面向大批量生产的刀具磨损在线识别技术研究

摘要

刀具磨损已经成为影响工件加工精度、表面质量，导致机床发生振动、噪声等的重要原因。多年以来针对刀具磨损状态识别一直在进行相关方面的研究，但都处于研究阶段，应用于实际生产的刀具磨损状态识别方法尚未见相关报道。现有的刀具磨损状态识别方法，难以适用于大批量生产中切削参数波动的情况。本文提出了一种基于电流信号的刀具磨损状态定量识别方法，其主要研究内容如下：
　　 根据大批量生产的特点，以及刀具的磨损规律，本文提出了监测可直接从伺服获取的驱动电流信号，通过刀具磨损规律学习，实现对刀具磨损状态进行识别的方法。并确定试验方案，完成加工中心面铣削刀具磨损状态识别的试验设计，建立了电流信号监测试验系统并完成相关试验；
　　 采用小波分析技术对信号进行时频域分析，获取刀具切削电流信号在多个时频域内的特征量，并通过特征敏感性分析，获取表征刀具磨损状态敏感性高的信号特征量；
　　 通过刀具磨损规律学习，利用BP 神经网络训练获得刀具寿命模型，并由神经网络模式识别技术完成对刀具寿命的定量识别。利用该方法对刀具磨损状态识别，获得的结果表明：在刀具磨损后期，部分识别结果的误差在10％以内，既保证及时更换磨损刀具，又提高了刀具利用率。
　　 建立刀具磨损量与信号特征量之间的关系模型，实时识别刀具的磨损量，并补偿因刀具磨损造成的工件尺寸误差。补偿后的工件尺寸误差减小到仅为补偿前误差的25％，显著提高了刀具切削工件的加工精度。

目录

文摘

英文文摘

声明

1 绪论

2 刀具磨损状态识别试验设计

3 电机电流信号分析与特征提取

4 基于神经网络的刀具寿命定量识别

5 刀具磨损量识别及补偿

6 结论与展望

致 谢

参考文献

附录1（攻读硕士学位期间发表论文及科研成果）