随着科技的不断发展为汽车行业与机械制造行业的突飞发展提供了契机,由于该产业的飞速发展,对各种产品的生产质量、生产效率、结构的复杂程度和性能都提出了更高的要求。数控车削中刀具磨损状态监测技术是智能制造技术的核心部分之一,通过研究分析在实际的车削过程中产生的声音信号来判断刀具的具体磨损情况,该方法可以实现实时且不用停机来测量刀具和工件表面的实际磨损情况下进行在线监测,对提高机械产品的加工质量和生产效率有决定性作用。智能制造技术是通过以下三方面来实现:一是通过通信和传感器设备进行机床加工的远程控制与检测数控加工的不同状态;二是通过监测刀具的磨损情况来进行加工参数与刀补的调节和刀具的换刀,从而保证产品加工质量和加工效率;三是通过自主采集刀具在不同磨损状态下的特征信号,并且将这些信号通过神经网络和多传感器技术进行融合处理,最终实现刀具磨损和破损情况的监测。本文的具体研究工作如下:(1)建立机床典型空载状态数据库。首先对空载状态下的速度信号进行分段,然后对速度信号进行分析,最后建立空载情况下的数据库系统。(2)建立音频信号和切削力信号的监测系统。首先分析不同监测方法的优缺点,且该种方法的适用情况,并分析国内与国外是如何通过这些方法进行刀具磨损的研究,根据各自的研究方法的分析与研究最终提出分析刀具在不同磨损阶段的声音信号来实现刀具磨损的状态监测。(3)设计刀具监测系统硬件和软件的总体方案。首先进行整体方案的设计,然后进行硬件的选型与安装,包括加工机床、刀具、加工材料、传感装置和数据采集卡的选型与安装,接着利用LABVIEW进行软件的设计,包括声音采集模块和分析模块的设计。(4)分析刀具磨损状态与切削音频信号和力信号的相关性。对于采集的实际切削加工的声音信号需要将其中存在的环境噪音剔除,这样可以保证分析的准确与实用性,将处理后的声音信号再进行时域和频域的分析,且对采集到的切削力进行X与Y方向上的均力分析,最终得出切削音频信号与切削力信号和刀具磨损的相关性。(5)提取与刀具磨损状态相关的特征向量。首先对处理后的音频信号进行小波变换分解处理,提取出音频信号的特征向量,然后将测力仪采集到的X与Y方向上的切削均力作为特征向量,最终实现音频信号和切削力信号特征向量的提取。(6)建立刀具磨损状态、音频信号和切削力信号综合情况下的数学模型。本文利用BP神经网络对提取到的特征向量进行融合处理,建立综合情况的数学模型,实现对刀具磨损状态的监测判别。