数字孪生驱动的薄壁件铣削刀具磨损状态识别方法 |
| |
引用本文: | 宋清华,彭业振,王润琼,刘战强.数字孪生驱动的薄壁件铣削刀具磨损状态识别方法[J].航空制造技术,2023(3):46-52+60. |
| |
作者姓名: | 宋清华 彭业振 王润琼 刘战强 |
| |
作者单位: | 1. 山东大学;2. 山东大学高效洁净机械制造教育部重点实验室 |
| |
基金项目: | 国家自然科学基金(52275445); |
| |
摘 要: | 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。
|
关 键 词: | 数字孪生 支持向量机 刀具磨损 小波包变换 在线识别 薄壁件 |
|
|