基于一维深度卷积自动编码器的刀具状态监测方法

杨国葳， 李宏坤， 张明亮， 黄刚劲

(大连理工大学 机械工程学院，辽宁 大连 116024)

近年来，高速铣削加工领域已经成为先进加工制造业的重要组成部分，其优势在于极高的加工精度、极快的加工效率和极好的加工表面质量[1]。在实际的加工生产过程中，刀具作为直接与被加工件接触的切削工具会不可避免的产生磨损现象。研究表明，由于刀具磨损和破损而导致的计划外停机是造成加工效率降低和生产成本提高的主要原因[2]。因此，在加工过程中，对刀具状态进行实时监测具有重要意义。

刀具的状态监测主要分为直接监测法和间接监测法。直接监测法对刀具进行直接测量，主要包括光学图像法，接触式电阻测量法和放射性元素法。直接测量法测量精度高，但是必须进行离线监测，会造成切削过程不连续，产生延长加工时间的问题，不利于实际应用。间接监测法主要是基于信号分析和机器学习算法，也是传统的刀具磨损状态监测方法。通常首先采集加工过程中的切削力信号，振动信号，电机电流与功率信号等，然后人为的对原始信号进行特征提取，最后采用机器学习算法，实现刀具磨损状态识别。如赵帅等[3]对主轴电流信号的时域、频域、时频域进行特征提取，通过主成分分析(principal component analysis，PCA)对提取的特征进行降维处理，最后利用随机森林得到刀具磨损的分级评估结果；程灿等[4]通过遗传算法合理选择特征参数，利用支持向量机(support vector machine，SVM)实现了刀具磨损量的预测；……