基于切削力的車刀磨損在線監(jiān)測方法與技術(shù)研究.pdf

1、切削加工過程中必然存在著刀具的磨損，刀具的磨損影響已加工表面質(zhì)量和尺寸精度，嚴重時造成工件報廢，過去主要由熟練工人判斷刀具的磨損狀態(tài)，而近年來隨著切削加工過程自動化、無人化的發(fā)展，迫切需要實現(xiàn)刀具磨損狀態(tài)的在線監(jiān)測，以擺脫對熟練工人的依賴。本文主要研究了通過靜、動態(tài)切削力在線監(jiān)測刀具磨損的方法和技術(shù)。
　　首先進行了在不同切削參數(shù)下切削50鋼的車刀磨損試驗，重點測量了刀具在不同磨損狀態(tài)下的靜、動態(tài)切削力，同時也測量了相應的加工表面

2、粗糙度，研究了刀具磨損對切削力、切屑和已加工表面質(zhì)量的影響。
　　其次，為了獲取能反映刀具磨損狀態(tài)的特征信號，對不同磨損狀態(tài)下的切削力進行了時、頻域分析，研究了切削力時域信號的均值、方差、均方根、力的比率、偏度和峭度等隨刀具磨損而變化的規(guī)律；研究了切削力信號在頻域中頻率重心、頻率方差隨刀具磨損的變化規(guī)律；研究了小波多分辨分析提取頻段能量及頻段能量占總能量的比率隨刀具磨損的變化的規(guī)律；研究了基于AR模型提取殘差方差和模型系數(shù)隨刀具磨

3、損的變化規(guī)律；用相關系數(shù)法優(yōu)選出與刀具磨損敏感的特征，共27個（不含切削參數(shù)）。
　　然后，將優(yōu)選出的樣本特征隨機分成兩組，分別用于訓練和測試，訓練樣本經(jīng)過核主元分析（KPCA）處理得到最終的訓練樣本及投影方向向量，用測試樣本構(gòu)造出中心化的核矩陣并向該方向投影得到最終的測試樣本，結(jié)果顯示27維特征向量經(jīng)KPCA處理后變成4維，大大提高了后續(xù)的求解速度。
　　最后，使用KPCA處理過的訓練樣本對核化的ν-SVR模型進行訓練，利