一种新的同时监测表面粗度和削过程中的工具磨损的新方法

科学领域:

• 制造业 工程 制造工程
• 智能制造系统是一个智能制造系统.
• 状态监控 状态监控

背景情况:

• 表面粗度和工具磨损是智能制造中的关键指标.
• 监测这些参数对于零缺陷生产和加工效率至关重要.
• 现有的方法可能在数据利用和计算成本方面存在局限性.

研究的目的:

• 开发一种新的双任务同时监测表面粗性和工具磨损的新方法.
• 提高数据利用率,降低质量预测中的计算成本.
• 提高CNC机床操作的效率和质量.

主要方法:

• 构建了一个广的回声状态,具有增量学习的双任务学习系统.
• 用具有回声状态特征的水库取代增强层.
• 利用了信息共享,并捕获了子任务之间的动态特征.

主要成果:

• 通过端面研磨实验验证该方法的可行性.
• 在监控信号上使用特征提取和非线性维度减小.
• 与其他双任务学习方法相比,表现出优越的综合性绩效.

结论:

• 开发的方法可以有效地同时监测表面粗度和工具磨损.
• 这种方法为CNC机床的高质量和高效加工提供了基础.
• 这项研究有助于智能制造和条件监测的进步.