王二化，刘 颉

(1.常州信息职业技术学院常州市高端制造装备智能化技术重点实验室，江苏 常州 213164；2.华中科技大学水电与数字化工程学院，武汉 430074)

0 引言

由于微铣刀直径小，主轴转速高且切削过程不连续，导致刀具磨损迅速，进而影响产品尺寸精度和表面质量。因此，亟需提出一种有效的微铣刀在线监测方法。当前的刀具监测方法主要有直接法[1]和间接法[2]两种，其中直接法就是通过高速相机和数字图像处理技术得到刀具真实的磨损状态，精度较高。然而，冷却液和切屑的存在不利于获取高质量的刀具磨损图像，影响微铣刀磨损在线监测系统的精度，而停机检测又会引起加工过程的刀具错位[3]。因此，为解决直接法的以上问题，提出了基于信号处理技术和特征分类算法的间接法。

间接法对采集到的微铣削传感信号进行时域[4]、频域[5]和时频域分析[6]，并提取与刀具磨损相关的一个或多个特征，最后通过合适的机器学习算法对刀具磨损特征进行分类，实现刀具磨损状态的在线监测。和直接法相比，间接法不需要真实的刀具磨损图像，易于实现，且不影响实际的加工过程，但由于切削深度和进给速度较小，微铣削力引起的振动、声音及其它传感信号微弱，加之加工过程噪声较大，难于提取出有效的刀具磨损特征。此外，直接法的一个关键问题是如何得到与刀具磨损特征高度相关的特征，虽然相关系数法已经应用于特征的选择，但选择的特征之间的相关性会造成信息冗余，降低刀具监测系统的识别精度。……