行能谱分析,找出PCBN刀具磨损与切削速度的关系。     

高速切削刀具磨损的有限元分析

采用DEFORM-3D软件,通过在不同速度下切削45钢的有限元模拟,得到了切削速度对刀具磨损的影响规律以及与切削温度之间的关系,为研究刀具磨损机理、合理选用切削加工速度提供了参考依据。