基于cGAN的刀具磨损状态监测数据集增强方法

在刀具磨损过程中,通常采集的正常磨损阶段的样本数据比初始磨损阶段和急剧磨损阶段的样本数据量多,这导致刀具磨损状态数据集不平衡,从而使深度学习网络模型对刀具磨损状态预测准确性降低。针对问题,文章提出一种基于cGAN的刀具磨损状态监测数据集增强方法。在cGAN中添加了类别条件信息,有利于生成器更好的捕捉刀具磨损样本的数据分布特点,从而生成和真实刀具磨损样本分布相似的样本。采集铣削加工过程中的振动信号,将振动信号转换成频谱数据输入到c GAN中,cGAN通过生成器和鉴别器之间的对抗训练,学习数据分布特点,生成刀具磨损状态样本数据。将增强的数据集输入到深度学习网络模型中进行分类,测试生成数据的可用性。实验结果显示,由增强的刀具磨损状态数据集训练深度学习网络模型,可以有效提高模型对刀具磨损状态监测的准确性,其预测精度达到98.1%。     

钛合金高速铣削刀具磨损机理和预测方法研究

钛合金的加工非常困难,刀具磨损严重。为了尽可能减小刀具磨损,在高速铣削状态下能预测刀具的耐用度,本文研究了在高速铣削钛合金时刀具磨损的机理,并提出了一种基于切削试验的刀具磨损预测方法,建立了粗、精加工两种状态下刀具磨损预测数学模型,研究了顺逆铣方式、刀尖圆弧半径对刀具磨损的影响。     

高速铣削钛合金刀具磨损对表面粗糙度影响的研究

采用对比实验法,使用S30T硬质合金刀具对钛合金进行高速干式铣削,研究了在正常磨损阶段,主要铣削参数改变时刀具磨损对表面粗糙度的影响。结果表明:高速铣削钛合金时可得到较小的表面粗糙度值;铣削速度增加时,随刀具磨损的增大表面粗糙度值呈减小的趋势;铣削深度增大时,随刀具磨损的增大表面粗糙度值呈增大的趋势;每齿进给量增大时,随刀具磨损的增大表面粗糙度值呈先增大后趋向平稳的趋势。     

CVD涂层刀具高速铣削天然大理石磨损特性研究

通过设计正交试验方案,在不同的切削参数下进行CVD涂层刀具高速铣削天然大理石磨损试验。采用网格法估算刀具磨损面积,并分析单一切削参数变化对刀具磨损面积的影响规律;用显微镜观测刀具磨损表面,并对CVD涂层刀具高速铣削天然大理石磨损特性分析。实验结果表明:CVD涂层刀具高速铣削天然大理石过程中,刀具的磨损面积随着切削速度的增加而减小,随着进给速度和切削深度的增加而增加;刀具的主要磨损形态有:机械犁沟与崩刃、涂层与基体剥离、积屑瘤。     

PCD刀具高速铣削GH4169合金的刀具磨损规律研究

为研究PCD刀具高速铣削GH4169合金时刀具的磨损规律,采用单因素试验法分别对不同铣削参数下后刀面磨损程度随切削路程的变化进行对比。结果显示主轴转速对高速铣削GH4169合金时刀具磨损的影响不大,采用顺铣、切削液冷却的方式,并适当降低每齿进给量有助于减小刀具磨损。使用BP神经网络对试验数据进行训练,建立了刀具磨损预测的模型,预测结果与实际结果误差在5%以内。     

钛合金TC17的高速铣削研究

在干切环境下选用了硬质合金刀具对近β相钛合金TC17进行高速铣削研究。着重讨论高速铣削过程中的铣削力、刀具磨损和刀具耐用度;研究分析各铣削参数对铣削力、刀具磨损和刀具耐用度的影响规律。     

基于切削参数与刀具磨损的铣削振动影响因素研究

为了研究切削加工过程中工艺因素对切削振动的影响,采用正交试验进行不同工艺条件下的铣削试验,采集振动信号并提取信号均方根值,通过方差分析等方法研究铣削参数和刀具磨损对铣削振动的影响规律,结果表明:增大铣削速度和进给量在一定程度上可降低铣削振动,铣削深度和刀具磨损增大会使铣削振动加强;试验因素对铣削振动的影响依次为刀具磨损铣削深度切削速度进给量,其中,刀具磨损与切削深度对铣削振动影响显著。     

铣削条件对高速铣削淬硬钢TiAlN涂层刀具磨损的影响

针对硬度分别为50 HRC和60 HRC的Cr12MoV淬硬钢材料,采用TiAlN涂层刀具进行了高速铣削试验,重点研究了铣削方式、刀具螺旋角以及润滑方式等铣削条件对刀具磨损的影响.结果表明:高速铣削淬硬钢时,导致刀具失效的典型形式是后刀面磨损;铣削方式、刀具螺旋角以及润滑方式对刀具磨损的影响是不同的;材料硬度50 HRC时,刀具螺旋角是刀具磨损的主要影响因素;材料硬度60 HRC时,润滑方式是刀具磨损的主要影响因素.     

高速铣削航空铝合金7050-T7451时刀具的磨损破损

分析涂层硬质合金刀具高速铣削航空铝合金7050-T7451时的磨损、破损形态,通过正交试验研究了高速铣削航空铝合金的铣削力及其变化规律,提出模拟高速铣削刀具裂纹萌生的脉冲激光热冲击试验方法,研究铣削力和热应力在刀具磨损、破损过程中的不同作用.试验和理论分析证明:高速铣削航空铝合金7050-T7451时,热应力使刀具萌生裂纹,裂纹在热应力和机械应力综合作用下扩展.研究刀具失效机理,证明:高速铣削航空铝合金时,粘结磨损和扩散磨损是主要磨损机理.提出通过提高切削系统稳定性和优化切削参数,可以有效降低机械应力对刀具的冲击作用,并在生产现场收到良好的效果.     

淬硬钢高速铣削试验研究

针对淬硬钢选择了Cr12MoV进行了高速铣削研究,重点研究了铣削力、刀具对铣削过程的影响。结果表明：铣削方式、刀具螺旋角以及润滑方式对铣削力、刀具磨损的影响是不同的;随铣削速度的增加铣削力呈明显上升趋势。高速铣削刀具后刀面磨损,伴随加工的整个过程。淬硬钢高速铣削加工既可以保证加工表面的质量,又可以获得较高的生产效率。     

特征工程和深度前馈网络结合的刀具磨损预测

针对传统刀具磨损预测中存在的自适应性不强和预测精确度低的问题,提出了特征工程和Dropout深度前馈网络相结合的刀具磨损预测方法。首先从刀具状态监测框架下的多传感器信号中提取全面的特征,与刀具的元信息进行信息融合,然后通过假设检验和Benjamini-Yakutieli过程选择与目标磨损相关性强的特征,最后构建Dropout深度前馈网络学习选择的特征与目标磨损之间的映射关系。实验结果表明,提出的这种预测方法的训练过程稳定性高,而且能更精确地预测刀具的磨损。     

高速铣削69111不锈钢的硬质合金刀具磨损机理研究

使用硬质合金刀具进行69111不锈钢的高速干铣削试验.通过采用电子扫描显微镜(SEM)观察刀具的磨损形貌和能谱分析仪(EDS)分析磨损表面及磨损边缘处的元素分布,对刀具的前、后刀面的主要磨损机理进行了分析.研究结果表明:使用硬质合金刀具高速干铣削69111不锈钢时,刀具的前、后刀面的主要磨损机理均为粘结磨损、氧化磨损和扩散磨损;并且由于铣削过程中,刀具前刀面的铣削温度明显高于后刀面的铣削温度,导致前刀面的磨损程度较后刀面严重.     

高速雕铣硬质红木的微织构刀具的磨损行为研究

针对硬质红木的高速雕铣加工性差、刀具磨损严重及生产效率低的缺点,利用光纤激光对其硬质合金刀具表面设计不同形状和大小的微织构,通过高速雕铣机测试及生产线现场加工试验,并借助光学显微镜、扫描电镜和Kistler测力仪等,分析硬质红木在高速铣削过程中表面微织构铣刀前后刀面的磨损形态、铣削力与刀具磨损的关系。试验结果表明:前后刀面都有磨损且主要类型为磨粒磨损、粘结剂磨损和氧化磨损;铣削力与表面微织构的刀具磨损不是纯粹的正相关关系,刀具最大应力点不断变化,有利于降低磨损;在织构的形状方面,相对于网格织构,同样间隔大小和深度的圆形织构和平行织构的刀具减磨效果更好;圆形凹坑织构比圆形凸起织构的减磨效果好;直径为30μm,间距80μm×80μm的圆形凹坑的减磨效果较好。     

原位自生钛基复合材料最佳铣削温度区间的研究

为实现钛基复合材料的高效、低损伤铣削加工及降低该材料的铣削加工成本,对其最佳铣削温度区间进行研究。采用聚晶金刚石(PCD)刀具,研究切削温度对铣削该复合材料时的刀具寿命、刀具磨损和加工表面质量的影响规律。试验结果表明:PCD刀具的最佳铣削温度区间为500℃-600℃,考虑切削过程中刀具磨损对切削温度的影响,PCD刀具铣削钛基复合材料时的最佳初始切削温度区间为420℃-480℃;PCD刀具在最佳铣削温度区间切削时,刀具崩刃和磨粒磨损显著减轻,且适当提高切削速度并减小进给量可进一步延长刀具寿命;在高于最佳铣削温度下切削时,刀具扩散磨损剧烈,且加工表面变质层深度显著增大。研究得出以下结论:PCD刀具高速铣削钛基复合材料时存在最佳铣削温度区间和最佳初始切削温度区间,在最佳铣削温度下切削有利于增强相被刀具原位压入基体或随基体一起协同变形发生转动,从而明显减少加工表面的划痕、微坑洞、撕裂等缺陷。     

采用深度学习的铣刀磨损状态预测模型

为提高刀具磨损监测的预测精度与泛化性能，研究了基于深度学习的铣刀磨损状态预测，提出了基于堆叠稀疏自动编码网络与卷积神经网络的两种预测模型。堆叠稀疏自动编码网络对特征向量进行降维并将其纳入分类器来实现预测，可避免特征选择对先验知识的依赖；卷积神经网络将铣削振动数据转化为小波尺度图并输入模型完成分类，精简了传统建模流程。最后将提出的两种模型与传统神经网络模型进行比较，验证了所提模型的效率与精度。     

铝合金高速铣削刀具温度分布的研究进展

在铝合金高速铣削过程中,刀具磨损现象严重影响刀具寿命和工件表面完整性。刀具温度是影响刀具磨损的主要因素,因此了解刀具温度分布是近年来研究的重点。准确测量高速铣削过程中的刀具温度是关键问题,人工热电偶法可以准确测量指定点的温度,是铣削加工中常用的刀具测温方法。通过查看相关文献,总结了高速铣削中刀具温度的理论方法以及测温方法,研究了无涂层刀具和涂层刀具高速铣削过程中铣削参数对刀具温度分布的影响,阐述了高速铣削过程中刀具温度分布情况,优化了铣削参数。     

硬质合金刀具高速车铣和铣削TC4钛合金磨损试验对比

采用H13A未涂层硬质合金刀具对TC4钛合金进行高速正交车铣和铣削试验,并从刀具磨损破损形态、磨损机理及其寿命等方面进行对比分析。研究表明:高速正交车铣和铣削钛合金时,前、后刀面主要以粘结磨损为主,车铣加工时在切削刃口易形成积屑瘤及连续切屑,但对刀具材料粘结较轻;高速铣削时,对刀具材料粘接较重,在前刀面刃口附近形成凹坑及崩刃;后刀面最大磨损的位置不相同。试验对比了相同切削条件时刀具使用寿命,结果表明采用正交车铣加工可以获得更长的刀具使用寿命。     

基于压缩感知和加噪堆栈稀疏自编码器的铣刀磨损程度识别方法研究

数控机床在加工过程中,刀具磨损会对被加工零件的表面质量、尺寸精度产生巨大影响,而传统依靠切削力系数来分析刀具磨损的方法,需要在工作台上安装额外测力装置,这将干扰机床正常加工,限制被加工零件尺寸,引起加工质量降低等问题,限制了其在实际工业环境中的应用。针对上述问题,提出利用主轴电流结合深度学习网络识别铣刀磨损状态的监测方法。首先,理论论证利用主轴电流代替切削力识别刀具磨损的可行性;然后,利用压缩感知对电流信号的频域数据进行数据压缩,其中为提高网络的鲁棒性,对观测信号添加高斯白噪音;最后,将压缩后的数据输入堆栈稀疏自编码网络,利用有监督学习与无监督学习相结合的方法,提取刀具磨损所引起的特征信息,用于表征刀具磨损程度。试验结果表明,该方法可以有效对铣刀磨损程度进行识别。     

AlCrN涂层刀具对Ti6Al4V的干铣削与磨损性能研究

在JTVC650B立式加工中心上分别使用未涂层刀具和AlCrN涂层刀具对45钢进行单因素干铣削试验,探究两种刀具对铣削弯矩性能的影响;采用AlCrN涂层刀具对Ti6Al4V进行干铣削试验,运用单因素试验法研究铣削方式和铣削要素对铣削弯矩的影响,并利用正交试验法结合方差分析和信噪比分析,研究AlCrN涂层刀具干铣削Ti6Al4V的最优铣削参数组合,并对AlCrN涂层刀具磨损区域进行SEM和EDS分析。研究表明：相对于未涂层刀具,采用AlCrN涂层刀具能够有效降低铣削过程中产生的弯矩;铣削Ti6Al4V时,AlCrN涂层刀具采用顺铣的方法比逆铣更优;铣削弯矩随着主轴转速的增加而逐渐减小趋于平稳,随着进给量和铣削深度的增加而增大,最优铣削参数为A3B1C1;AlCrN涂层刀具磨损区域存在磨料磨损、黏结磨损和扩散磨损。     

多传感器融合下多工况刀具磨损状态预测的深度森林方法研究

准确监测加工过程刀具磨损状态有助于避免因刀具失效导致的产品质量问题。 建立不同工况的刀具磨损监测模型,往 往需要对每组工况调参以保证精度。 为减少调参并保证预测精度,结合深度森林的超参数少、参数对模型不敏感和训练过程自 适应等优点,利用深度森林建立了多传感器信号及多工况下自主特征选择的刀具磨损状态预测模型。 基于 3 组不同工艺参数 下 TC18 铣削过程的多传感器及磨损数据,以及预测与健康管理(PHM)学会 2010 年高速数控机床刀具健康预测竞赛的开放数 据,深度森林在 3 组工况的预测精度分别为 95. 35% 、96. 63% 和 97. 06% ,在 PHM 数据上为 98. 95% ,验证了深度森林对多工况 下刀具磨损预测的高精度和适用性,为在线监测技术提供了有力的指导。