机械工程学报

作者：王润琼, 宋清华, 彭业振, 刘战强

单位：1. 山东大学机械工程学院 济南 250061;2. 山东大学高效洁净机械制造教育部重点实验室 济南 250061;3. 山东大学国家机械工程实验教学示范中心 济南 250061

关键词：高性能制造,刀具磨损监测,特征融合,薄壁件,铣削；

基金：国家自然科学基金(52275445)和山东省重点研发计划(重大科技创新工程)(2020CXGC010204)资助项目。

通过人工智能、工业大数据实时感知切削加工中的刀具状态是实现面向性能的制造的重要技术途径，也是高性能制造的关键内涵。然而，在目前的切削刀具状态监测算法中，特征提取过程多依赖于人工经验，这无疑限制了刀具状态监测技术的在高性能制造中的推广应用。因此，针对高性能加工监测中的自主性和准确性要求，基于特征自适应融合和集成学习技术，提了出一种面向高性能铣削的刀具磨损监测方法。所提出的监测方法能够根据特征的表现自动为其赋予不同的权重从而实现特征的自适应融合，同时利用AdaBoost集成学习算法，在自动融合特征的同时保证了状态监测精度。薄壁件铣削实验表明，监测结果与真实磨损间的RMSE和MAE值最大为10.44，最小可达5.16。所提出的方法能够自主、准确地监测航空类薄壁件铣削加工中的刀具磨损状态，解决了高性能铣削加工刀具磨损监测中的人工经验依赖问题。

来源：2024年第1期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2024年第1期