科创中国

高端装备制造产业,智能制造装备产业

本发明属于刀具状态辨识领域，并具体公开了一种刀具磨损状态辨识方法，其包括步骤：S1将刀具切削刃沿轴向离散成K个切削微元，构建表示切削微元所受切削力与剪切力系数、犁切力系数、后刀面摩擦力系数关系的切削力解析模型，且剪切力系数与犁切力系数根据刃口圆弧半径得到，后刀面摩擦力系数根据后刀面磨损宽度得到；S2根据切削力解析模型得到切削力与磨损状态映射关系数据集；S3通过所述切削力与磨损状态映射关系数据集实现根据实际切削力数据确定刃口圆弧半径和后刀面磨损宽度，完成刀具磨损状态辨识。本发明实现了对实际加工中刀具磨损状态量的两个指标：刃口圆弧半径和后刀面磨损宽度的同时准确预测。

1.本发明以对较复杂曲面的精密铣削精密加工为主要研究场景，提出了一种在实际加工场景下对刀具磨损状态进行辨识的方法，通过建立精密铣削切削力解析模型，得到刀具磨损状态与切削力的训练数据，进而建立刀具状态辨识的代理模型，实现对实际加工中刀具磨损状态量的准确辨识；从刀具状态监测层面上，使用代理模型可以实现刀具磨损状态量的预测，满足实际加工现场中刀具磨损状态辨识的需求。 2.刃口圆弧半径和后刀面磨损宽度获取则非常困难，且后刀面磨损与刃口圆弧半径对切削力的敏感程度不同，本发明通过建立考虑刃口圆弧半径与后刀面磨损宽度的精密铣削切削力解析模型，进而建立切削力代理模型，对刀具的磨损状态量的两个指标：刃口圆弧半径以及后刀面磨损宽度同时进行预测。 3.本发明选择高斯随机过程模型作为代理模型，高斯随机过程模型是一种既适用于线性问题又适用于非线性问题的概率方法，通过选择不同的核函数组合来实现对真实数据与模型的逼近，高斯随机过程模型运用于实际问题时，可以在输出均值的同时给出置信区间，增强预测结果的有效性。

彭芳瑜;赵晟强;周林;孙豪;闫蓉 彭芳瑜（Peng Fangyu，Professor），1972年11月出生，男，教授，博导，国家杰出青年基金获得者，教育部新世纪优秀人才获得者。华中科技大学机械科学与工程学院副院长，国家数控系统工程技术研究中心副主任，数字化制造装备与技术国家重点实验室骨干成员。 主要针对舰船螺旋桨、航空发动机、航天光学器件等难加工曲面类零件开展机器人加工、超精密加工、五轴数控加工等机理与装备研究，主持承担了国家杰出青年科学基金、湖北省创新群体、国家数控重大专项、国家支撑计划课题、863目标导向课题、基金面上项目、民口973课题等国家级重大科研项目20余项；发表文章130余篇，其中SCI收录近40篇，EI收录80余篇；授权发明专利40余件，获得软件著作权18项；获得国家科技进步二等奖1项、中国机械工业科学技术一等奖1项、湖北省科技进步一等奖2项。