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。