近期研究
集成实时刀具磨损状态信息的铣削表面粗糙度辨识
为了实现对难加工类薄壁件加工质量的精确识别，通过构建边-云协同使能的分布式模型，将刀具磨损状态信息融合到了表面粗糙度监测中，并通过对分布式模型的敏捷配置保障了多工况下的识别效率。基于所提出的信道-特征综合过滤和自适应融合方法，避免了薄壁切削系统的非稳定动态特性因素对特征向量分布的影响，实现了对航空类钛合金薄壁件加工表面粗糙度的智能监测。
论文于 2024 年 11 月 15 日发表于中科院 1 区 Top 期刊 Int J Mech Sci。
文章链接：https://doi.org/10.1016/j.ijmecsci.2024.109821
融入领域知识的航空类薄壁件高速铣削刀具磨损监测
与现有研究通过复杂化的模型和特征空间提高识别精度的方法不同，本研究中提出了基于领域知识的刀具磨损监测方法以解决航空叶轮、叶片等薄壁件高速铣削中的随机扰动影响问题。所提出的方法将监测精度提升了 7%的同时将模型参数数量降低了 5.65 倍以上，为构建高性能加工过程数字孪生提供了途径。并且公开了包含多个刀具全生命周期加工数据的高性能切削数据集，为未来的高性能切削刀具状态监测、切削状态异常检测等研究奠定了基础。
论文于 2024 年 1 月 16 日发表于中科院 1 区 Top 期刊 Robot Cim-int Manuf。
文章链接：https://doi.org/10.1016/j.rcim.2024.102723
铣削刀具状态自适应监测模型
针对切削信号特征工程中的人工经验依赖问题，通过建立局部-时间特征的自适应融合策略，开发了不需要人工经验的刀具状态监测模型，即自适应监测模型。同时，本研究中所提出的融合性能预先评估方法，能够在模型训练前预先评估融合特征的性能表现，从而避免机器学习模型反复训练的繁琐过程，为刀具状态监测系统的标准化应用推广提供了理论参考。
论文于 2023 年 3 月 17 日发表于中科院 1 区 Top 期刊 Mech Syst Signal Pr。
文章链接：https://doi.org/10.1016/j.ymssp.2023.110310
薄壁件壁件铣削信号特征自适应强化方法
难加工薄壁零件高速铣削信号特征的弱表现性能是制约高性能加工过程监控技术发展的关键因素之一，为了突破铣削刀具磨损监测依赖于特定传感通道的技术瓶颈，本研究通过对切削信号特征的惩罚和强化，提出了具有传感泛化能力的刀具磨损监测算法，所提出方法将铣削信号局部特征的性能表现提高了 59.41%，铣削实验表明所开发的刀具状态监测模型能够稳健地适应于多种切削工况。
论文于 2023 年 2 月 27 日发表于中科院 1 区 Top 期刊 J Manuf Syst。