刀具作为机床的“牙齿”,其切削状态对于整个加工过程的稳定进行、加工效率和质量的提升具有重要的影响。因此,对刀具状态进行及时、准确和可靠的评估成为重要的研究课题。目前,针对刀具磨损状态监测的研究方法主要分为基于有限元模型、基于传感数据以及基于模型和数据融合的刀具磨损状态监测技术。但基于有限元模型刀具磨损监测使用的磨损机理模型适应性差、难以真实、准确反映刀具的全部磨损机理;而基于传感数据刀具磨损监测方法由于未考虑物理特性,其结果过度依赖数据特征提取质量和样本数量,从而影响刀具磨损监测结果的准确性。在基于模型和数据融合的方法中,数字孪生技术由于具有信息物理高度融合、虚实同步的特点,为复杂多变的加工环境下基于模型和数据融合的刀具磨损状态监测和评估提供了有效的手段。本文基于数字孪生的理念,建立了刀具的数字孪生模型,并对刀具磨损状态监测和预测进行了研究。具体研究内容如下:⑴基于数字孪生的理念,构建了刀具的数字孪生模型。构建的刀具数字孪生模型由孪生机理模型、孪生数据模型以及可加工性融合评价模型三部分组成。基于面向对象的原则,从几何、物理、规则和行为四个维度出发,建立了孪生机理模型。利用卷积神经网络建立了孪生数据模型。通过确定卷积神经网络中的卷积层数量、池化层数量以及选取合适的卷积核尺寸、激活函数、dropout等模型参数,提高了孪生数据模型的精度。⑵基于数字孪生的模型和数据融理念,利用粒子滤波算法构建了可加工性融合评价模型,根据孪生数据模型监测的刀具磨损结果对孪生机理模型进行更新修正,实现了孪生数据模型与孪生机理模型的融合。利用可加工性融合评价模型,研究了刀具磨损监测和预测方案。通过将磨损监测和预测的融合结果与试验结果进行对比分析,表明了可加工性融合评价模型的有效性和准确性。⑶搭建了车削加工时的刀具磨损试验平台,选用45钢和40Cr Ni Mo A合金钢两种不同的工件材料分别进行了切削试验。利用孪生数据模型对采集到的传感器信号进行挖掘和分析,并基于可加工性融合评价算法,利用数据分析的结果来驱动孪生机理模型的更新和修正,获得基于数字孪生的刀具磨损状态监测和预测结果。分别将基于数字孪生的刀具磨损监测结果和预测结果与刀具磨损试验值进行对比分析,验证了本文提出的基于数字孪生的刀具磨损监测和预测方案的准确性。
暂无评论