基于特征迁移的面铣刀磨损监测方法
Feature Transfer-Based Approach for Tool Wear Monitoring of Face Milling作者机构:上海交通大学机械与动力工程学院上海200240 上海交通大学机械系统与振动国家重点实验室上海200240
出 版 物:《摩擦学学报》 (Tribology)
年 卷 期:2022年第42卷第6期
页 面:1267-1277页
核心收录:
学科分类:08[工学] 080203[工学-机械设计及理论] 0903[农学-农业资源与环境] 0802[工学-机械工程] 0901[农学-作物学] 0714[理学-统计学(可授理学、经济学学位)] 0701[理学-数学] 0702[理学-物理学]
基 金:机械系统与振动国家重点实验室项目(MSVZD201912 MSVZD202108)资助
摘 要:实时监测刀具磨损状态对保证工件加工质量和确定合理换刀时间至关重要.数据驱动的多源信号融合预测是解决刀具磨损预测难题的可行方案.本文中通过时域和频域分析提取了多维信号特征,并结合机器视觉方法处理刀具磨损图像获得的磨损特征,针对涂层面铣刀建立了随机森林磨损预测模型.对于同类型的刀具和工件材料,使用特征迁移方法解决多工况场景下新刀样本不足问题.试验结果表明,基于迁移特征建立的磨损预测模型对目标刀具的磨损量预测效果较迁移前显著提升,准确性评价指标R^(2)决定系数从0.37提升到0.96.基于特征迁移的磨损预测模型为数据驱动模型在刀具磨损预测和实时监测领域的应用提供参考依据.