| 
  中国学术期刊网络出版总库
  关闭
基于功率传感器的刀具磨损量预测方法  
   推荐 CAJ下载 PDF下载
【英文篇名】 Tool Wear Prediction Approach Based on Power Sensor
【下载频次】 ★★★★★
【作者】 谢楠; 段明雷; 高英强; 郑蓓蓉;
【英文作者】 XIE Nan; DUAN Minglei; GAO Yingqiang; ZHENG Beirong; Sino-German College of Applied Sciences; Tongji University; School of Mechanical and Power Engineering; College of Mechanical and Electrical Engineering; Wenzhou University;
【作者单位】 同济大学中德工程学院; 同济大学机械与能源工程学院; 温州大学机电工程学院;
【文献出处】 同济大学学报(自然科学版) , Journal of Tongji University(Natural Science), 编辑部邮箱 2017年 03期  
期刊荣誉：中文核心期刊要目总览  ASPT来源刊  中国期刊方阵  CJFD收录刊
【中文关键词】 刀具磨损; 预测; 特征后处理; 稀疏贝叶斯学习; 非支配排序遗传算法;
【英文关键词】 tool wear; prediction; feature re-processing; Sparse Bayesian Learning; Non-dominated Sorting Genetic Algorithm Ⅱ(NSGA-Ⅱ);
【摘要】 使用功率传感器监测机床加工功率,和切削力、声发射等传感器相比,功率传感器具有实用性强、对加工过程无影响等优点.针对采集到的功率信号,在分析信号特征相关性的基础上,提出了一个多目标优化RP-SBL的刀具磨损量预测方法.对信号特征进行后处理(Re-processing,RP)消除电网波动和切削中其他偶然因素的影响,进一步提高特征对刀具磨损敏感性.基于处理后的特征,运用稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)方法建立刀具磨损量预测模型.此外,使用非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA-II)对SBL模型相关参数进行优化以提高预测精度.实验研究表明,该方法能够实现刀具磨损量的准确预测.不同预测方法的对比表明,通过特征后处理提高信号特征对刀具磨损的敏感性,保证了刀具磨损量的准确预测,对SBL模型参数进行优化可进一步提高预测精度,减小预测误差的最大值.
【英文摘要】 The power sensor was used to monitor machine processing power which was more practical and of no influence on the cutting process in comparison with conventional sensors such as force and AE.For the collected power signal,based on the analysis of signal features,a Re-processing Sparse Bayesian Learning(RP-SBL) with Non-dominated Sorting Genetic Algorithm Ⅱ(NSGA-Ⅱ)approach was proposed to achieve the tool wear prediction.First,the features re-processing was applied to eliminating impacts caused by power fluc...
【基金】 国家自然科学基金(71471139); 国家国际科技合作专项资助(2012DFG72210); 浙江省自然科学基金(LY14E050020)
【更新日期】 2017-05-10
【分类号】 TG71
【正文快照】 智能设备作为智慧工厂的核心之一,对运行状态的自我识别、自我学习和自我维护能力是其重要特征[1].据统计,加工过程中换刀和对刀约占设备运行时间的20%[2].此外,刀具的磨损和破损对加工质量、加工效率、机床寿命甚至操作人员的人身安全有重要影响.因此,准确、高效的刀具运行状?

xxx
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献，从上层导航可以浏览更多相关领域的文献。

工业技术
　 金属学与金属工艺
　　 刀具、磨料、磨具、夹具、模具和手工具
　　　 刀具
  
 
  CNKI系列数据库编辑出版及版权所有：中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有：清华同方知网(北京)技术有限公司
其它数据库版权所有：各数据库编辑出版单位（见各库版权信息）
京ICP证040431号    互联网出版许可证 新出网证（京）字008号