基于数字孪生的铣刀磨损状态识别方法研究

作     者：水星 容芷君 但斌斌 何强鉴 杨鑫 SHUI Xing;RONG Zhijun;DAN Binbin;HE Qiangjian;YANG Xin

作者机构：武汉科技大学机械自动化学院武汉430081 武汉科技大学冶金装备及其控制教育部重点实验室武汉430081 

出 版 物：《组合机床与自动化加工技术》 (Modular Machine Tool & Automatic Manufacturing Technique)

年 卷 期：2024年第9期

页      面：20-24页

学科分类：080503[工学-材料加工工程] 080202[工学-机械电子工程] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金项目(51475340) 湖北省重点研发项目(2022BAA059) 

主　　题：数字孪生 刀具磨损 状态识别 变分模态分解 多尺度排列熵 支持向量机 

摘      要：实时精准地监测铣刀磨损状态对于提高加工质量与加工效率具有重要意义,提出一种基于数字孪生的铣刀磨损状态识别方法,该方法通过结合VMD-MPE特征提取方法和GA-SVM状态识别模型构建数字孪生体对铣刀磨损状态进行实时监测。首先,利用变分模态分解算法(VMD)分解铣刀振动信号得到包含磨损状态信息的模态分量;其次,引入多尺度排列熵(MPE)从包含磨损状态信息的模态分量中提取铣刀的非线性动力学特征,并取各有效模态分量的多尺度排列熵平均值作为特征矩阵;最后,通过遗传算法(GA)优化支持向量机(SVM)构建铣刀磨损状态识别模型。实验结果表明,所构建的数字孪生体具有良好识别效果,其识别精度可达97.33%。