TWI687696B - 回饋型隱藏式馬可夫模型辨識器的建立方法與基於此辨識器的辨識系統的建立方法 - Google Patents
回饋型隱藏式馬可夫模型辨識器的建立方法與基於此辨識器的辨識系統的建立方法 Download PDFInfo
- Publication number
- TWI687696B TWI687696B TW108122414A TW108122414A TWI687696B TW I687696 B TWI687696 B TW I687696B TW 108122414 A TW108122414 A TW 108122414A TW 108122414 A TW108122414 A TW 108122414A TW I687696 B TWI687696 B TW I687696B
- Authority
- TW
- Taiwan
- Prior art keywords
- signals
- processing tool
- hidden markov
- markov model
- tool
- Prior art date
Links
Images
Landscapes
- Numerical Control (AREA)
Abstract
本發明說明了一種回饋型隱藏式馬可夫模型辨識器的建立方法,其步驟包含有:通過感測器而產生在時域上的一組物理訊號,並將之轉換成頻域上的一組頻域訊號;從該組頻域訊號獲得對應於刀具不同狀態的多個特徵向量並利用該等特徵向量來建立一隱藏式馬可夫模型辨識器;將上述特徵向量再輸入至上述辨識器以獲得一辨識率,並判斷辨識率是否高於一最低期望辨識率,若辨識結果為是,使用此辨識器,否則調整辨識器,並重新執行輸入該等特徵向量的步驟。通過上述建立方法,可獲得一辨識率較高的辨識器,以利後續更準確地判斷加工刀具的刀具狀態。
Description
本發明係有關於加工刀具的狀態辨識,特別是指一種回饋型隱藏式馬可夫模型辨識器的建立方法,能建立一隱藏式馬可夫模型辨識器以準確地辨識加工刀具的刀具狀態。
鎳基金屬是航太產業中發動機的主要材料,其與鈦合金、不鏽鋼、 鋼材、鋁合金、陶瓷材料或其他複合材料都屬於難切削加工材料。難切削材料因其不易導熱之材料特性,因此在材料加工過程中會累積較多之熱能以及應變硬化時材料硬度較高之二種特性,容易使加工刀具產生嚴重磨耗的問題,進而造成加工效率之降低以及加工品質掌控不易之問題。
一般業界於更換加工刀具的時間點多數是利用經驗法則來進行的,若是使用太保守的刀具使用策略,例如太早換刀,則會降低加工效率並會有浪費刀具的問題,因此若有一種可信賴的刀具狀態辨識方法,可輔助判斷加工刀具的刀具狀態(例如未磨耗與已磨耗),則可進行更有效率且成本控制更為精準的加工製造。
隨著工業4.0時代的來臨,刀具狀態監測(Tool Condition Monitoring; TCM)技術也蓬勃發展。目前已知的刀具狀態的辨識方法是使用一組加工機具(例如銑刀)來對加工材料進行加工,加工機具包含有加工刀具,以及設於加工刀具的多個感測器,感測器依其量測方式區分為直接式量測與間接式量測,其中目前常用的量測方式多為間接式量測,其所量測到的感測器訊號包含有力、力矩、振動、聲射(Acoustic Emission)、電流、光、影像、熱、磁等物理量,為了瞭解刀具狀態與感測器信號之間的關聯性,統計方法與訊號處理便成為一大重點。因此如何能有效利用這些感測器所得到的不同的物理量,並依據這些感測到的物理量來建立一個辨識器,進而能更有效率且更精準地辨識加工刀具的狀態,是業界殷切想要處理的問題。
有鑒於此,本發明的其中一個目的乃在於提供一種回饋型隱藏式馬可夫模型辨識器的建立方法,進而建立出一個更佳的隱藏式馬可夫模型辨識器,能更準確地判斷目前的加工刀具的刀具狀態。
緣是,依據本發明所提供的一種回饋型隱藏式馬可夫模型辨識器的建立方法,其用以辨識一加工機具的一加工刀具的一刀具狀態,此加工機具包含有上述加工刀具與至少一個感測器,加工機具可通過加工刀具而對一工件進行加工作業,並且加工機具在進行加工作業時,上述至少一感測器能偵測加工機具在時域上的一組物理訊號,刀具狀態包含有一未磨耗狀態與一已磨耗狀態,上述辨識器的建立方法的步驟包含有:
產生在時域上的該組物理訊號;轉換該組物理訊號成頻域上的一組頻域訊號;從該組頻域訊號獲得對應於未磨耗狀態的複數個第一特徵向量以及對應於已磨耗狀態的複數個第二特徵向量;利用該等第一特徵向量與該等第二特徵向量而建立一隱藏式馬可夫模型辨識器,其中此一隱藏式馬可夫模型辨識器包含有對應於未磨耗狀態的一第一隱藏式馬可夫模型以及對應於已磨耗狀態的一第二隱藏式馬可夫模型,該隱藏式馬可夫模型辨識器具有一初始狀態機率矩陣;輸入該等第一特徵向量與該等第二特徵向量至上述建立後的隱藏式馬可夫模型辨識器以獲得複數個辨識結果,並依據該等辨識結果而獲得一辨識率;判斷辨識率是否大於或等於一最低期望辨識率,若辨識結果為是,使用目前的初始狀態機率矩陣的隱藏式馬可夫模型辨識器,並結束全部步驟,否則調整目前的辨識器的初始狀態機率矩陣,並重新執行輸入該等第一特徵向量與該等第二特徵向量的步驟。
藉此,通過再一次地將該等第一與第二特徵向量輸入至隱藏式馬可夫模型辨識器,並驗證辨識結果是否大於或等於最低期望辨識率,否則即重新調整隱藏式馬可夫模型辨識器,如此,所建立出的隱藏式馬可夫模型辨識器能具有更高的辨識率,因此在之後使用此辨識器來判斷加工刀具的刀具狀態時,辨識器能作出更準確的辨識結果。
在其中一個方面,是以快速傅立葉轉換的方式而將該組物理訊號轉換成該組頻域訊號,可有效降低資料分析的計算量,並可看出量測到的物理訊號在不同狀態時,有哪些特徵訊號可做為後續分析使用。
在另一個方面,是採用隨機搜尋法來重新調整初始狀態機率矩陣。
在另一個方面,是以一群組分離準則而從該組頻域訊號獲得該等第一特徵向量與該等第二特徵向量,藉以降低資料分析的計算量,並且剔除不必要的雜訊,降低雜訊對於辨識器的干擾。然而,也可能使用皮爾森相關係數分析的方式來獲得第一特徵向量與該等第二特徵向量。
在另一個方面,該至少一感測器的數量可為複數個,該等感測器能偵測加工刀具在時域上的複數組物理訊號,並且該複數組物理訊號中的至少二組是屬於不同的物理量。舉例來說,該等感測器可包含有一水平振動感測器、一垂直振動感測器與一聲射感測器(acoustic emission sensor),水平振動感測器是用以偵測加工刀具在對工件進行加工作業時加工刀具在時域上的一組水平振動訊號,垂直振動感測器用以偵測加工刀具在對工件進行加工作業時加工刀具在時域上的一組垂直振動訊號,聲射感測器用以偵測加工刀具在對工件進行加工作業時,加工機具在時域上發射的一組聲射訊號。該組水平振動訊號、垂直振動訊號與聲射訊號共同構成該複數組物理訊號,然本發明並不以此為限。
更具體而言,加工機具還可包含有一虎鉗,虎鉗用以夾持工件,並且該組聲射訊號是在加工刀具在對工件進行加工作業時從虎鉗上發出的。在其他可能的配置狀況下,聲射感測器可能架設於加工機具的不同位置,因此本發明並不以此為限。
在另一個方面,本發明的建立方法是可以通過不同種類的感測器來偵測不同種類的物理量,其中,本發明的建立方法是產生在時域上的該複數組不同種類的物理訊號,分別轉換該複數組物理訊號而成頻域上的複數組頻域訊號,從各該組頻域訊號獲得對應於該未磨耗狀態的複數個第一特徵訊號與對應於該已磨耗狀態的複數個第二特徵訊號,接續該等第一特徵訊號以形成該等第一特徵向量,並且接續該等第二特徵訊號以形成該等第二特徵向量。通過接續不同種類的特徵訊號,可有效地耦合感測器所感測到的加工刀具的不同行為模式,達成訊號互補的效果,使辨識器的辨識結果能更為精準。
以下實施例的內容是依據王崇穎的研究論文「回饋型隱藏式馬可夫模型於鎳基材料切削刀具磨耗多重感測器偵測系統開發」所撰寫的(指導教授為盧銘詮老師),因此以下實施例所揭露的範圍應及於上揭論文的全部內容,合先敘明。
為了詳細說明本發明的技術特點所在,茲舉以下的二個實施例並配合圖式說明如後,其中:
如第圖1所示,本發明的實施例所提供的回饋型隱藏式馬可夫模型辨識器的建立方法是應用於一加工機具10上,本實施例是以一銑床為例,並利用此銑床來切削一難切削的工件20(例如一個含鎳基合金的工件20)。加工機具10包含有一主軸11、一加工刀具12、一虎鉗13、與三個感測器14(包含一水平振動感測器14a、一垂直振動感測器14b與一聲射感測器14c),主軸11可受驅動而轉動,加工刀具12結合於主軸11,用以對工件20進行切削作業。虎鉗13是用於夾持工件20,於本實施例中虎鉗13為一可調整扭力的油壓虎鉗。水平振動感測器14a與垂直振動感測器14b於本實施例中實質為單軸加速規,其架設於主軸11上,用以量測加工刀具12在對工件20進行加工作業時,加工刀具12傳遞至主軸11的一組時域上的水平振動訊號與一組時域上的垂直振動訊號,單軸加速規會根據水平方向與垂直方向的振動量而對應地產生二組電壓訊號。聲射感測器14c是架設於虎鉗13上,聲射感測器14c是用以量測加工刀具12在對工件20進行加工作業時虎鉗13所產生的時域上的一組聲射(Acoustic Emission)訊號,並且聲射感測器14c在接收到聲射訊號時會對應地產生一組電壓訊號。上述三個感測器14所產生的三組電壓訊號會傳遞至一電腦30(內部含有介面卡)以進行數據分析。刀具狀態包含有一未磨耗狀態與一已磨耗狀態,而本實施例主要是要來建立一個回饋型隱藏式馬可夫模型辨識器,藉以辨識出加工刀具12是處於未磨耗狀態或者是已磨耗狀態。回饋型隱藏式馬可夫模型辨識器的建立方法包含有以下步驟,請配合參考圖2。
步驟S1:準備一組加工機具,架設工件20於虎鉗13上,將水平振動感測器14a與垂直振動感測器14b架設於主軸11上,並將聲射感測器14c識架設於虎鉗13上,讓水平振動感測器14a、垂直振動感測器14b與聲射感測器14c都電連接電腦30。
步驟S2:使用加工機具10對工件20進行一加工作業(即切削工件20),加工作業的進行過程中,上述三個感測器14將感測並產生加工機具10在時域上的三組物理訊號(即水平振動訊號、垂直振動訊號與聲射訊號),感測到的水平振動訊號請參考圖3,感測到的垂直振動訊號請參考圖4,感測到的聲射訊號請參考圖5。若加工刀具12的磨耗量大於或等於70μm則定義為已磨耗狀態(如圖6),小於70μm則定義為未磨耗狀態。
步驟S3:利用快速傅立葉轉換,以1秒作為選取窗格,將上述量測到的三組物理訊號(水平振動訊號、垂直振動訊號與聲射訊號)轉換為三組頻域上的頻域訊號,對應水平振動訊號的頻域訊號可參考圖7,對應垂直振動訊號的頻域訊號可參考圖8。
步驟S4:使用群組分離準則而分析上述頻域訊號對刀具磨耗的敏感度,並從中選取特徵選取指標值中比較高的三個頻域訊號作為特徵訊號,並且將上述特徵訊號接續為一個特徵向量。群組分離準則與特徵選取指標值的理論基礎可參考論文第10頁至第12頁。於本實施例中,是獲得對應於未磨耗狀態的250筆第一特徵向量以及對應於已磨耗狀態的250筆第二特徵向量。
步驟S5:利用在步驟S4中所獲得的多個第一特徵向量與第二特徵向量而建立一隱藏式馬可夫模型辨識器,其中隱藏式馬可夫模型辨識器包含有對應於未磨耗狀態的一第一隱藏式馬可夫模型以及對應於已磨耗狀態的一第二隱藏式馬可夫模型,並且隱藏式馬可夫模型辨識器具有一初始狀態機率矩陣。
步驟S6:建立隱藏式馬可夫模型辨識器之後,重新再將對應於未磨耗狀態的250筆第一特徵向量以及250筆第二特徵向量輸入至隱藏式馬可夫模型辨識器以獲得250個辨識結果,之後依據獲得的250個辨識結果來獲得一辨識率。
步驟S7:判斷步驟S6中所得到的辨識率是否大於或等於一最低期望辨識率,最低期望辨識率可由使用者自訂,例如本實施例是設定95%。如果辨識率是大於或等於最低期望辨識率,則使用目前的初始狀態機率矩陣的隱藏式馬可夫模型辨識器(步驟S8),並結束全部步驟;如果辨識率小於最低期望辨識率,則以隨機搜尋法來調整目前的隱藏式馬可夫模型辨識器的初始狀態機率矩陣(步驟S9),隨機搜尋法是採用隨機分配的方式來決定初始狀態機率矩陣內的各元素的數值。之後回到步驟S6,重新輸入第一特徵向量與第二特徵向量並計算辨識率,直到隱藏式馬可夫模型辨識器能夠調整到辨識率高於最低期望辨識率。
通過上述步驟S6至步驟S9的一回饋機制,確保在步驟S8中所獲得的隱藏式馬可夫模型辨識器的辨識率能夠大於或等於最低期望辨識率。須說明的是,在上述建立方法中,也可以單純使用一個感測器14來量測一組物理訊號,並依據這一組物理訊號來取得未磨耗狀態與已磨耗狀態的第一特徵向量與第二特徵向量,並建立隱藏式馬可夫辨識器。當然,在上述建立方法的步驟中,接續不同頻域訊號(對應於不同物理量的物理訊號)而形成的第一特徵向量與第二特徵向量來建立隱藏式馬可夫辨識器,根據實際的分析結果是具有較高的辨識率。
因此,使用者便能使用上述方法所建立的隱藏式馬可夫模型辨識器來辨識刀具狀態。其辨識步驟說明如下,請參考圖9。
步驟: ST1:於加工機具10上,通過一個(或多個)感測器14而獲得加工機具10的一組(或多組)物理訊號,此組物理訊號是對應於未知刀具狀態,並且不是用來建立上述隱藏式馬可夫模型辨識器。
步驟: ST2:通過快速傅立葉轉換,將上述物理訊號轉換成一組頻域訊號。
步驟: ST3:從頻域訊號中選取功率譜(power spectrum)中較高者,將之接續成多個特徵向量。
步驟: ST4:將特徵向量輸入至上述建立的隱藏式馬可夫模型辨識器而獲得一辨識結果,藉以辨識加工刀具12的刀具狀態是呈未磨耗狀態或呈已磨耗狀態。
本發明另提供一種辨識系統的建立方法,請參考圖10。第二實施例的辨識系統的辨識方法同樣是用以辨識一加工刀具12的一刀具狀態,加工機具10的架構與第一實施例均相同,於此不做重複說明。建立方法的步驟包含有:
利用加工機具10的每一個感測器14所感測的每一組物理訊號,以及第一實施例中隱藏式馬可夫模型辨識器的的建立方法,分別一對一地建立複數個隱藏式馬可夫模型辨識器。於本實施例中,由於感測器14有三個,因此感測到的物理訊號共有三組,因此將對應地建立了三個隱藏式馬可夫模型辨識器。
利用該等隱藏式馬可夫模型辨識器而建立一辨識系統,其中辨識系統與該等隱藏式馬可夫模型辨識器符合以下的一關係式:
;其中,FD為辨識系統,n為複數組物理訊號的組的數量,S
n為對應於各組物理訊號的各個隱藏式馬可夫模型辨識器,並且α
n為各個隱藏式馬可夫模型辨識器的權重。
通過個別的建立不同的辨識器,並對每個辨識器設定權重,可使辨識系統具有運算速度較快、融合架構簡單之優點。
最後,必須再次說明的是,本發明於前述實施例中所揭露的各步驟僅為舉例說明,並非用來限制本案之範圍,舉凡其他易於思及的步驟變化,亦應為本案之申請專利範圍所涵蓋。
10:加工機具
11:主軸
12:加工刀具
13:虎鉗
14:感測器
14a:水平振動感測器
14b:垂直振動感測器
14c:聲射感測器
20:工件
30:電腦
有關回饋型隱藏式馬可夫模型辨識器的建立方法的詳細步驟及其特點將於以下的實施例予以說明,然而,應能理解的是,以下將說明的實施例以及圖式僅只作為示例性地說明,其不應用來限制本發明的申請專利範圍,其中:
圖1係實施例的加工機具的方塊示意圖;
圖2係實施例的建立方法的方法流程圖;
圖3係實施例的水平振動訊號與時間的關係圖;
圖4係實施例的垂直振動訊號與時間的關係圖;
圖5係實施例的聲射訊號與時間的關係圖;
圖6係實施例的加工刀具呈已磨耗狀態的照片;
圖7與圖8係實施例的頻域訊號與頻率的關係圖;
圖9係實施例的辨識方法的方法流程圖;以及
圖10係實施例的辨識系統的建立方法的方法流程圖。
S1-S9:步驟
Claims (9)
- 一種回饋型隱藏式馬可夫模型辨識器的建立方法,用以辨識一加工機具的一加工刀具的一刀具狀態,該加工機具包含有該加工刀具與至少一感測器,該加工機具可通過該加工刀具而對一工件進行加工作業,並且該加工機具在進行加工作業時,該至少一感測器能偵測該加工機具在時域上的一組物理訊號,該刀具狀態包含有一未磨耗狀態與一已磨耗狀態,該建立方法的步驟包含有: 產生在時域上的該組物理訊號; 轉換該組物理訊號成頻域上的一組頻域訊號; 從該組頻域訊號獲得對應於該未磨耗狀態的複數個第一特徵向量以及對應於該已磨耗狀態的複數個第二特徵向量; 利用該等第一特徵向量與該等第二特徵向量而建立一隱藏式馬可夫模型辨識器,其中該隱藏式馬可夫模型辨識器包含有對應於該未磨耗狀態的一第一隱藏式馬可夫模型以及對應於該已磨耗狀態的一第二隱藏式馬可夫模型,該隱藏式馬可夫模型辨識器具有一初始狀態機率矩陣; 輸入該等第一特徵向量與該等第二特徵向量至上述建立後的該隱藏式馬可夫模型辨識器以獲得複數個辨識結果,並依據該等辨識結果而獲得一辨識率; 判斷該辨識率是否大於或等於一最低期望辨識率,若辨識結果為是,使用目前的該初始狀態機率矩陣的該隱藏式馬可夫模型辨識器,並結束全部步驟,否則調整該初始狀態機率矩陣,並重新執行輸入該等第一特徵向量與該等第二特徵向量的步驟。
- 如請求項1所述的建立方法,其中是以快速傅立葉轉換的方式而將該組物理訊號轉換成該組頻域訊號。
- 如請求項1所述的建立方法,其中是採用隨機搜尋法來重新調整該初始狀態機率矩陣。
- 如請求項1所述的建立方法,其中是以一群組分離準則而從該組頻域訊號獲得該等第一特徵向量與該等第二特徵向量。
- 如請求項1所述的建立方法,其中該至少一感測器的數量為複數個,該等感測器能偵測該加工刀具在時域上的複數組物理訊號,並且該複數組物理訊號中的至少二組是屬於不同的物理量。
- 如請求項5所述的建立方法,其中該等感測器包含有一水平振動感測器、一垂直振動感測器與一聲射感測器,該水平振動感測器用以偵測該加工刀具在對該工件進行加工作業時該加工刀具在時域上的一組水平振動訊號,該垂直振動感測器用以偵測該加工刀具在對該工件進行加工作業時該加工刀具在時域上的一組垂直振動訊號,該聲射感測器用以偵測該加工刀具在對該工件進行加工作業時,該加工機具在時域上發射的一組聲射訊號,該組水平振動訊號、該組垂直振動訊號與該組聲射訊號共同構成該複數組物理訊號。
- 如請求項6所述的建立方法,其中該加工機具還包含有一虎鉗,該虎鉗用以夾持該工件,並且該組聲射訊號是在該加工刀具在對該工件進行加工作業時從該虎鉗發出的。
- 如請求項5所述的建立方法,其中是產生在時域上的該複數組物理訊號,分別轉換該複數組物理訊號而成頻域上的複數組頻域訊號,從各該組頻域訊號獲得對應於該未磨耗狀態的複數個第一特徵訊號與對應於該已磨耗狀態的複數個第二特徵訊號,接續該等第一特徵訊號以形成該等第一特徵向量,並且接續該等第二特徵訊號以形成該等第二特徵向量。
- 一種辨識系統的建立方法,用以辨識一加工機具的一加工刀具的一刀具狀態,該加工機具包含有該加工刀具與複數個感測器,該加工機具可通過該加工刀具而對一工件進行加工作業,並且該加工機具在進行加工作業時,該等感測器能偵測該加工刀具在時域上的複數組物理訊號,該刀具狀態包含有一未磨耗狀態與一已磨耗狀態,該建立方法的步驟包含有: 利用各該組物理訊號與如請求項1所述的建立方法,分別一對一地建立複數個隱藏式馬可夫模型辨識器; 利用該等隱藏式馬可夫模型辨識器而建立一辨識系統,其中該辨識系統與該等隱藏式馬可夫模型辨識器符合以下的一關係式: ; 其中,FD為該辨識系統,n為該複數組物理訊號的組的數量,S n為對應於各該組物理訊號的各該隱藏式馬可夫模型辨識器,並且α n為各該隱藏式馬可夫模型辨識器的權重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108122414A TWI687696B (zh) | 2019-06-26 | 2019-06-26 | 回饋型隱藏式馬可夫模型辨識器的建立方法與基於此辨識器的辨識系統的建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108122414A TWI687696B (zh) | 2019-06-26 | 2019-06-26 | 回饋型隱藏式馬可夫模型辨識器的建立方法與基於此辨識器的辨識系統的建立方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI687696B true TWI687696B (zh) | 2020-03-11 |
TW202101012A TW202101012A (zh) | 2021-01-01 |
Family
ID=70767354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108122414A TWI687696B (zh) | 2019-06-26 | 2019-06-26 | 回饋型隱藏式馬可夫模型辨識器的建立方法與基於此辨識器的辨識系統的建立方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI687696B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030153021A1 (en) * | 2001-12-06 | 2003-08-14 | Arbor Vita Corporation | Effective monitoring system for anthrax smallpox, or other pathogens |
TW201226100A (en) * | 2010-12-28 | 2012-07-01 | Nat Univ Chung Hsing | Method and device to detect the state of cutting tool in machine tool |
EP2341062B1 (en) * | 2001-10-11 | 2017-03-29 | Wyeth Holdings LLC | Novel immunogenic compositions for the prevention and treatment of meningococcal disease |
TW201738677A (zh) * | 2016-03-23 | 2017-11-01 | Nec Corp | 資料處理裝置、資料處理系統、資料處理方法以及程式 |
CN107756139A (zh) * | 2016-08-18 | 2018-03-06 | 王智中 | 刀具状态检测系统及其方法 |
TW201818066A (zh) * | 2016-11-01 | 2018-05-16 | 日商迪思科股份有限公司 | 刮痕檢測方法 |
-
2019
- 2019-06-26 TW TW108122414A patent/TWI687696B/zh active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2341062B1 (en) * | 2001-10-11 | 2017-03-29 | Wyeth Holdings LLC | Novel immunogenic compositions for the prevention and treatment of meningococcal disease |
US20030153021A1 (en) * | 2001-12-06 | 2003-08-14 | Arbor Vita Corporation | Effective monitoring system for anthrax smallpox, or other pathogens |
TW201226100A (en) * | 2010-12-28 | 2012-07-01 | Nat Univ Chung Hsing | Method and device to detect the state of cutting tool in machine tool |
TW201738677A (zh) * | 2016-03-23 | 2017-11-01 | Nec Corp | 資料處理裝置、資料處理系統、資料處理方法以及程式 |
CN107756139A (zh) * | 2016-08-18 | 2018-03-06 | 王智中 | 刀具状态检测系统及其方法 |
TW201818066A (zh) * | 2016-11-01 | 2018-05-16 | 日商迪思科股份有限公司 | 刮痕檢測方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202101012A (zh) | 2021-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Prasad et al. | Correlation between vibration amplitude and tool wear in turning: Numerical and experimental analysis | |
US6640205B2 (en) | Method and device for investigating and identifying the nature of a material | |
Guo et al. | An integrated wireless vibration sensing tool holder for milling tool condition monitoring with singularity analysis | |
JP2006519709A (ja) | 機械加工用ダイナミクス計器 | |
Byrne et al. | An integrated force sensor solution for process monitoring of drilling operations | |
Zhang et al. | Stress field analysis in orthogonal cutting process using digital image correlation technique | |
Suhail et al. | Surface roughness identification using the grey relational analysis with multiple performance characteristics in turning operations | |
CN108638076B (zh) | 一种六自由度串联机器人铣削加工三维稳定性预测方法 | |
Feng et al. | Inverse analysis of the cutting force in laser-assisted milling on Inconel 718 | |
CN109175417B (zh) | 一种车削工件准静态变形的理论计算及动变形的实测方法 | |
TWI542439B (zh) | 切削加工參數估測裝置及其方法 | |
CN108469784A (zh) | 适用于数控机床加工状态的模态参数的测量装置及方法 | |
Kęcik et al. | Stability lobes analysis of nickel superalloys milling | |
Ramirez-Nunez et al. | Smart-sensor for tool-breakage detection in milling process under dry and wet conditions based on infrared thermography | |
Suhail et al. | Workpiece surface temperature for in-process surface roughness prediction using response surface methodology | |
TWI687696B (zh) | 回饋型隱藏式馬可夫模型辨識器的建立方法與基於此辨識器的辨識系統的建立方法 | |
Quintana et al. | Mechanistic models for the forces in FSW of aluminum alloy 5052-H34 | |
CN115099266A (zh) | 一种基于梯度提升决策树的硬车表面白层预测方法 | |
CN105929128A (zh) | 一种测定钛合金tc4本构方程的方法 | |
Mandal | Applicability of tool condition monitoring methods used for conventional milling in micromilling: A comparative review | |
CN114139772A (zh) | 一种基于优化广义回归神经网络预测工件表面质量的方法 | |
Kurniawan et al. | FE simulation, analytical prediction, and experimentation of cutting force in longitudinal vibration-assisted milling (LVAM) during Ti-6Al-4 V cutting | |
Chang et al. | Chatter analysis and stability prediction of milling tool based on zero-order and envelope methods for real-time monitoring and compensation | |
JP4358137B2 (ja) | 切削加工時の異常振動診断方法および異常振動診断システム | |
JP6797599B2 (ja) | 材料の変形特性値を測定する方法 |