| CNC铣刀磨损状态的大数据分析与预测方法研究 |
| |
| 引用本文： | 谢马军,吴永明. CNC铣刀磨损状态的大数据分析与预测方法研究[J]. 机床与液压, 2020, 48(21): 105-110. DOI: 10.3969/j.issn.1001-3881.2020.21.024 |
| |
| 作者姓名： | 谢马军 吴永明 |
| |
| 作者单位： | 广东工业大学机电工程学院, 广东广州510006;广东工业大学机电工程学院, 广东广州510006 |
| |
| 摘 要： | 为在铣切加工过程中预测铣刀的磨损状态以及时发现并更换将要磨钝的铣刀，以保障产品质量，运用传感器采集CNC铣床在加工过程中铣床及铣刀的振动信号数据，应用大数据方法研究CNC铣刀磨损状态的分析和预测方法。为保证铣刀磨损状态的识别精度、识别稳定性和分析模型的鲁棒性，采用小波包分解理论对铣床x、y、z三向振动信号数据进行降噪处理，提取时域特征和能量特征，筛选出与磨损状态相关性较大的34个特征。应用XGBoost算法建立铣刀磨损状态的数据分析模型，使用宏平均值评估模型性能，结合SMOTE技术对特征向量进行过采样，使各磨损状态类别样本均衡。借助公开的球头铣刀加工数据集对所提方法进行验证，实验结果表明：利用XGBoost算法能正确分析铣刀磨损状态的数据，能识别出铣刀磨损预警阶段。XGBoost算法的预测精度高、稳定性好、泛化能力强，易应用于工业大数据领域
|
| 关 键 词： | 铣刀 磨损状态 振动 大数据分析 预测方法 XGBoost算法 |
Research on Big Data Analysis and Prediction Method for Wear Status of CNC Milling Cutter |
| |
| XIE Majun,WU Yongming. Research on Big Data Analysis and Prediction Method for Wear Status of CNC Milling Cutter[J]. Machine Tool & Hydraulics, 2020, 48(21): 105-110. DOI: 10.3969/j.issn.1001-3881.2020.21.024 |
| |
| Authors: | XIE Majun WU Yongming |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《机床与液压》浏览原始摘要信息 |
|
点击此处可从《机床与液压》下载全文 |
