宋清華,彭業(yè)振,王潤(rùn)瓊,劉戰(zhàn)強(qiáng)
(1.山東大學(xué),濟(jì)南 250061;2.山東大學(xué)高效潔凈機(jī)械制造教育部重點(diǎn)實(shí)驗(yàn)室,濟(jì)南 250061)
隨著德國(guó)“工業(yè)4.0”和“中國(guó)制造2025”等戰(zhàn)略的相繼提出,在大數(shù)據(jù)分析、數(shù)字孿生、機(jī)器學(xué)習(xí)等技術(shù)推動(dòng)下,傳統(tǒng)制造業(yè)正在從基于知識(shí)的智能制造向數(shù)據(jù)驅(qū)動(dòng)和知識(shí)賦能的智能制造轉(zhuǎn)型,第四次工業(yè)革命即將到來(lái)[1–2]。
薄壁零件與傳統(tǒng)零件相比具有質(zhì)量小、強(qiáng)度大的優(yōu)點(diǎn)[3]。但由于薄壁零件的弱剛性,銑削過(guò)程中極易引起薄壁結(jié)構(gòu)的變形、失穩(wěn)和顫振,造成刀具磨損量急劇增大,從而降低加工精度,甚至影響工件的疲勞壽命,并且加工過(guò)程中薄壁零件的時(shí)變特性難以在線預(yù)測(cè)[4–5]。因此研究薄壁件加工過(guò)程中刀具磨損狀態(tài)實(shí)時(shí)監(jiān)測(cè),對(duì)提高薄壁零件 (如航空發(fā)動(dòng)機(jī)零件)的加工精度和加工效率具有十分重要的意義。
傳統(tǒng)的刀具磨損狀態(tài)識(shí)別,通常是基于信號(hào)分析,不涉及大數(shù)據(jù),大多依靠專家經(jīng)驗(yàn)和現(xiàn)場(chǎng)檢查,效率低、準(zhǔn)確度低[6]。隨著大數(shù)據(jù)分析技術(shù)的崛起,基于機(jī)器學(xué)習(xí)的刀具磨損狀態(tài)識(shí)別方法具有很高的識(shí)別準(zhǔn)確度,成為近年來(lái)機(jī)械加工過(guò)程中刀具健康管理領(lǐng)域的研究熱點(diǎn)[7]。利用多傳感器采集加工過(guò)程中的切削信號(hào)、數(shù)字圖像等,結(jié)合大數(shù)據(jù)流式處理、自然語(yǔ)言處理等機(jī)器學(xué)習(xí)算法,確定信號(hào)特征集與刀具磨損之間的映射關(guān)系,從而建立數(shù)據(jù)驅(qū)動(dòng)模型,識(shí)別刀具加工過(guò)程中的磨損狀態(tài),并將其反饋給數(shù)控加工平臺(tái),準(zhǔn)確選擇換刀時(shí)機(jī)。……