李聪波，万 腾，陈行政，雷焱绯

(重庆大学 机械传动国家重点实验室，重庆 400044)

0 引言

数控车削批量加工过程中，过度的刀具磨损会影响工件的表面质量和加工精度，而且随着车刀磨损量的增加，机床将会消耗更多的能量[1]。工业统计表明，刀具失效是引起机床故障的首要因素，由此引起的停机时间占数控机床总停机时间的1/5～1/3[2]。因此，针对数控车削批量加工过程进行刀具磨损在线监测，是智能制造背景下迫切需要解决的问题。

根据测量方法的不同，刀具磨损监测方法可分为直接测量法与间接测量法[3]。直接测量法指通过测量与刀具体积、形状等相关的参量来判断刀具的磨损状态。封海蕊[4]直接提取后刀面磨损图像的视觉特征，通过建立图像特征与刀具磨损之间的关系实现刀具状态监测;Castejón等[5]使用坐标描述符对计算机视觉系统获取的刀具磨损图像进行分割处理，并根据刀具磨损变化率对刀具磨损状态进行分类预测;Xu等[6]基于灰色关联法提取工件表面的纹理特征，通过BP神经网络对刀具磨损状态进行识别和诊断。

虽然采用直接测量法监测刀具磨损状态，其监测精度较高，但是多数方法不能保证在线监测，因此监测效率较低。鉴于此，一些学者提出间接测量法监测刀具磨损。间接测量法指测量切削加工过程中与刀具磨损有内在联系的某些信号，通过建立这些信号与刀具磨损量之间的关系来确定刀具的磨损状况。胡江林等[7]提取声发射(Acoustic Emission, AE)信号的累积振铃数作为监测刀具磨损的特征量，并通过实验验证了该方法的有效性；……