论文部分内容阅读
硬质合金在高速加工钛合金板件时极易破损或快速磨损,因此很难准确预测其工作状态。薄壁件的加工质量要求极高,而刀具的健康状态又与产品的加工质量密切相关,预测刀具健康状态变化对于产品质量控制极其重要。同时车间内不同设备的状态数据结构不一致,导致车间监控数据中存在大量的多源异构数据,它们难以通过单一的通讯协议采集与监控。本文研究了基于OPC UA 技术与MTConnect 协议的刀具、机床的数据模型、通信架构及访问策略,解决了多源异构数据的采集。采用故障预测与健康管理(Prognostics and Health Management,PHM)技术分析处理相关机床数据。建立一种能够反映加工条件和刀具几何参数的BP 神经网络模型。该模型实现了基于刀具剩余寿命RUL 的刀具健康状态信息的实时监测和预测。