利用红外辐射原理监测刀具正常破损

利用红外辐射温度计进行连续半精车削刀具正常破损监测试验，在分析监测结果和数据的基础上，指出监测切屑上表面温度得到的红外电动势信号可用于硬质合金刀具正常破损的预报     

刀具破损信号小波分析

简述了小波的基本概念，对刀具破损电机电流信号进行了小波分析，结果表明，小波分析能为监控刀具破损提供了有效的手段。     

基于切削力的铣削过程刀具破损监控

本文介绍了新研制的铣削过程刀具破损监测系统，分析了铣削过程中刀具破损的切削为波形特征；同时也对一些特殊工况下的铣削力特征进行了研究，阐述了刀具破损与特殊工况下铣削时切削力的不同变化规律。引入自回归算法对刀具破损进行识别，并用实验的方法确定了破损阈值。     

车刀破损时刀杆振动信号特征的研究

 实验发现,车刀破损时低频率范围内时域信号的变化总是很明显,而宽频率范围内时域信号的变化则不一定明显。本文提出用低频率范围内时域信号的变化来监测车刀破损,经验证,可在20ms内检测出刀具的破损。     

声发射刀具失效监控系统研究

通过对钻、车、镗削刀具失效过程中产生的声发射信号的分析,获得了信号的频谱特性,建立了描述刀具破损、磨损状态的数学模型。依据分析及实验结果,设计了一个智能化的刀具状态监控系统。刀具破损面积的分辨率为0.01mm~2,刀具破损的响应时间小于0.1ms,漏报率及误报率小于5％。     

基于特征的飞机结构件加工状态监测方法

为有效监测飞机结构件加工过程中出现的刀具严重磨损、刀具破损和加工颤振等异常加工状态,提出基于特征的飞机结构件加工状态监测方法.分析了加工特征对监测加工状态监测的影响,运用小波分析方法提取加工特征关于加工状态的信号特征量,应用支持向量机方法对加工状态进行辨识.实例结果表明,该方法能有效的监测飞机结构件异常加工状态,具有较高的工程实用价值.     

新型刀具识别技术，实现快速可靠的刀具破损检测

机械加工厂在生产过程中常常要面对刀具破损问题，识别刀具破损的位置和原因也成为机械加工过程中的一个难题。传统的非接触式刀具破损检测系统根据激光光束是否被遮挡来判断刀具是否正常：被遮挡时，表明刀具正常；未被遮挡时，表明刀具破损。     

自动化加工刀具破损监测系统

提出了融合声发射信号和电流信号检测刀具破损状态的方法,尤其是采用小波变换处理电流信号获取信号特征,可以改善检测系统的适用性。实际应用证明系统具有高的可靠性。     

钛合金振动攻丝刀具破损监测的研究

对振动攻丝的力学模型进行了研究,找出了钛合金振动攻丝刀具破损失效时的力学特征,并建立了钛合金振动攻丝的振动控制、破损监测和报警停机的自动监控系统。     

异型螺杆铣削刀具监控仪的研究

针对异形螺杆铣削加工特点,阐述了异型螺杆铣削刀具磨损/破损监控原理,采用振动信号和功率信号特征值作为检测刀具磨损的参量,利用自适应神经--模糊推理系统(ANFIS)算法和哈默斯坦非线性系统的辨识,建立刀具状态监控模型,并基于模型进行了监控仪的设计,并对监控系统的设计做了详细的论述.经试验验证,该系统满足了对刀具监控的要求.     

刀具监控在数控机床及加工中的应用

针对数控机床使用高速电主轴在切削过程中出现异常情况导致的电主轴损坏问题,分析了电主轴损坏的原因以及刀具监控系统在电主轴保护和工艺优化方面的作用,详细论述了刀具监控系统应用原理、主轴保护过程、工艺优化分析和监控系统与及机床的集成。并在虚拟五轴机床上开展应用验证,通过设置功率阀值、刀具破损功率和刀具磨损功率,实现了切削实际功率和振动的监测。应用表明:采用刀具监控系统能降低刀具破损、磨损等原因造成电主轴的损坏,同时能对加工工艺进行分析和优化。     

基于主轴电流小波变换的刀具磨损状态监测

为消除机器人自动制孔系统中由于刀具磨损引起的孔径误差,提出一种基于主轴电流离散小波变换的刀具磨损状态在线监测以及寿命预测方法。首先根据主轴电流信号的波动规律,综合小波信号的正则性、相似性及曲线误差光滑性等要求,选用3阶多贝西小波基对主轴电流信号进行离散分解。结合刀具磨损规律,选取电流信号的3阶低频分解量作为刀具磨损状态监测的最有效特征,将电流信号的1阶高频分解量进行离散傅里叶变换,得到高频分量的频域特性,为电磁兼容设计提供依据;最后利用最小二乘法拟合刀具磨损量与主轴电流特征值的线性关系,通过监测主轴电流特征值,实现对刀具后刀面磨损量的在线监测以及刀具寿命预测。     

基于域对抗门控网络的变工况刀具磨损精确预测方法

刀具磨损的精确预测对保证零件加工质量、提高生产效率和降低制造成本具有重要作用。在实际加工过程中,切削参数、刀具几何参数、刀具材料等工况复杂多变,工况信息和刀具磨损量对监测信号的耦合作用为刀具磨损的精确预测带来了很大挑战。针对以上问题,提出了一种基于域对抗门控网络（DAGNN）的变工况刀具磨损精确预测方法。引入工况分类网络并利用无磨损量标签样本,通过域对抗和门控过滤机制自适应地从不同工况的原始监测信号中提取表征刀具磨损且对工况变化不敏感的关键信号特征。对信号特征提取网络和刀具磨损预测网络进行迭代优化,从而实现变工况刀具磨损的精确预测。实验结果表明：相比已有的方法,本文方法能够利用少量带磨损量标签的目标工况样本实现刀具材料和刀具直径变化情况下的刀具磨损量精确预测,预测精度大幅提高。     

在铣削加工中通过神经网络融合多路传感器监测刀具破损

讨论在立铣加工中，用多层前馈反向误差传播神经网络融合由多路传感器信息中选取的多维特征来监测刀具破损情况。对融合不同传感器特征对神经网络性能的影响以及如何选取训练样本等也进行了分析。研究结果表明，神经网络对提高识别精度是很有效的。     

声发射监测钻头折断的实验研究

 金属切削过程中会发出声讯号。用声发射技术监测刀具破损是一个很有潜力的新方法。本文研究了声发射技术在钻头折断在线监测中的应用。实验结果表明,所设计的实验监测系统能可靠地监测钻头的折断,并可提前预报直径大于1.5mm钻头的折断。     

刀具声发射信号混沌特征提取及趋势分析

旨在建立一种基于多混沌特征演化分析的刀具磨损状态监测方法,通过计算刀具声发射信号的混沌特性参数分析其磨损趋势。建立首先基于混沌理论分析和描述刀具不同磨损阶段声发射信号的混沌特性,包括：定性描述,即重构相空间的奇异吸引子轨迹和庞加莱截面;定量描述,计算不同时间段声发射信号的关联维数、最大Lyapunov指数等。其次,采用最小二乘回归方法对所计算的混沌参数进行趋势分析。结果表明,声发射信号具有混沌特性,而且关联维数和最大Lyapunov指数演化趋势与刀具的磨损状态具有一定的关联,从而为刀具磨损状态的在线监测和预测提供了新思路。     

基于切齿高阶运动的螺旋锥齿轮齿面修缘方法

提出了一种利用机床柔性使用常规直刃刀具进行螺旋锥齿轮修缘的方法。根据不同刀具建立了螺旋锥齿轮修缘齿面的求解方程，并以此建立了螺旋锥齿轮啮合分析有限元模型分析对比了不同刀具修形对应修缘齿面的传动性能。根据对比结果选取圆弧刃刀具作为切齿高阶运动齿面修缘的优化目标，在齿面方程引入高阶运动系数并建立了基于高阶切齿运动的修缘齿面逼近优化计算模型，求解获得新的切齿调整参数得到近似修缘齿面。采用有限元分析和滚动检查实验对优化获得的修缘齿面和未修缘齿面进行了传动性能验证，其结果表明:切齿高阶运动逼近的修缘齿面啮合时的1阶振动幅值减小约16.6%，可以有效提高齿轮副的传动性能。      

基于声发射信号的高速铣削过程监测技术

叙述了如何将声发射技术应用于航空铝合金的高速铣削过程监测,介绍了监测装置硬件系统和信号数据采集平台的构成,最后运用小波分析进行信号分解,计算分解后的各频段能量,并从频段的能量对比中发现,信号能量可以作为刀具磨损的特征参数.     

复合材料钻削刀具状态集成学习分类技术

刀具状态监测关系到工件加工质量,因此实时掌握刀具的磨损状态具有重要的意义。针对单一模式识别分类器的局限性,提出了基于异态集成学习模型的刀具状态监测系统。在该系统中,根据集成学习基分类器选择原则,选取了支持向量机(SVM)、隐马尔科夫模型(HMM)以及径向基神经网络(RBF)这3个单分类器作为基分类器。为了验证监测系统的有效性,进行了复合材料钻削实验,提取了加工过程中的钻削力信号、振动信号的时域特征并利用局部保持法(LPP)进行了特征选择。通过与单分类器和集成学习分类效果的对比,表明了集成学习模型相比于单一基分类器具有更高的分类精度和更好的稳定性。     

正交切削刀具应力的有限元分析

应用有限元方法计算了正交切削刀具的应力.对正剪切和负剪切的应力分布进行了比较,分析了负剪切易引起刀具破损的原因;对刀具前角分别为 0°、10°、15°时的等效应力进行了对比,分析了刀具前角变化对刀具强度的影响.