摘要:在立铣刀铣削过程中,由于工件较硬、切削深度较大、采用摆线铣加工方式使刀具磨损较快、空刀段较多,无法准确识别刀具磨损状态。针对这种情况,提出了一种利用深度约束变分自编码器(deep-constrained variational auto-encoder,简称DCVAE)和极限学习机(extreme learning machine,简称ELM)的刀具磨损状态识别方法。首先,将电流有效值信号、加速度信号和声压信号进行融合,将其转化为三维彩色图像;其次,采用DCVAE模型对彩色图像中包含的数据进行降维处理,提取其中的隐藏特征信息,增加编码器以增强提取数据特征的能力,利用约束条件使特征分布进一步集中;然后,使用特征可视化技术直观表现刀具不同磨损状态的特征类聚;最后,采用极限学习机对特征进行分类识别,得到刀具磨损状态的识别准确率为95.07%。通过实验分析及模型对比表明,本研究方法抗干扰能力强、稳定性好,能够准确识别刀具磨损状态。