基于深度学习的数控加工刀具寿命动态评估方法

发布时间：2021-03-17 20:57

　　数控加工过程中刀具状态异常会导致零件质量不合格甚至报废,而不合理的换刀会造成成本浪费。预测刀具寿命可以有效避免因刀具状态异常导致的零件质量问题,提高刀具的使用率。但刀具磨损过程复杂多变,刀具剩余寿命受工况影响难以准确预测。针对以上问题,本文对数控加工刀具寿命预测问题进行了深入研究。论文主要工作如下:（1）针对刀具监测数据维度高难以有效处理的问题,研究了基于时频域分析和受限玻尔兹曼机的刀具磨损信号特征提取方法,充分挖掘了监测数据中刀具磨损相关信息,并采用敏感特征筛选和特征矩阵降维的方法降低刀具磨损相关信号特征的维度,实现了信号特征的有效提取。（2）针对刀具实际磨损量难以快速准确获取的问题,提出了一种基于机器视觉的刀具磨损量在线自动测量方法,在自动获取刀具磨损图像的基础上,通过刀具特征线准确定位磨损关键区域,利用滑窗遍历法重建刀具原始边界,完成刀具磨损区域提取后自动计算刀具磨损量,提高了铣刀磨损量直接测量的精度与效率。（3）针对数控加工中刀具剩余寿命难以准确预测的问题,提出了一种基于在线学习的刀具寿命动态预测方法,该方法以改进的长短时记忆深度学习网络模型为基础,建立了刀具寿命预测模型,以刀... 

【文章来源】：南京航空航天大学江苏省 211工程院校

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

章节结构图

图 2. 1 信号缺失值处理前后对比异常值处理测信号中的异常值多指局部区域出现的极大极小值，异常值处理首先需要准确定常值修正。审查异常值方法主要有以下几种：（1）极值范围分析法；（2）标准差分态窗口法。如图 2.2a 所示，力信号在 92.5s 附近出现了数值突增的数据，该值远的极值范围，所以判断此处的力信号可能属于异常值。令这一段 信号为 )，计算均值 和标准差 后可以得到偏离系数 f： ( ) ( )算结果为，该段信号数据的均值为 334.6010，标准差为 202.6342，突增值为 77数为 2.1725，所以该点属于异常值，通过局部差值修正后如图 2. 2b 所示。

图 2. 1 信号缺失值处理前后对比常值处理测信号中的异常值多指局部区域出现的极大极小值，异常值处理首先需要准确定常值修正。审查异常值方法主要有以下几种：（1）极值范围分析法；（2）标准差分态窗口法。如图 2.2a 所示，力信号在 92.5s 附近出现了数值突增的数据，该值的极值范围，所以判断此处的力信号可能属于异常值。令这一段 信号为 )，计算均值 和标准差 后可以得到偏离系数 f： ( ) ( )算结果为，该段信号数据的均值为 334.6010，标准差为 202.6342，突增值为 77数为 2.1725，所以该点属于异常值，通过局部差值修正后如图 2. 2b 所示。

【参考文献】：
期刊论文
[1]人工智能助力制造业优化升级[J]. 钱锋,桂卫华.  中国科学基金. 2018(03)
[2]基于支持向量回归机的刀具寿命预测[J]. 侍红岩,吴晓强,张春友.  工具技术. 2015(11)
[3]基于特征的飞机结构件加工状态监测方法[J]. 黎明,李迎光,刘长青,刘浩.  航空制造技术. 2015(05)
[4]工业4.0和智能制造[J]. 张曙.  机械设计与制造工程. 2014(08)
[5]基于环分析的飞机结构件槽特征腹板精加工区域自动创建方法[J]. 张石磊,李迎光,刘长青,刘旭.  中国机械工程. 2013(13)
[6]数控机床刀具磨损监测方法研究[J]. 马旭,陈捷.  机械. 2009(06)
[7]大型航空结构件数控加工装备与先进加工技术[J]. 韩雄,汤立民.  航空制造技术. 2009(01)
[8]积算加工时间实现数控机床刀具寿命管理[J]. 詹华西,彭超雄.  制造技术与机床. 2008(08)
[9]数控车床刀具监测方法的研究[J]. 刘彬,任玉艳,冯冀宁.  机械研究与应用. 2003(02)



本文编号：3087706