导读:本文包含了刀具寿命论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:刀具,寿命,神经网络,磨损,算法,数控,在线。
刀具寿命论文文献综述
孙银军,王建平[1]（2019）在《珩孔砂条曲面形状对刀具寿命的影响》一文中研究指出珩孔砂条在焊接归圆后就可以珩磨产品,在珩孔加工过程中,珩磨头砂条边缘有破碎的情况发生。新砂条边缘开裂破碎,严重影响切削刃一致性和完整性,连续加工过程中产品质量波动和刀具寿命达不到预期,本文采用Solidworks simulation软件对砂条建模,分析砂条在贴靠和珩磨过程中接触曲面的受力情况。根据砂条曲面和零件孔壁接触方式的差异得到应力分布的变化,接触面突出的部分容易产生应力集中。油石修整珩孔砂条以增加珩磨接触面积,避免刀具局部接触产生应力集中,引起切削刃产生裂纹和破碎,从而提高刀具稳定性和寿命。(本文来源于《金属加工(冷加工)》期刊2019年12期）
王国锋,董毅,杨凯,安华[2]（2019）在《基于深度学习与粒子滤波的刀具寿命预测》一文中研究指出刀具在加工过程中会受到材料的挤压、摩擦、冲击与腐蚀等因素影响,导致切削刃出现崩刃、磨损等现象.这些现象使得工件尺寸出现偏差,严重时甚至会对机床和人员带来伤害.有效的刀具剩余使用寿命预测可以提高加工效率,保证加工精度,降低加工成本,因此具有重要的研究价值.针对反映刀具磨损程度的趋势性特征自学习提取与刀具剩余使用寿命预测问题,提出了基于深度学习与混合趋势粒子滤波的刀具剩余使用寿命预测方法.使用刀具未发生磨损的信号特征训练降噪自编码器,然后将刀具各磨损阶段下的信号特征输入训练好的降噪自编码器中,提取其重构误差作为单调性特征,为了解决样本数量不足带来的过拟合的问题,对原始样本进行了加噪处理.考虑到传统粒子滤波算法进行刀具剩余使用寿命预测的过程中无法自适应调整状态方程,提出混合趋势粒子滤波算法来实现刀具剩余使用寿命预测.采集刀具全寿命周期的切削力信号并进行处理与分析,分析结果证明了所提方法能够有效实现反映刀具磨损的趋势性特征自提取,该特征提取方法可以减少人为因素的影响,降低训练成本,同时,相比于传统粒子滤波,混合趋势粒子滤波算法对刀具剩余使用寿命预测精度更加准确可靠.(本文来源于《天津大学学报(自然科学与工程技术版)》期刊2019年11期）
杨斌[3]（2019）在《钛合金铣削刀具寿命数据分析与磨损状态监测研究》一文中研究指出随着航空领域制造技术的不断发展与革新,钛合金因其比强度高、耐蚀性好等优异性能成为航空结构件的主要材料。然而,钛合金是一种典型的难加工材料,其导热系数低、变形系数小,因此切削过程温度高,切削力大,使得钛合金加工过程中存在着刀具磨损严重、刀具寿命难以预测等问题。随着各种数据测量与存储技术在航空制造企业中的应用,使得钛合金切削加工系统在运行时会产生大量的刀具使用过程数据,对这些加工过程产生的数据进行提取和分析,从而准确地预测和评价刀具寿命与刀具磨损状态至关重要。本文针对钛合金航空结构件加工过程产生的大量刀具使用过程数据,首先,基于刀具磨损过程数据,面向刀具变参数使用过程,建立刀具寿命等效评价模型,开展钛合金铣削试验,对变参数工况下钛合金铣削刀具磨损量进行预测。基于无失效寿命数据可靠性分析原理,在两参数威布尔分布的前提下研究了基于配分布曲线法的失效概率估计方法与最小二乘参数估计方法,在生产现场数据的基础上,对典型工况下的刀具可靠性进行分析,并预测了刀具可靠寿命面向铣削过程监测信号数据,在生产现场试验的基础上分析了刀具加工过程中力信号、振动信号与声音信号随磨损量变化规律,并对监测信号进行了时域、频域以及时频域的特征提取,基于信息度量的方法对提取到的特征进行降维处理。在得到降维后的优选特征基础上利用支持向量机与BP神经网络模型对刀具磨损状态进行智能识别,验证了模型的精度,并比较了两种模型的识别效果。(本文来源于《山东大学》期刊2019-05-21）
张锐鑫,刘岳纳[4]（2019）在《开放创新“磨”出超硬“工业牙齿”》一文中研究指出这几天，在位于高新区的洛阳初旭实业有限公司（简称洛阳初旭公司）厂房内，生产线加班加点满负荷运转，一批批闪着银光的圆形数控机床刀具整装下线。它们的目的地，是中信重工、轴研科技、河柴、中原特钢、河南航天工业等知名制造业企业。通过引入欧洲技术，洛阳初(本文来源于《洛阳日报》期刊2019-05-09）
童文利[5]（2019）在《基于切削次数的FANUC刀具寿命管理》一文中研究指出由于FANUC传统刀具寿命是基于主轴交换刀具次数进行计数的,无法自动识别刀具是否参与切削,所以空切削会造成刀具寿命的无效计数,使刀具没有到达实际寿命而更换。基于切削次数的刀具寿命管理,是通过实时扭矩和空载扭矩的导数和积分比较,自动识别切削并进行刀具寿命计数的功能,它可以有效避免无效计数,使刀具得到充分利用。(本文来源于《制造技术与机床》期刊2019年04期）
王强,李迎光,郝小忠,刘长青,陈海吉[6]（2019）在《基于在线学习的数控加工刀具寿命动态预测方法》一文中研究指出预测刀具寿命对保证零件质量和控制加工成本意义重大,但刀具磨损过程复杂多变,刀具剩余寿命受工况影响难以准确预测。针对以上问题,提出了一种基于在线学习的刀具寿命动态预测方法,以长短时记忆网络为基础模型,融合在线学习模块,使得模型能够在加工过程中自动更新参数,实现变工况下刀具寿命的精确预测。进行了铣削加工试验,结果表明,刀具寿命动态预测方法可以有效提升刀具寿命预测精度。(本文来源于《航空制造技术》期刊2019年07期）
叶开[7]（2019）在《基于MTO的刀具寿命预测与优化调度的智能管理系统及应用研究》一文中研究指出随着MTO模式逐渐成为市场主流生产形式,产品种类多、更新快,产量小的特点被不断放大,刀具作为机械加工的重要资源,如何在快节奏、多产线的生产过程中提高刀具管理水平,合理有效的分配刀具资源,成为MTO企业一个棘手的问题,对提升企业生产效益和市场核心竞争力具有重要的现实意义。本文以MTO模式下的刀具管理作为研究对象,阐述了刀具管理研究的重要性,回顾了刀具管理理论的国内外研究现状,深入分析了刀具寿命预测与刀具调度对刀具管理的影响。首先为判定基于MTO模式下刀具加工的临界状态,在多变的生产环境中降低刀具磨损程度,提升刀具维护水平,仔细分析了影响刀具剩余寿命的因素,针对传统BP算法收敛慢,易陷入局部极小的缺点,建立了基于改进BP算法的刀具剩余寿命预测模型,为后续的刀具优化调度奠定了基础。其次以刀具剩余寿命预测结果作为影响刀具优化调度的因素,充分考虑刀具剩余寿命的约束,为实现降低生产成本的目的,建立了以按权优先选配、刀具最小换刀次数以及最小刀具剩余寿命方差为目标的刀具调度模型,并采用遗传算法对模型的有效性进行了验证。最后在实现刀具寿命预测与优化调度的基础上,设计了基于C#+.NET平台,采用B/S架构的刀具智能管理系统,实现了MTO模式下对刀具从采购到使用,最后报废的一体化管理。(本文来源于《合肥工业大学》期刊2019-04-01）
徐营利,王展,胡晓兵,张波,刘志明[8]（2019）在《基于径向基神经网络的刀具寿命预测模型研究》一文中研究指出通过分析总结影响刀具寿命的主要影响因素,建立铣削刀具加工参数与刀具寿命的径向基神经网络模型。训练模型使用了10组样本数据,以刀具直径、铣削速度、铣削宽度、铣削深度、进给量、刀具齿数作为网络输入参数,采用十折交叉验证方法对所构建模型进行验证,能够对刀具寿命进行较为准确的预测。与传统BP神经网络模型比较发现,径向基神经网络具有更好的预测精度和稳定性,是预测刀具寿命的一条有效途径。(本文来源于《机械》期刊2019年02期）
郑奇,向守迁[9]（2019）在《螺纹硬铣削刀具寿命探索》一文中研究指出为了节约成本,提升刀具使用寿命,通过现场摸索刀具使用中的状态,分析不同切削状态铣削的各项指标,从而了解刀具的损坏程度。(本文来源于《精密制造与自动化》期刊2019年01期）
李浩平,欧阳俊,谢雪媛[10]（2018）在《基于AGA-GRNN神经网络的刀具寿命预测研究》一文中研究指出针对基于BP神经网络的刀具寿命预测中存在参数数量多、优化工作量复杂、网络参数主观确定等较多预测精度的问题,提出一种改进广义回归神经网络预测模型AGA-GRNN,该模型运用自适应遗传算法(AGA)优化光滑因子.经实例验证,相较于交叉验证法和遗传算法优化的GRNN预测模型,AGA-GRNN刀具寿命预测模型在参数优化效率和寿命预测精度上均较高,本刀具寿命预测模型的构建为实现制造系统中智能刀具调度提供了基础.(本文来源于《叁峡大学学报(自然科学版)》期刊2018年06期）
刀具寿命论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
刀具在加工过程中会受到材料的挤压、摩擦、冲击与腐蚀等因素影响,导致切削刃出现崩刃、磨损等现象.这些现象使得工件尺寸出现偏差,严重时甚至会对机床和人员带来伤害.有效的刀具剩余使用寿命预测可以提高加工效率,保证加工精度,降低加工成本,因此具有重要的研究价值.针对反映刀具磨损程度的趋势性特征自学习提取与刀具剩余使用寿命预测问题,提出了基于深度学习与混合趋势粒子滤波的刀具剩余使用寿命预测方法.使用刀具未发生磨损的信号特征训练降噪自编码器,然后将刀具各磨损阶段下的信号特征输入训练好的降噪自编码器中,提取其重构误差作为单调性特征,为了解决样本数量不足带来的过拟合的问题,对原始样本进行了加噪处理.考虑到传统粒子滤波算法进行刀具剩余使用寿命预测的过程中无法自适应调整状态方程,提出混合趋势粒子滤波算法来实现刀具剩余使用寿命预测.采集刀具全寿命周期的切削力信号并进行处理与分析,分析结果证明了所提方法能够有效实现反映刀具磨损的趋势性特征自提取,该特征提取方法可以减少人为因素的影响,降低训练成本,同时,相比于传统粒子滤波,混合趋势粒子滤波算法对刀具剩余使用寿命预测精度更加准确可靠.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
刀具寿命论文参考文献
[1].孙银军,王建平.珩孔砂条曲面形状对刀具寿命的影响[J].金属加工(冷加工).2019
[2].王国锋,董毅,杨凯,安华.基于深度学习与粒子滤波的刀具寿命预测[J].天津大学学报(自然科学与工程技术版).2019
[3].杨斌.钛合金铣削刀具寿命数据分析与磨损状态监测研究[D].山东大学.2019
[4].张锐鑫,刘岳纳.开放创新“磨”出超硬“工业牙齿”[N].洛阳日报.2019
[5].童文利.基于切削次数的FANUC刀具寿命管理[J].制造技术与机床.2019
[6].王强,李迎光,郝小忠,刘长青,陈海吉.基于在线学习的数控加工刀具寿命动态预测方法[J].航空制造技术.2019
[7].叶开.基于MTO的刀具寿命预测与优化调度的智能管理系统及应用研究[D].合肥工业大学.2019
[8].徐营利,王展,胡晓兵,张波,刘志明.基于径向基神经网络的刀具寿命预测模型研究[J].机械.2019
[9].郑奇,向守迁.螺纹硬铣削刀具寿命探索[J].精密制造与自动化.2019
[10].李浩平,欧阳俊,谢雪媛.基于AGA-GRNN神经网络的刀具寿命预测研究[J].叁峡大学学报(自然科学版).2018
论文知识图
