点击次数：

论文类型：期刊论文

发表时间：2019-04-02

发表刊物：机械工程学报

收录刊物：EI、PKU

卷号：55

期号：14

页面范围：1-10

ISSN号：0577-6686

关键字：主轴电流 铣刀磨损 压缩感知 堆栈稀疏自编码器

摘要：数控机床在加工过程中,刀具磨损会对被加工零件的表面质量、尺寸精度产生巨大影响,而传统依靠切削力系数来分析刀具磨损的方法,需要在工作台上安装额外测力装置,这将干扰机床正常加工,限制被加工零件尺寸,引起加工质量降低等问题,限制了其在实际工业环境中的应用.针对上述问题,提出利用主轴电流结合深度学习网络识别铣刀磨损状态的监测方法.首先,理论论证利用主轴电流代替切削力识别刀具磨损的可行性;然后,利用压缩感知对电流信号的频域数据进行数据压缩,其中为提高网络的鲁棒性,对观测信号添加高斯白噪音;最后,将压缩后的数据输入堆栈稀疏自编码网络,利用有监督学习与无监督学习相结合的方法,提取刀具磨损所引起的特征信息,用于表征刀具磨损程度.试验结果表明,该方法可以有效对铣刀磨损程度进行识别.