刀具全寿命周期管理研究

针对传统刀具管理模式中的一些弊端,围绕刀具的投入期、使用期和报废期提出了刀具全寿命周期管理的概念,并提出刀具成本的核算的具体方法,利用基于刀具理想切削过程的时间累计法实现了刀具成本核算中的加工成本的核算。

基于刀具全寿命周期管理的信息编码研究

分析了刀具全寿命周期管理的概念,将刀具全寿命周期管理划分为刀具预备期、使用期、报废期3个阶段。基于刀具全寿命周期管理过程,研究刀具的编码原理、基本构成和实现途径。采用混合分类法并按面向对象思想对刀具资源进行分类,提出柔性编码系统中刀具资源信息编码的实现方法。

数控刀具全寿命周期管理研究

针对传统刀具管理模式中的一些弊端,围绕刀具的投入期、使用期和报废期提出了刀具全寿命周期管理的概念,并提出刀具成本核算的具体方法,利用基于刀具理想切削过程的时间累计法,加工工艺、数控编程及刀具选择的分析及改善,实现了刀具成本核算中的加工成本的核算。

SDU-QIT立铣刀磨损试验数据集

刀具故障预测与健康管理(Prognostic and health management,PHM)是机床制造领域的关键问题。作为数控机床的“牙齿”,刀具的健康状态直接影响着机床加工效率和产品质量。借助大数据与人工智能(AI)技术实现对刀具运行状态的实时精准监测,目前已成为学术界和工业界关注的热点问题。然而,刀具高质量全寿命周期数据的匮乏,严重制约了机械装备PHM技术的理论研究与工程应用。为解决上述问题,开展了面向刀具全寿命周期的数控加工中心立铣刀多工况试验与数据采集工作,并将获取的试验数据集面向全球学者公开发布。该数据集共包含2种工况下的立铣刀全寿命周期振动信号,且明确标注了刀具主后刀面最大VB值、主后刀面1/2ap(背吃刀量)处VB值、主后刀面SVB值,副后刀面最大VB值、副后刀面SVB值等5种标签,可为PHM领域基于AI的刀具故障诊断与预测性维护研究提供数据支撑。