基于铣削力的刀具磨损在线监测研究-机械制造及其自动化专业论文.docx

独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已 经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确 方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留 并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授 权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采 用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本论文属于 保密□，在 年解密后适用本授权书。 不保密□。 （请在以上方框内打“√”） 学位论文作者签名： 指导教师签名： 日期： 年 月 日 日期： 年 月 日 华中科技 大学硕士 学 华 中 科 技 大 学 硕 士 学 位 论 文 I I 摘 要 随着社会的快速发展，世界各国在智能制造领域内展开了新一轮的激烈竞争，数 控机床的发展从一定程度上提升了生产效率和加工质量，但我们仍面临着一个难题： 切削系统判断刀具磨损失效后而自动换刀。在传统制造中，换刀主要靠有经验的操作 工人根据切削声音、切屑的颜色、手感和加工表面质量变化等现象或离线观察刀具的 磨损状况来决定是否需要换刀，然而在如今先进智能制造时代，必须通过制造系统自 动实时监测某些切削物理量来判断刀具磨损，从而及时换刀，以保证加工的连续性以 及加工质量，所以解决这世界性难题对提高制造业水平来说意义非凡。本论文在总结 国内外刀具磨损监测先进技术的基础上，对钛合金进行单齿铣削实验，并以切削力信 号为主，工件表面粗糙度信号为辅作为监测信号，监测刀具磨损，其主要内容如下： 1．总结国内外刀具磨损监测现状，分析铣削钛合金刀具磨损特点，确定以铣削 力为主，工件表面粗糙度信号为辅间接监测刀具磨损；设计单齿铣削钛合金（TC4） 实验方案，进行多组不同切削参数实验测量，并最终获得了 6 组具有代表意义的切削 力原始信号。 2．研究三向切削力时域、频域、时频域相关的特征参数，分析总结切削力和工 件表面粗糙度随切削去除率的变化规律；同时分析了各个切削条件下切削力和工件表 面粗糙度随刀具磨损的变化规律；分析时域，频域内相关的各特征量随刀具磨损的变 化规律，分析各频带能量值以及主要频带的标准差值，最后通过特征参数与刀具磨损 的相关性来提取特征信号。 3．利用神经网络技术对刀具后刀面磨损 VB 值与特征信号之间的关系进行建模 和预测，测试结果表明神经网络对刀具磨损的预测精度较高，能达到良好的预测效果； 提出基于马氏距离，设定阈值来判断刀具磨损状态。 关键词：刀具磨损；切削力；表面粗糙度；小波包分解；神经网络；马氏距离 II II ABSTRACT With the rapid development of the society, a fierce competition on intelligent manufacturing has emerged around the world. The development of CNC machines fundamentally changed the manufacturing industry in that they increased manufacturing flexibility while ensuring consistency of manufacturing output, however automatically tool changing is still a tough problem which we are facing. For a long time traditional manufacturing required workers to change almost all the tools and to identify faults pertaining to tool failure depending on worker’s experience including the knowledge of sound, the color of the chips or the feeling of their hands between the normal condition and tool failure condition. Nowadays, automatic tool changing in most machining processes must ta