基于数控机床实时监测数据驱动的钛合金高速铣削刀具健康状态预测方法的研究
硬质合金在高速加工钛合金板件时极易破损或快速磨损,因此很难准确预测其工作状态.薄壁件的加工质量要求极高,而刀具的健康状态又与产品的加工质量密切相关,预测刀具健康状态变化对于产品质量控制极其重要.同时车间内不同设备的状态数据结构不一致,导致车间监控数据中存在大量的多源异构数据,它们难以通过单一的通讯协议采集与监控.本文研究了基于OPC UA技术与MTConnect协议的刀具、机床的数据模型、通信架构及访问策略,解决了多源异构数据的采集.采用故障预测与健康管理(Prognostics and Health Management,PHM)技术分析处理相关机床数据.建立一种能够反映加工条件和刀具几何参数的BP神经网络模型.该模型实现了基于刀具剩余寿命RUL的刀具健康状态信息的实时监测和预测.
数控机床 钛合金加工 铣削刀具 健康预测 数据驱动 监测数据
鲍劲松 袁广超 郑小虎 张建国 季霞 颜士肖 郭国强
东华大学机械工程学院 201620 上海航天精密机械研究所 201600
国内会议
第五届全国智能制造学术会议(NCIM2016)暨智能制造专业委员会2016年度工作会议
广州
中文
1-8
2016-12-08（万方平台首次上网日期，不代表论文的发表时间）