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和破损现象,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。针对这一问题,本文开展了以下研究工作: 1.研究了试验方法对神经网络识别精度的影响,提出了采用全因子组合的试验方法对刀具磨损监测进行研究,获得了网络建模所需的完整数据,为研究成功奠定了坚实的基础。 2.分析了信号特征随不同因素变化的规律,提出了基于标准模块的刀具磨损监测方法和基于动态树理论的刀具磨损监测方法。这两种方法完全消除了加工参数变化对信号特征的影响,提高了监测系统的识别精度,能够构建任意加工条件下的刀具磨损监测系统。 3.在对切削力信号、振动信号及声发射信号进行时域分析、频域分析、时间序列分析和小波分析的基础上,提出了采用变化特征监测多加工条件下刀具磨损的新方法,并采用综合系数方法选择监测特征,实现了特征的自动选择,提高了监测精度,有利于建立自适应的刀具监测系统。 4.分析了BP神经网络应用于刀具磨损监测的特点,提出了采用B样条模糊神经网络对特征建模的新方法,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。 5.针对监测系统可靠性差的难题,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,并提出了改进的模式识别模型,通过同时监测多个时间的刀具状态,消除了信号畸变对系统监测结果带来的影响,监测系统的可靠性得到大幅度提高。 6.在提出监测理论的基础上,创造性地提出了刀具磨损监测的实用化