基于Hurst指数与CNN - LSTM的刀具磨损预测研究
1. 实验设置
为验证相关方法,采用了2010年PHM协会会议数据挑战的数据集。该数据集包含高速CNC机床Roders Tech RFM760干铣削过程中,切削力传感器、振动传感器和声发射传感器收集的信号。
实验中,使用六把3刃球头硬质合金刀具加工不锈钢工件,记录了六把刀具C1、C2、C3、C4、C5和C6的相应传感器信号。每把刀具从新刀用到显著磨损,在相同加工参数下,每把刀具共进行315次切削循环。同时,在工件和加工台上分别安装了三种类型的传感器,具体信息如下表所示:
| 传感器类型 | 信号来源 |
|---|---|
| Kistler石英测力计 | X轴力(N)、Y轴力(N)、Z轴力(N) |
| Kistler压电加速度计 | X轴振动(g)、Y轴振动(g)、Z轴振动(g) |
| Kistler声发射传感器 | AE - RMS(V) |
加工过程中,使用了三个Kistler石英3分量平台测力计、三个Kistler压电加速度计和一个Kistler声发射(AE)传感器。刀具沿x轴逐行加工工件表面,轴向深度为0.2 mm,径向深度为0.125 mm,每次切削长度为108 mm,直至整个表面被去除。主轴转速保持在10,400 RPM,
超级会员免费看
订阅专栏 解锁全文

93

被折叠的 条评论
为什么被折叠?



