基于多源同步信号与深度学习的刀具磨损在线识别方法
2021-10-29周世超何建樑孙宇昕王禹林
中国机械工程 2021年20期
尹 晨 周世超 何建樑 孙宇昕 王禹林
南京理工大学机械工程学院,南京,210094
0 引言
刀具作为数控机床的直接切削部件,加工过程中会与工件、加工切屑不断发生剧烈摩擦,在持续变热力耦合的作用下会不可避免地产生磨损,直至刀具失效。倘若失效刀具未及时更换,轻则造成工件加工质量下降,重则造成工件报废、机床故障,因此,实现机床加工过程中刀具磨损状态的在线监测及识别,对保证机床加工质量稳定性、提高生产效率具有重要意义。
国内外学者在刀具磨损方面开展了大量的研究工作,依据测量原理来看,刀具磨损的识别方法大体可以分为两类:直接测量法和间接测量法[1]。直接测量法大多通过视觉[2]、光学[3]或图像[4-5]等测量方式直接对刀具的几何尺寸、磨损状态等进行测量,其优点在于能够直接准确地识别刀刃几何形状和表面质量的变化,测量速度快,但其测量过程大都要求停机检测,无法实现刀具磨损状态的在线监测,且测量过程易受到切屑、冷却液影响。不同于直接测量法,间接测量法是利用刀具产生磨损后其加工状态的变化,测量能够反映这种变化的切削力[6-7]、振动[8]、声发射[9-11]、电机功率[12]等信号。随着信号分析处理技术、特征提取与模式识别技术的不断发展,间接测量法逐渐成为识别机床刀具磨损状态主流方法。谢楠等[13]利用机床加工过程中的功率信号,提出了一种融合主成分分析法与C-支持向量机的刀具磨损状态监测模型;……
登录APP查看全文
