刀具寿命预测特征处理方法、刀具磨损机理

文章思路
第一章：研究目的、意义及现在研究的状态。
第二章：刀具磨损机理和实验设计。
第三章：刀具状态监测和信号处理与特征提取。
第四章：刀具状态监测的特征选择。
第五章：不完备先验知识的刀具磨损状态评估。
第六章：基于粒子群算法的刀具磨损量识别。
第七章：刀具寿命预测和优化。

刀具磨损机理
刀具的前刀面、后刀面不断与切屑、工件发生强烈的摩擦，使得刀具在高温高压下与工件材料之间形成黏结与扩散等相互作用，导致其表面氧化层或其他吸附层，在切削过程中会被逐渐擦去，形成刀具磨损。
正常磨损：前刀面磨损、后刀面磨损、前后刀面同时磨损；
非正常磨损：脆性破损、塑性破损；
刀具振动机理
切削过程中的振动按其性质可分为两大类：强迫振动和自激振动。
强迫振动是由切削过程以外或切削过程本身的外力作用引起，例如机床运动的不平稳、主轴径向跳动、安装误差造成离心力作用、工件材质不均匀、间断切削和崩碎切屑等。它对切削过程产生的影响取决于其大小及其频率，当强迫振动产生的频率接近工艺系统固有频率时，形成共振，造成的破坏性最大。
自激振动是由于切削过程中作用力的变动而引起的，例如切屑与刀具间摩擦力变化、刀具磨损产生作用力、积屑瘤不稳定导致切削厚度的变化等。
测量振动参数的传感器分别有速度、加速度和位移传感器三种。压电式、磁电式、电容式、电阻式等。因为压电加速度计具有独到之处，因此切削振动测量多采用压电式加速度传感器。
刀具磨损状态监测信号降噪
时域滤波：中值滤波、平均滤波、卡尔曼滤波等；
频域滤波法：
时频信号处理技术：小波等
小波降噪基本原理是：首先将含噪信号进行多尺度小波变换，然后在各尺度下尽可能保留有用信号的小波分解系数，去除噪声信号的小波分解系数，最后用逆小波变换对处理后的小波分解系数进行重构，以消除信号噪声。

小波包层数选择：

分解层数越多，频带越细，频带特征也呈指数增长。信号并不是每个频带能量都能反映刀具的磨损状态变化，即对刀具磨损变化敏感的特征频带可能只是其中几个。因此，当分解层数过多时，干扰特征数量也就增加；但如果分解层次过少，频带分辨率就很低，可能无法精确的提取反映刀具磨损状态的频带特征值。
特征选择技术