On-Line Monitoring of Cutting Tool Fracture & Wear

A technique of detecting cutting tool fracture and ultimate wear by si- multaneously monitoring both the spindle motor current and cutting process related acoustic emission(AE)in the cutting process is reported.The technique can detect breakage of drills having diameter over 0.8mm,turning cutter crack of area over 0.2mm,and the ultimate wear.The principle,system construction,experimental method and result of the technique are discussed.The ratio of success in detection approaches 96% or higher.

Multi-Sensor Intelligent System for On-Line and Real-Time Moneitoring Tool Cutting State in FMS

The principle and the constitution of an intelligent system for on-line and real-time montitoring tool cutting state were discussed and a synthetic sensors schedule combined a new type fluid acoustic emission sensor (AE) with motor current sensor was presented. The parallel communication between control system of machine tools, the monitoring intelligent system,and several decision-making systems for identifying tool cutting state was established It can auto - matically select the sensor way ,monitoring mode and identifying method in machining process- ing so as to build a successful and effective intelligent system for on -line and real-time moni- toring cutting tool states in FMS.

基于随机森林法的铣刀磨损状态监测

针对机床加工过程中铣削刀具状态监测困难,以及单传感器监测法存在信息不全的问题,提出了一种利用随机森林完成多传感器信息融合的刀具磨损状态监测研究方法。在不同的切削参数下,以声发射传感器和振动传感器为信号采集元件,多方位采集信号,并对信号进行时域、频域、小波包分析,提取其对刀具状态敏感的共计23个特征量,构建随机森林模型对铣刀状态进行监测。实验结果表明,该研究方法识别刀具准确率达90.0%,具有可行性。

加工过程刀具破损的声发射传感监测新技术

主要介绍一种适合加工过程刀具破损的声发射传感监测新技术，论述了新型传感器的结构、工作原理及信号处理方法。同时还介绍了适合自动化加工过程的新型刀具破损实时监控系统及其应用效果。

基于MF-DFA特征和LS-SVM算法的刀具磨损状态识别

鉴于多重分形理论在精细刻画系统非线性现象和过程方面具有的独特优势,该文提出了基于多重分形去趋势波动分析和最小二乘支持向量机的刀具磨损状态识别方法。首先,用MF-DFA(multifractal detrended fluctuations analysis)方法处理去噪后的刀具磨损声发射信号,讨论其长程相关性和分形特性;然后,分析对比了不同磨损阶段下多重分形谱参数的变化,筛选出能灵敏表征刀具磨损状态的多重分形谱参数:分形维数最大值点对应的奇异指数α_0,多重分形谱谱宽△α和广义Hurst指数波动均值△h(q)作为特征量;最后,利用LS-SVM(least square support vector machine)算法并对比支持向量机和神经网络算法实现刀具磨损状态识别,结果表明LS-SVM算法识别率最高,平均识别准确率达97.78%,验证了本文所提方法的有效性。试验结果表明,提取的特征对刀具磨损状态的变化非常敏感,可以分离相近的磨损状态,为刀具状态监测提供一种参考方法。

刀具磨损在线监测研究现状与发展

金属加工过程中,切削刀具的状态对于生产效率和表面加工质量有重要影响,因此刀具磨损在线监测具有重要意义。介绍了最近几年常用的刀具磨损在线监测方法,包括切削力、振动、声发射、温度、电流与功率信号,分析了每种信号的监测方法及其特点,并与实验结果进行了对比。提出了多传感器融合技术能有效避免单独使用一种检测手段的弊端。

多传感器刀具状态监控系统

介绍一个多传感器、多特征量的刀具状态监控系统。以声发射、功率监控和改进的神经网络技术,借助刀具监控软件,识别刀具切削工作的正常和失效状态。软件有信号采集、特征提取、网络训练回忆以及监控等功能,可实现离线和在线监控。并以离线控制试验为实例,考核该系统识别刀具状态的可靠性。

刀具磨损状态在线监测技术

通过对切削加工过程中声发射 (AE)信号频域特征的研究 ,指出了 AE信号中与刀具磨损状态有关的成分在频域内的分布规律 ,在此基础上分析了 AE信号的均方根值 AERMS和振铃计数与刀具后面磨损量 VB之间的对应关系 ,建立了一种基于 AE信号能量的双阈值判断监测方法。

在线金属切削刀具磨损状态监测研究的回顾与展望Ⅰ:监测信号的选择

切削刀具的状态直接影响工件的质量及加工成本,因此刀具的状态监测越来越受到人们的重视,为了达到这一目的,监测信号的选择是至关重要的。对近年来在学术期刊上公开发表的关于刀具磨损在线监测研究文献中所采用的监测信号作了简要的回顾,仅限于间接监测方法,例如监测切削力、振动、声发射、主轴电流等信号。分析这些信号各自的优缺点,并得出结论:多传感器融合的监测方法以其信息覆盖范围广,抗干扰能力强、冗余性好,能较完善、精确地反映切削过程等优点,将成为未来刀具状态监测技术的发展方向。

基于声发射信号的振动钻削刀具磨损状态监测试验研究

针对钻削加工时难以直接观察刀具磨损状态的问题,基于声发射采集系统设计了超声轴向振动钻削刀具磨损状态监测装置,并在7075铝板上进行超声振动钻削试验。分析刀具磨损状态对声发射信号RMS值的影响,并通过小波分解技术对比分析刀具在不同磨损状态下的声发射信号变化规律;根据声发射信号对刀具磨损状态进行实时监测。试验结果表明:声发射信号的RMS值与刀具的磨损程度呈正相关;通过小波分解可知,随着刀具磨损的增加,信号的能量逐渐由低频段向高频段转移,可以通过监测声发射信号RMS值与能量的变化实现刀具磨损状态的有效识别。

一种新型谐振式非接触流体声发射传感器的研制

研制高灵敏度、安装使用方便、抗干扰能力强的传感器是刀具磨破损监测研究需要解决的关键技术 .本文根据刀具磨、破损监测的特点 ,研制了既可用于刀具磨损状态监测 ,也可用于刀具破损监测的谐振式高灵敏度流体声发射传感器 .对研制的流体声发射传感器性能进行了实验研究 ,结果表明传感器对刀具磨损产生的声发射信号具有较高的灵敏度 .

自动化加工中刀具破损实时监控方法的研究

详细叙述了在自动化加工中用霍尔电流传感器和流体传递信号的新型声发射（ＡＥ）传感器，联合监测主轴电机电流和加工中的ＡＥ信号，综合判断刀具破损的原理、监控方案和实验结果．该系统可自动识别直径为０．６ｍｍ以上的钻头破损，面积大于０．２ｍｍ２的镗刀、铣刀破损，准确率达９８％以上．

基于小波多分辨率分析和RBF神经网络的刀具磨损状态识别

刀具磨损监测对于提高加工过程的精度和自动化程度具有重要意义。本文提出一种基于RBF函数神经网络的刀具磨损状态监测模式。该系统利用声发射传感器对切削过程进行监测,采用多分辨率小波分解技术从声发射信号中提取反映刀具磨损的特征向量,并输入RBF神经网络,实现了刀具磨损的自动识别。

一种新型高灵敏度双叠片式流体声发射传感器的研制

研制高灵敏度、安装使用方便、抗干扰能力强的传感器是实现刀具磨损在线监测的关键。参考空气声学中常用的压差式微音器的典型结构,考虑自动化加工中使用的要求,研制成功可用于刀具磨损状态监测的非接触高灵敏度双叠片式流体声发射传感器。对研制的流体声发射传感器性能进行了实验分析,结果表明传感器对刀具磨损产生的声发射信号具有较高的灵敏度。

加工过程刀具破损监测的声发射传感新技术

主要介绍一种适合加工过程刀具破损监测的声发射传感新技术，论述了新型传感器的结构、工作原理及信号处理方法。同时还介绍了适合自动化加工过程的新型刀具破损实时监控系统及其应用效果。

高速铣削加工动静态监测技术的研究

从机床结构来说,电主轴和加工刀具是影响立式车铣复合加工中心精度的最直接因素。针对电主轴,开展基于电流法的车铣复合加工中心电主轴工作精度监测系统的研究;针对切削加工刀具,综合采用电机电流信号和声发射信号对刀具状态进行监测。

基于声发射技术的超精密切削状态监测试验研究

针对超精密加工过程中的切削状态监测问题,利用声发射技术进行了接触检测和识别的试验研究。首先,将谐振频率为1 MHz的锆钛酸铅压电陶瓷传感器安装在靠近切削点的位置,并且为了降低背景噪声,利用声发射分析单元放大和100 kHz高通滤波器对信号进行了处理;然后,对切削刃与工件的接触极限进行了研究,实现了对切削刃位置的准确检测;最后,对切削状态变化引起的声发射信号变化进行了监测,对其切削状态进行了识别。研究结果表明:(1)当切削速度为60 m/min时,在切削深度为10 nm的情况下可以检测到切削刃与工件的接触;(2)声发射信号波形可以识别表面加工过程中发生的微小变化,且声发射平均值与切削速度呈高度正相关,声发射总能量与接触弧长成正比;这些结果证实了声发射技术用于切削状态监测的可行性。

线性判别函数对刀具监视中声发射信号的分析

在全自动化制造系统中，为了保证系统运行的稳定性、可靠性，必须对刀具磨损进行在线监视。声发射是近年来刀具监视研究中发展的最重要的技术之一。本文用时间序列的分析方法对刀具切削中的声发射信号建立自回归模型，用线性判别函数进行类别分析实现对工具的监视实验证明，所用方法是可行的。