超硬刀具热疲劳裂纹状态实时智能监测系统及评价模型的制作方法

技术特征：
1.一种超硬刀具热疲劳裂纹状态实时智能监测系统，其特征在于：包括计算机，计算机上连接有，动态测力仪，用于监测刀具铣削力变化，获得铣削力信号c1；声发射传感器，用于监测并获取刀具不同裂纹形式和损伤状态时的声发射信号c2；红外测温仪，用于监测切削区温度变化，并获取温度信号c3；集成压电加速度传感器，用于监测激振频率及幅值的变化，获取振动信号c4；所述动态测力仪、声发射传感器、红外测温仪、集成压电加速度传感器采集数据后通过信号处理与a/d转换，将数据存入计算机中。2.一种超硬刀具热疲劳裂纹状态智能评价模型，其特征在于：包括如下步骤：s1，建立超硬刀具热疲劳状态待评物元模型矩阵：式中：p0为某一待评的超硬刀具；c
i
(i＝1，2，...n)为热疲劳裂纹状态等级n
oj
的特征，即影响超硬刀具热疲劳状态评价的主要因素；x
i
为p0关于c
i
的量值，即待评超硬刀具热疲劳裂纹状态的具体数值；s2，将权利要求1中的铣削力信号c1、声发射信号c2、温度信号c3、振动信号c4带入矩阵r中，得到：物元r的经典域确定为：式中：n
0j
为超硬刀具热疲劳裂纹状态的第j个等级，j＝1～4；x
oji
为n
0j
关于c
i
所规定的量值的范围，即n
0j
的经典域；a
0ji
——超硬刀具在某一裂纹状态时某一特征信号经典域的最小值；b
0ji
——超硬刀具在某一裂纹状态时某一特征信号经典域的最大值；物元r的节域确定为：式中：p为超硬刀具热疲劳裂纹状态的全部等级；x
pi
为p关于c
i
所取的量值范围，即p的节域；a
pi
——某一特征信号节域的最小值；b
pi
——某一特征信号节域的最大值；s3，根据确定的物元模型以及刀具与其热疲劳状态等级的关联函数k
j
(u
i
)；则待评超硬刀具与其热疲劳裂纹状态等级的关联度为：
其中：|x
0ji
|＝b
0ji-a
0ji0ji
α
i
——为所选取的特征评价指标(铣削力信号、声发射信号、振动信号、温度信号)的权重系数，s5，根据关联度确定超硬刀具的热疲劳状态为正常、裂纹萌生、裂纹扩展、主裂纹生成或者刀具破损；s6，计算机实时显示刀具破损情况，若刀具的热疲劳状态为裂纹萌生，则调整加工条件或加工参数；若刀具的热疲劳状态为主裂纹生成，则更换刀具。

技术总结
本发明提供一种超硬刀具热疲劳裂纹状态实时智能监测系统及评价模型，包括计算机，计算机上连接有动态测力仪，用于获得铣削力信号C1；声发射传感器，用于监测并获取刀具不同裂纹形式和损伤状态时的声发射信号C2；红外测温仪，用于获取温度信号C3；集成压电加速度传感器，用于获取振动信号C4；上述数据通过信号处理与A/D转换，将数据存入计算机中。本发明通过检测到的特征信号数值，包括铣削力信号、声发射信号、温度信号、振动信号，实时生成计算与超硬刀具热疲劳状态对应的关联函数与关联度，从而量化表示超硬刀具的热疲劳状态。而量化表示超硬刀具的热疲劳状态。而量化表示超硬刀具的热疲劳状态。


技术研发人员：郭彩芬 董志
受保护的技术使用者：苏州市职业大学
技术研发日：2021.10.22
技术公布日：2022/3/7