基于多源信息融合的刀具剩余壽命預測*

申玉杰，孫顯彬，劉倫明，曾實現，井陸陽，姜云春

(1.青島理工大學機械與汽車工程學院，青島 266520；2.青島海爾工業智能研究院有限公司，青島 266000；3.青島黃海學院智能制造學院，青島 266555)

0 引言

隨著工程技術的不斷進步，更好地監測機械設備的剩余使用壽命越來越被工業重視。在機械設備的工作過程監測其工作狀態，不僅為設備維護提供保證，延長設備使用壽命；而且極大地避免了安全事故的發生。刀具作為數控機床的加工部件，其磨損狀態影響著數控機床的加工質量。據研究表明，完善的刀具剩余監測壽命系統可將工作效率提升10%～40%，同時降低10%～30%的生產成本[1]。

目前，常用的刀具剩余壽命預測方法主要從間接法與直接法進行研究。直接法是監測刀具工作面的磨損變化來判斷刀具的剩余壽命，主要方法為光學監測[2]、電阻監測[3]等，其精度高，但需離線監測，其監測方式極大地影響數控機床的工作。間接法通過安裝相應的傳感器采集刀具工作狀態信息如切削力、振動、聲發射傳感器，通過數據驅動的方式預測其剩余壽命，該方法可實現實時在線監測，從而被廣泛應用于實際生產現場[4]。

HAN等[5]提取振動信號的時域信息，利用分層狄利克雷過程更新隱馬爾可夫模型的參數，實現動態預測刀具剩余壽命；MADHUSUDANA等[6]采用小波變換和支持向量機構建刀具的故障診斷模型；TOBON等[7]構建貝利斯網絡實現對刀具的不同磨損階段的狀態監測。曾曉雪等[8]采集加工環境下的切削加工參數，通過混沌粒子群算法優化BP神經網絡評估刀具的磨損狀態；……