机械工程学报

作者：李宏坤, 郝佰田, 代月帮, 杨蕊

单位：大连理工大学机械工程学院 大连 116024

关键词：堆栈稀疏自编码器,铣刀磨损,压缩感知,主轴电流；

基金：国家自然科学基金资助项目（51575075，U1808214）。

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。

来源：2019年第14期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2019年第14期