微铣削刀具磨损状态监测方法研究

来源：计算机测量与控制杂志2021年第11期北京时间：

作者：潘春龙,王二化,张屹

单位：常州大学 机械工程学院

摘要：为提高金属微铣削过程中刀具磨损状态在线监测系统的预测效率与精度，提出一种基于线性判别分析与改进型BP神经网络模型识别刀具磨损的方法。该方法通过传感器与数据采集系统采集微铣削过程振动信号，提取其时域和频域特征并通过线性判别方法进行降维约简。将降维后的特征输入经灰狼优化改进的BP神经网络模型，从而实现微铣刀磨损状态特征的分类。结果表明，提出的微铣刀在线监测方法能够准确识别微铣刀的各种磨损状态。此外，和其它分类算法相比，提出的基于灰狼优化算法的BP神经网络模型在分类精度和计算效率方面具有综合优势。这对实际生产过程中微铣刀的磨损状态监测具有非常重要的实际意义。

关键词：微铣削;刀具磨损;线性判别分析;BP神经网络;灰狼优化

基金资助：国家关键基础研究计划项目( 2011CB706803)；常州市高端制造装备智能化技术重点实验室(CM20183004)