基于云计算的刀具状态监测数字孪生系统研究*

□ 谢 楠 □ 寇 锐 □ 刘雪梅

1.同济大学 中德工程学院 上海 2018042.同济大学 机械与能源工程学院 上海 201804

1 研究背景

随着制造技术的不断发展,高端数控机床被应用于包括汽车、航天零部件在内的各种加工场合。刀具作为机床的重要组成部分,与零部件的形状、尺寸、表面质量等有紧密联系,因此,刀具状态监测成为业内研究的热点[1]。对刀具状态进行可靠监测,可以降低废品率,缩短机床停机时间,延长机床使用寿命,同时还可以降低企业成本,提高生产效率[2]。

随着传感器技术、通信技术的发展,加工数据逐渐呈现出多源、异构、量大的特点,如何基于庞大复杂的时序数据精准分析刀具状态,成为现阶段的难题。数字孪生概念的提出和发展,搭建了物理世界和虚拟世界的桥梁,通过虚实交互、数据融合等,可以扩展物理实体的能力[3]。当前,数字孪生技术被广泛应用于生产制造、状态监测、健康管理等领域。

目前,刀具状态监测的主流方法是间接监测,采集加工过程中的振动、电流、切削力、温度等信号,经过数据处理和特征提取等,建立信号与刀具状态间的映射关系[4]。

近几年来,为了提高对数据的分析处理能力,各类机器学习算法被相继提出。机器学习算法由于强大的自我学习能力和识别能力,被广泛应用于各大领域[5],学者们同时开始研究深度学习在加工状态监测方面的应用。Huang Zhiwen等[6]提出了一种基于深度卷积神经网络多域特征融合的刀具磨损预测方法,提取多种传感器信号作为刀具磨损状态的健康指标,结果表明,这一方法具有较好的预测精度。……