刀具磨损状态的多步向前智能预测

刀具状态的准确监测对于提高切削加工质量和加工效率至关重要。在当前广泛用于刀具磨损状态监测的间接法中,多以单步或短期预测为主,没有实现多步预测,且累积误差较大。高斯过程是间接法中应用较多的一种机器学习方法,然而传统的高斯过程回归由于模型结构和算法的限制,对刀具磨损预测的精度不高。针对上述不足,提出了改进的自回归递归高斯过程模型对刀具磨损进行多步预测。为了减小预测累积误差,在模型训练中应用了改进的模型更新方式、组合核函数,对样本设置了遗忘因子,在预测中加入了偏差校正方法。研究了各个改进因素对模型的影响并综合所有有利因素,实现了较准确的刀具磨损状态多步预测,在3个测试集上预测误差分别降低了85.68%,20.67%和63.32%。

基于熔池运动特征的选区激光熔融过程状态检测方法

选区激光熔融是一种极具发展前景的金属增材制造技术,由于加工过程容易产生各种缺陷,过程监控对于产品质量的控制显得尤为重要。熔池变化特征是最有效的监测手段之一,但是传统的熔池几何特征缺乏与不同熔化状态的准确对应关系。针对该问题,根据熔池特点提出一种新的熔池运动特征用于描述运动熔池的变化规律。首先利用激光扫描位置数据确定熔池的移动方向及质心,然后通过设定3个不同尺度的阈值来捕捉飞溅,并结合连通分量分析方法提取熔池区域和飞溅,进一步消除熔池感兴趣区域中的飞溅。接着将熔池质心到熔池边界轮廓的距离按顺时针方向展开,获得一个36维的矢量特征用于描述运动的熔池。最后,利用k均值聚类算法分别对同一工艺参数和不同工艺参数下获取的熔池进行了聚类分析,并与传统的熔池几何特征进行了对比。实验结果表明,提取的36维熔池运动特征可以较好地区分熔池移动方向及不同的熔化状态,为选区激光熔融过程在线监控提供了一种新的思路。

基于运动学的高速高精密铣削力建模:综合模型与试验

高速高精密铣削加工中铣削力是最重要的过程参量之一,铣削力信息的准确反馈对保证加工过程中的稳定性具有十分重要的意义。然而,影响铣削力大小的因素有很多种,目前缺乏一种考虑多种因素下的综合铣削力模型。因此,着重研究并综合考虑了刀具磨损、刀具跳动、刀具弹性变形对瞬时切削厚度的影响,同时分析了弹性变形对刀具切入与切出角的影响规律,改进了刀具瞬时切削厚度模型。基于运动学分析,将切削刃位置与预加工工件形态相互统一,建立了综合铣削力模型。为验证所提出综合模型的精确性和通用性,进行铣削实验,实验结果表明,铣削力预测值与实验值吻合较好,铣削力误差值小于1%,并通过分析刀具磨损与铣削力之间的相互变化关系,得出进给方向上的铣削力与Z向的铣削力系数对刀具磨损的影响最大。因此,切向力分量以及Z向的铣削力系数的变化特征可以较好的表征刀具磨损状况,从而提高铣削加工精度和效率。