摘要: 刀具作为金属切削过程的直接执行者，在工件的切削加工过程中不可避免地存在着刀具磨损现象。刀具状态的变化直接导致产品质量下降和生产成本增加，进而影响产品的市场竞争力。所以刀具状态的实时监控对提高产品质量，减低生产成本，提高生产效率具有... 展开 刀具作为金属切削过程的直接执行者，在工件的切削加工过程中不可避免地存在着刀具磨损现象。刀具状态的变化直接导致产品质量下降和生产成本增加，进而影响产品的市场竞争力。所以刀具状态的实时监控对提高产品质量，减低生产成本，提高生产效率具有重要的意义。针对这一问题，本文开展了以下研究工作： 本文首先建立的声发射信号和振动信号的采集系统，并通过试验获取了刀具在不同磨损状态下的信号。对信号进行时域，频域和小波分析后，利用相关系数法，选取与刀具磨损量相关的特征量。然后本文分析了BP神经网络应用于刀具磨损监测的特点，首次采用了三次样条权函数神经网络对特征建模，提高了系统识别速度，系统具备一定的增殖能力，适合在线监测。最后针对监测系统可靠性差的难题，提出利用集成神经网络建立刀具磨损与信号特征之间的影射关系。 本文在实验设计、信号采集、信号分析、特征提取和模式识别方面做了积极的探索。提高了刀具在线检测系统的精度和稳定性。 收起