基于特征自适应融合和集成学习的高性能铣削刀具状态监测

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。     

基于域扩展因子和微凸体相互作用的结合面接触刚度模型研究

结合面接触刚度直接影响了机械设备的整机动态特性,为了建立更为准确的接触刚度模型,以分形几何理论为基础,利用单一微凸体承受局部载荷时的弹性变形特性,并基于域扩展因子引入微接触截面积分布函数,推导了考虑表面微凸体相互作用影响的结合面接触刚度分形模型。为了验证所提出模型的准确性,通过三维非接触式测量,获得了试验试样的表面轮廓数据,并根据结构函数法,计算了各个试样的表面分形参数,进而将理论接触刚度与试验结果对比分析,结果表明：法向接触刚度的增长速率与粗糙面表面临界接触面积有关,临界接触面积决定了结合面内的弹性变形占比。考虑微凸体相互作用后,所提出模型的预测曲线更加符合试验中法向载荷与接触刚度的关系。