多尺度卷积胶囊网络在刀具破损监测中的应用

刀具状态监测是实现加工过程智能化的关键技术之一,其状态直接影响到工件的表面质量和加工效率。在切削加工过程中刀具的细微崩刃不易察觉但却对工件表面质量影响较大,针对该问题提出了一种基于多尺度卷积胶囊网络的方法实现刀具破损状态监测。首先通过采集振动信号来表征刀具的状态,然后在模型中通过多尺度卷积层初步提取信号特征,随后将特征胶囊化输入胶囊层中进一步挖掘特征中的隐藏信息,最终通过分类层识别刀具在不同切削参数下是否发生细微崩刃。实验结果表明,该方法能够在噪声环境中准确识别不同切削参数下切削刃是否微崩,并且识别精度优于卷积神经网络(Convolutional neural network,CNN)和宽核卷积神经网络(Convolution neural network with wide first-layer kernels,WDCNN)。

基于人工神经网络的刀具状态监测系统

在自动化制造业生产中,刀具状态的监测具有十分重要的意义。在充分考虑对刀具状态密切相关的敏感特征参数的基础上,利用人工神经网络模型实现了刀具状态的监测。试验表明,该系统的错报率为6.3％,可有效地应用到工程实际中。最后,对系统的误差进行分析并提出了改进的方向。

基于小波神经网络的切削刀具状态监测

提出了一种基于小波神经网络的切削刀具状态监测方法 ,即提取反映刀具磨损状态的特征参数 ,利用小波神经网络的非线性模型 ,实现在线状态监测 ;同时针对多输入输出问题带来的网络规模大、收敛速度慢等问题 ,提出了一种网络优化算法 ,即采用改进的遗传算法寻找最优小波基元 ,从而简化小波网络并加快收敛。仿真实例证明该方法是有效的。

基于分形理论和神经网络的刀具磨损监测

提出了一种基于分形理论和神经网络的刀具磨损监测方法,从切削力动态分量中提取分形维数D、从切削力静态分量中提取切削力比R这两个特征量作为监测刀具磨损状态指标,并将这两个特征量及切削速度作为神经网络的输入。试验结果表明,该方法能有效识别刀具的磨损状态。

基于Hough变换的刀具磨损监测加工表面纹理特征提取

采用工件表面纹理图像对刀具的磨损状态进行监测。建立了加工表面微观图像采集系统,运用Canny边缘检测算子对原始图像进行预处理,获得了原始图像的边缘图像。根据边缘图像随刀具磨损的变化特征,应用Hough变换对边缘图像中线段的分布特性进行了分析与检测,研究了线段长度和方向随刀具磨损的变化规律。实验结果表明这两个特征参数与刀具磨损状态之间存在密切联系,根据特征参数的变化规律可实现刀具磨损状态的监测。

基于小波神经网络的刀具状态监测

建立了一种小波基函数神经网络的切削刀具磨损状态监测系统。通过提取反映刀具磨损状态的特征参数:声发射,主功率,进给电流为输入信号,利用Morlet解析小波神经网络的非线性模型,获得表示刀具磨损状态的特征量,来实现刀具磨损状态在线智能监测。它可以有效地提高系统识别的精确度和可靠性。

利用外装式扭矩传感器在线检测钻削刀具的磨损与破损

分析了钻削刀具磨损与破损对扭矩信号的影响;介绍了一种新研制的外装式扭矩传感器;通过实验证明了用扭矩信号存线检测钻削刀具磨损与破损的可行性。

远程在线刀具状态实时监控及补偿技术研究

在加工制造过程中,刀具的好坏直接影响被加工对象的质量、加工成本和生产效率等,因此刀具状态检测成为了工况监测中一个极为关键的技术环节。本文提出了新的在线远程刀具状态监控思想,可以共享一个专家系统,既节约了资源,又大大提高了监控的可靠性,因而有较大的实际生产意义。

基于声发射RMS峰值的铣刀破损检测技术

在精密加工中,刀具的破损状态是影响加工质量的关键性因素之一,本文针对加工过程中出现的刀具破损问题,提出了一种均方根值(RMS)的峰值比较检测方法,用于检测铣刀的破损状态,通过采集声发射(AE)信号的均方根值(RMS)作为特征参数,提取加工过程中的信号峰值,比较相邻峰值的变化程度,计算出刀具的完整率(IR值),判断铣刀的破损状态。通过在铣床上进行实验,验证了此方法的准确性与可行性。

井径伽马磁定位组合测井仪的研制

多臂井径成像测井仪是用来评价套损、检测射孔质量和套管状况的工程测井仪器,它采用磁记号校深,存在误差,影响测井质量。设计的井径伽马磁定位组合测井仪,采用伽马磁定位信号校深。文章介绍了组合测井仪的结构和工作原理、几种设计方案的比较、组合仪实现的技术关键及室内试验。

异型螺杆铣削刀具监控仪的研究

针对异形螺杆铣削加工特点,阐述了异型螺杆铣削刀具磨损/破损监控原理,采用振动信号和功率信号特征值作为检测刀具磨损的参量,利用自适应神经———模糊推理系统(ANFIS)算法和哈默斯坦非线性系统的辨识,建立刀具状态监控模型,并基于模型进行了监控仪的设计,并对监控系统的设计做了详细的论述。经试验验证,该系统满足了对刀具监控的要求。

信息融合的刀具磨损状态智能识别系统设计与研究

介绍了一种以PC机为后台,以80C196KC单片机为前台的刀具磨损状态识别系统。阐述了系统中多路信号采集装置硬软件工作原理与设计中的关键技术,以及具有智能识别功能的上位数据处理计算机的软件工作流程。

以机器视觉为基础的刀具磨耗侦测系统研究

刀具的几何轮廓与工件加工精度有着密不可分的关系,若刀具因磨耗产生形状误差,会影响产品精度或造成产品品质不良,故需对其进行精确监控,以确保产品品质与精度。本文提出以机器视觉为基础的非接触式刀具磨耗侦测系统,针对常用的车床刀具加以探讨,运用数位影像处理方法,以视觉辅助系统测量刀具磨耗,解决了传统人工检测的安全性不足,避免了因刀具磨耗产生的形状误差而影响产品的精度与品质。

一种新的监控刀具破损报警系统的研究

刀具的工作状况是影响机床正常运行的重要因素,对刀具的失效进行监测已成为迫切需要解决的重要课题.本文介绍了一种利用切削功率的微分量对刀具破损进行报警控制的方法.系统采用TP801-B单板机作为控制主体,具有广泛的实用价值.

变工况刀具破损监测的半监督增量学习方法

针对零件加工过程刀具破损监测存在的破损样本数量极少、样本分布随工况变化的问题,提出一种半监督的增量学习方法。首先,采集部分刀具正常状态的样本,通过自编码器学习正常样本的低维共性特征,并根据样本在特征空间的分布建立刀具破损监测模型,在无破损样本的条件下开始破损监测。在破损监测过程中,采用自编码器的重建误差检测样本分布是否变化,在样本分布变化或模型识别错误时,采用最新获取的样本对模型进行增量训练,使模型保持良好的识别能力。利用发电机转子铣削过程刀片破损数据进行验证,与标准的自编码器方法、一分类支持向量机方法和局部离群因子方法进行对比分析,结果表明,所提方法显著提高了对不同工况获取的样本的识别效果。

带磨损补偿功能的刀具状态在线检测技术研究

利用多个传感器在线采集刀具状态数据,建立了刀具状态在线检测系统。该系统具有刀具磨损补偿的功能。

归一化变尺度随机共振的刀具状态监测

针对传统时频域检测方法不能有效检测出刀具急剧磨损初期微弱特征信息的问题,提出一种归一化变尺度随机共振监测刀具状态的新方法。该方法通过换元将经典双稳态随机共振系统模型变化为归一化形式,变化之后的随机共振(Stochastic resonance,SR)方法把混合信号进行放大,使得SR方法适用于大参数系统,通过仿真验证了该方法的可行性。并使用该方法对刀具进行实时监测,成功检测出了以主轴基频和立铣刀转频为特征的刀具磨损信息,表明了归一化变尺度随机共振在刀具状态监测中的实用性和有效性。

结合深度学习的工业大数据应用研究

如何将大数据等核心技术与智能制造结合,进一步提高产能与质量,并且降低成本,是新一代制造业革新的关键任务。通过一个具体应用案例,即针对工业中常见的机床刀具消耗冗余的问题,提出了基于大数据和人工智能的方法,以准确预测机床刀具的崩刃,从而增加了机床的生产效率,降低了生产成本。相对于以往使用数据统计和传统机器学习进行刀具磨损预测的方法,新方法通过高速电流采集器获取主轴电流值,结合了卷积神经网络的强拟合性和异常检测算法的强泛化能力,对大数据量的电流值进行预测分析,实现了更快的网络收敛及更高的预测准确率和顽健性。

COMAU加工中心加装MIDDEX机械式刀具破损检测装置

本文简要介绍了COMAU加工中心标配的Watt Pilote刀具监测系统和加装的MIDDEX机械式刀具破损检测装置的工作原理及其应用。