基于隐Markov模型的微径铣刀磨损监测

被引:7
作者
张翔
富宏亚
孙雅洲
韩振宇
机构
[1] 哈尔滨工业大学机电工程学院
关键词
微径铣刀; 刀具磨损; 单齿切削现象; 隐Markov模型;
D O I
10.13196/j.cims.2012.01.143.zhangx.003
中图分类号
TG714 [铣刀];
学科分类号
080201 ;
摘要
以微径铣刀磨损程度的识别为研究对象,考虑可能出现的单齿切削现象,建立了刀具磨损的隐Mark-ov模型。模型首先判断刀具在稳态切削情况下是否出现单齿切削现象,随后以小波分解的方式分别提取切削力特征。通过Fisher线性判别提取8个最优的切削力特征,作为隐Markov模型训练的输入向量。对于多组切削参数为单齿切削和两齿交替切削,分别训练三个不同磨损阶段的隐Markov模型,用以识别刀具真实磨损状态,并通过Euclidian线性判别确定最适应的识别模型。实验结果表明,该方法能够准确识别微径铣刀磨损状态,准确率在85%左右。
引用
收藏
页码:141 / 148
页数:8
相关论文
共 7 条
[1]  
介观尺度铣削力与表面形貌建模及工艺优化研究.[D].李成锋.上海交通大学.2008, 06
[2]   基于SOM和HMM结合的刀具磨损状态监测研究 [J].
吕俊杰 ;
王杰 ;
王玫 ;
吴越 .
中国机械工程, 2010, 21 (13) :1531-1535
[3]   基于声信号HMM的刀具磨损程度分级识别 [J].
艾长胜 ;
王宝光 ;
董全成 ;
何光伟 .
组合机床与自动化加工技术, 2007, (07) :26-29
[4]  
Equipments and Strategies of Machining 3D Meso-Scale Parts.[J].Zhang Xiang;Han Zhen Yu;Sun Ya Zhou;Fu Hong Ya.Key Engineering Materials.2010, 431
[5]   Micro-end-milling - III. Wear estimation and tool breakage detection using acoustic emission signals [J].
Tansel, I. ;
Trujillo, M. ;
Nedbouyan, A. ;
Velez, C. ;
Bao, Wei-Yu ;
Arkan, T.T. ;
Tansel, B. .
International Journal of Machine Tools and Manufacture, 1998, 38 (12) :1449-1466
[6]  
模式识别.[M].[美]J.P.MarquesdeSa著;吴逸飞译;.清华大学出版社.2002,
[7]  
语音信号处理.[M].易克初等编著;.国防工业出版社.2000,