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。     

数字孪生驱动的薄壁件铣削刀具磨损状态识别方法

薄壁零件由于其本身的弱刚性,铣削过程中极易发生颤振、变形,从而加剧刀具磨损,为提高薄壁零件的铣削加工效率和表面质量,提出了一种数字孪生与支持向量机（SVM）融合驱动的刀具磨损状态识别方法。利用时、频域分析和小波包变换提取特征向量,通过网格搜索与交叉验证（GSCV）的方法进行超参数寻优,结合SVM算法构建薄壁零件铣削刀具磨损状态识别模型。试验结果表明,SVM算法在高维小样本数据的分类识别问题中优势明显,对于不同铣刀磨损状态的识别准确率分别达到96%和90.16%,具有较好的泛化能力。结合机器学习算法构建高保真、轻量化的数字孪生体,并将其嵌入薄壁零件铣削过程监测平台,以解决加工过程中信号实时监测和刀具磨损状态在线识别的问题。     

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。     

基于多参量状态信息融合的刀具磨损状态智能识别

鉴于刀具磨损监控在自动化生产中的重要性,建立了基于切削力和基于相对切削时间的两种磨损检测模型．切削力模型是利用回归算法和模糊分类技术建立的,通过检测切削力信号可在线识别刀具磨损状态．基于相对切削时间模型利用回归技术直接建立刀具磨损量与切削参数及时间的关系,可在较大的切削条件变化范围内实现对刀具磨损的识别．     

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.     

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.     

涂层刀具铣削加工300M钢的刀具磨损试验研究

建立了一套便携式的在线刀具磨损图像检测装置及相应的计算程序,利用该装置观察到了涂层硬质合金刀具加工300M高强度钢过程的定性磨损规律,并确定了刀具磨损量的测量方法。     

基于在线学习的数控加工刀具寿命动态预测方法

预测刀具寿命对保证零件质量和控制加工成本意义重大,但刀具磨损过程复杂多变,刀具剩余寿命受工况影响难以准确预测。针对以上问题,提出了一种基于在线学习的刀具寿命动态预测方法,以长短时记忆网络为基础模型,融合在线学习模块,使得模型能够在加工过程中自动更新参数,实现变工况下刀具寿命的精确预测。进行了铣削加工试验,结果表明,刀具寿命动态预测方法可以有效提升刀具寿命预测精度。     

基于声音信号的冷挤压内螺纹加工状态研究

基于声音信号对冷挤压内螺纹加工状态进行研究,为内螺纹冷挤压成形过程在线监测提供依据。试验分析结果表明:冷挤压内螺纹加工状态不同,成形过程中机床声音信号变化较为剧烈;丝锥处于均匀磨损状态时,机床声音信号频率主要分布在300~1000Hz之间,且主频分布稳定;丝锥处于严重磨损状态时,机床声音信号能量及主频分布变化均较为明显。成形过程机床声音信号能量在初始阶段有一个下降过程,并随之趋向平稳;但随着丝锥磨损量的进一步增大,机床声音信号能量呈现逐渐上升趋势;且随着丝锥磨损的加剧,机床声音信号中高频部分能量占总能量的比例将越来越高。     

一种新的基于电流信号的铣削振动识别技术

介绍了一种新的基于电流信号的铣削振动识别模型，可利用机床主轴电流信号的高频成分和低频成分的相对变化识别高频颤振和齿频振动。这种方法算法简单，计算量小，不受切削条件变化的影响，可用于在线检测     

基于离散小波变换的近程信号自动识别

进行信号识别的关键在于利用有限信号数据提取出有效的信号特征,然后根据这些特征作出判决。文中阐述了利用离散小波变换对近程信号进行分解处理,并结合具体应用背景,提取小波分解的细节作为信号识别的特征参量。仿真实验表明,基于小波分解的特征提取过程对噪声有较好的抑制能力,小波变换的应用能够有效提高对近程信号识别的能力。     

镗削声发射信号与镗刀磨损量关系的研究

 对镗削过程中声发射信号与刀具磨损之间的关系进行了实验研究和理论分析,得到了声发射信号的特征量与刀具磨损量之间的关系。本文提出用声发射信号随时间变化的记录长度内最大峰值电压V_(pmax)对时间f的累积均值(?)及累积均方差σ_t为在过程(In-Process)实时辨识镗刀磨损的特征量,以便实现刀具磨损的预报控制。     

复合叠层材料制孔过程刀具声发射特征分析

声发射信号具有高频、高灵敏度与高信噪比等特性,被广泛应用于检测领域。复合叠层材料钻孔加工时,伴随着刀具的磨损,会产生丰富的声发射信号,声发射信号特征与刀具磨损情况之间存在密切的关系。为了研究叠层材料制孔过程声发射信号特征随刀具磨损的变化关系,采用高速钢和硬质合金钻头开展了一系列试验,采集制孔过程中刀具的声发射信号,并分析信号的时频域特征。分析结果表明,声发射信号的均方根值、小波包能量与刀具磨损密切相关。     

动态测量误差的希尔伯特-黄分解

针对傅立叶变换、小波变换等方法在分解动态测量误差时存在的不足,即选用不同的基函数会导致不同的分解结果,提出了基于希尔伯特-黄变换（HHT）的动态测量误差分解方法。该方法不需要选取基函数,可以自适应地分解动态测量误差信号;对一个混联式动态测量系统建立了全系统误差模型,并用该方法对测量系统的总误差信号进行了分解;与傅立叶变换、小波变换的分解结果相比,希尔伯特-黄变换的分解结果更准确,与测量系统的误差理论模型基本一致。     

难加工材料刀具磨损检测技术研究与应用

利用刀具磨损检测技术,拍摄刀具后刀面磨损图像,以磨损图像为基础,分析刀具磨损状况、确定刀具磨损量,然后采用离散刀具磨损过程与有限元仿真相结合的方法实现长时间切削刀具磨损的仿真。对刀具磨损检测仪的原理、构成及检测过程等做了简要介绍,并对其在难加工材料切削参数优化、新刀具选用试切方面进行了初步应用。     

基于萤火虫算法的CFRP材料铣削刀具结构优化

为了提高CFRP零件的加工表面质量和刀具寿命,针对其铣削加工的刀具结构进行了优化。设计了刀具结构参数与CFRP材料铣削加工表面粗糙度、后刀面磨损量之间的正交试验。应用极差分析法分析了刀具结构参数对CFRP材料加工表面粗糙度、后刀面磨损量的影响规律,并应用多元线性回归法建立了刀具结构参数与表面粗糙度、后刀面磨损量之间的数学模型。基于此模型,采用FA萤火虫算法,优化了刀具的结构参数,并进行了实验验证。结果表明:在试验参数范围内,刀具结构参数对于CFRP工件铣削表面粗糙度的影响程度依次为:后角、螺旋角、前角。当刀具的后角、螺旋角和前角增大时,工件的表面粗糙度都呈减小趋势,但减小的快慢程度不同;刀具结构参数对于后刀面磨损影响程度依次为:后角、螺旋角、前角。当刀具后角增大时,后刀面磨损量迅速上升,当螺旋角增大时,后刀面磨损量减小,当刀具的前角增大时,后刀面磨损量先减小后增大。采用FA萤火虫算法优化后的刀具结构对CFRP材料进行铣削实验,实验结果值与建立的模型预测值误差较小,表面粗糙度的误差率为3%,刀具后刀面磨损量的误差率为7.6%。     

改进Hilbert-Huang变换在齿轮故障诊断中的应用

针对Hilbert-Huang变换中齿轮故障信号经验模式分解的第一阶固有模态函数通常为非单一信号分量以及经验模式分解产生虚假低频分量的问题, 提出一种改进Hilbert-Huang变换方法.首先在频谱中确定故障信息频率范围, 并依据该频率范围和二进小波分解的特点确定需提取的相应频带的二进小波系数, 然后采用相关系数筛选法剔除小波系数经验模式分解所产生的虚假分量, 最后通过局部瞬时能量提取故障特征, 实例表明改进的Hilbert-Huang变换可以有效的提取齿轮故障特征.      

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。     

驾驶舱话音记录器背景开关声的小波分析

提出利用小波变换理论对舱音信号进行分析的方法,该方法适合于非平稳信号。针对某一瞬态开关声信号,提出利用一维离散 Daubechies 小波函数 db1小波进行三尺度分解,得到传统辨听中得不到的、更多更准确的声音特征。     

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.