异形螺杆加工刀具状态监控及在线补偿技术研究
|
摘要
刀具状态监控是异形螺杆加工过程关键的技术之一，对刀具状态监控可以降低制造成本，减少制造环境的危害，保证产品质量。为此，论文针对异形螺杆加工刀具，建立了刀具磨、破损数学模型，开发了刀具监控系统，实现了刀具磨损在线补偿和破损预报。
论文主要研究内容：
(1)异形螺杆加工过程刀具状态的分析及信号检测。在异形螺杆加工刀具磨、破损机理分析的基础上，对各种典型加工过程状态信号进行对比，以能够充分反映刀具磨、破损状态的振动信号和功率信号作为研究对象，经过传感器安装、采样程序的编制、数据模／数转换，完成了信号检测。
(2)基于小波分析的振动信号特征提取。加工过程中振动信号在某个频带内幅值的变化，能够充分表征刀具的当前情况。采用小波变换技术构造滤波器组并提取刀具磨、破损特征信号。利用该特征信号建立了振动幅值变化与刀具状态的映射关系，从而计算出基于振动信号的刀具状态特征值，定性的识别出刀具磨、破损状态。
(3)基于统计分析的功率信号特征提取。原始功率信号能够很好的反映螺杆加工中切削参数的变化，但其中所包含的刀具磨损信息却没有明显的体现出来。因此，本文采用统计分析技术，通过对信号均方根处理提取出刀具磨损特征信号。该特征信号既反映出了切削参数的变化规律，同时又明显的反映出了刀具磨损的变化规律。因此，依据该信号计算得到的刀具磨损特征值能够定性的识别出刀具磨损状态。
(4)刀具磨、破损数学模型的建立。在建立刀具磨损数学模型时，本文提出了具有多信息、多参数融合的智能建模方法。该方法以振动、功率特征信号作为系统输入，刀具磨损量作为系统的输出，基于ANFIS建立输入输出的映射关系，从而建立刀具磨损模型，定量的识别出螺杆加工中刀具磨损的程度。
在建立刀具破损数学模型时，为了实现实时预测振动信号特征值的变化情况，本文按照非线性系统辨识步骤，进行非线性特征检验，选择模型描述方法，采用最小二乘法进行参数估计，最终得到加工长度和振动信号特征值这一非线性系统方程，并实现破损特征值的预测。
(5)刀具监控系统的开发。首先，开发了刀具长度补偿算法，基于该算法和建
Tool condition monitoring is the key technology in automatic processes, which plays an important role in milling special spiral rod by reducing manufacturing cost & environment pollution, ensuring production quality, and improving automation degree. In this dissertation, the mathematical model of tool wear and breakage is first setup, and then the tool condition monitoring system is developed to achieve on-line tool dimension compensation and tool breakage prediction.
The main research contents of the dissertation are summarized as follows:
(1) Tool condition analysis and signal detection
First tool wear and breakage mechanism in rod milling is analyzed and all typical fettle signals are contrasted. Then the vibration signal and power signal which can fully reflect the tool state are adopted as the research object. Finally signals are detected through sensor installment, sampling program establishment and A/D transform.
(2) Feature extraction of vibration signals based on wavelet transform.
During the process of milling special spiral rod, vibration signals in a certain frequency strip can fully reflect the current tool state. So group filtering via wavelet transform is constructed first. And tool wear & breakage character signals are extracted based on which vibration amplitude change and tool state is mapped. Thereby eigenvalue of tool condition is calculated, and tool wear & breakage condition is identified qualitatively.
(3) Feature extraction of Power signals based on statistics technique.
Original power signal can only reflect the change of milling parameter, but not the tool wear information. Hence the statistics technique is adopted to dispose the original power signal by root-mean-square, which is then regressed to the smooth curve and regarded as the tool wear character signal. The character signal can sufficiently reflect tool wear and cutting parameter change, therefore the qualitative identification of tool wear condition is realized.
(4) Tool wear and breakage model building based on the sensor fusion.
论文主要研究内容：
(1)异形螺杆加工过程刀具状态的分析及信号检测。在异形螺杆加工刀具磨、破损机理分析的基础上，对各种典型加工过程状态信号进行对比，以能够充分反映刀具磨、破损状态的振动信号和功率信号作为研究对象，经过传感器安装、采样程序的编制、数据模／数转换，完成了信号检测。
(2)基于小波分析的振动信号特征提取。加工过程中振动信号在某个频带内幅值的变化，能够充分表征刀具的当前情况。采用小波变换技术构造滤波器组并提取刀具磨、破损特征信号。利用该特征信号建立了振动幅值变化与刀具状态的映射关系，从而计算出基于振动信号的刀具状态特征值，定性的识别出刀具磨、破损状态。
(3)基于统计分析的功率信号特征提取。原始功率信号能够很好的反映螺杆加工中切削参数的变化，但其中所包含的刀具磨损信息却没有明显的体现出来。因此，本文采用统计分析技术，通过对信号均方根处理提取出刀具磨损特征信号。该特征信号既反映出了切削参数的变化规律，同时又明显的反映出了刀具磨损的变化规律。因此，依据该信号计算得到的刀具磨损特征值能够定性的识别出刀具磨损状态。
(4)刀具磨、破损数学模型的建立。在建立刀具磨损数学模型时，本文提出了具有多信息、多参数融合的智能建模方法。该方法以振动、功率特征信号作为系统输入，刀具磨损量作为系统的输出，基于ANFIS建立输入输出的映射关系，从而建立刀具磨损模型，定量的识别出螺杆加工中刀具磨损的程度。
在建立刀具破损数学模型时，为了实现实时预测振动信号特征值的变化情况，本文按照非线性系统辨识步骤，进行非线性特征检验，选择模型描述方法，采用最小二乘法进行参数估计，最终得到加工长度和振动信号特征值这一非线性系统方程，并实现破损特征值的预测。
(5)刀具监控系统的开发。首先，开发了刀具长度补偿算法，基于该算法和建
Tool condition monitoring is the key technology in automatic processes, which plays an important role in milling special spiral rod by reducing manufacturing cost & environment pollution, ensuring production quality, and improving automation degree. In this dissertation, the mathematical model of tool wear and breakage is first setup, and then the tool condition monitoring system is developed to achieve on-line tool dimension compensation and tool breakage prediction.
The main research contents of the dissertation are summarized as follows:
(1) Tool condition analysis and signal detection
First tool wear and breakage mechanism in rod milling is analyzed and all typical fettle signals are contrasted. Then the vibration signal and power signal which can fully reflect the tool state are adopted as the research object. Finally signals are detected through sensor installment, sampling program establishment and A/D transform.
(2) Feature extraction of vibration signals based on wavelet transform.
During the process of milling special spiral rod, vibration signals in a certain frequency strip can fully reflect the current tool state. So group filtering via wavelet transform is constructed first. And tool wear & breakage character signals are extracted based on which vibration amplitude change and tool state is mapped. Thereby eigenvalue of tool condition is calculated, and tool wear & breakage condition is identified qualitatively.
(3) Feature extraction of Power signals based on statistics technique.
Original power signal can only reflect the change of milling parameter, but not the tool wear information. Hence the statistics technique is adopted to dispose the original power signal by root-mean-square, which is then regressed to the smooth curve and regarded as the tool wear character signal. The character signal can sufficiently reflect tool wear and cutting parameter change, therefore the qualitative identification of tool wear condition is realized.
(4) Tool wear and breakage model building based on the sensor fusion.
引文
1. A. Novak, H. Wiklund. On-Line Prediction of the Tool Life[J], Annals of CIRP. 1996, 45 (1): 93-96
2. Petrie A. M, McEntee S. Application of neural networks for tool wear and product quality monitoring in manufacturing processes. IEE Conference Publication Proceedings of the 4th International Conference on Factory 2000-Advanced Factory Automation, Oct 3-5 1994:116-123
3. B. Bahr, S. Motavalli, T. Arfi. Sensor Fusion for Monitoring Machine Tool Conditions[J], International Journal of Machine Tools & Manufacture. 1997, 10 (5): 314-323
4．雷继荣．刀具监控技术的现状与发展[M]．组合机床与自动化加工技术，1995(5)：32-37
5. Jemielniak Krzysztof, Kwiatkowski Leszek, Wrzosek Pawel. Diagnosis of tool wear based on cutting forces and acoustic emission measures as inputs to a neural network[J], Journal of Intelligent Manufacturing. 1998, 9 (5): 447-455
6．李慧军．切削力信号处理及刀具破损监测技术的研究[D]，北京：北京航空航天大学，1996
7. R Bertok. S. Takata, J. Matsushina, J. Ootsuka, T. Sata. A system for monitoring the machining operation by a referring to predicted cutting torque pattern[J], CIRP. 1983, 32(1): 439-443
8. K. Matsushima, P. Bertok, T. Sata. In process detection of tool breakage by monitoring the spindle current of a machine tool[J], ASMEJ. Of Measurement and Control for Batch Manufacturing. 1982:145-154
9. S. Kim, B. E. Klamecki. Milling cutter wear monitoring using spindle shaft vibration[J], ASMEJ. Of Manufacturing Science and Eng. 1997, (119): 118-119
10. S. M. Pandit. Data Dependent System Strategy of On-line Tool Wear Sensing[J], J. Engng. Ind. 1982:217-223
11. Ravindra H. V, Srinivasa Y. G, Krishnamurthy R. Acoustic emission for tool condition monitoring in metal cutting[J], Wear. 1997, 212 (1): 78-84
12. Narayanan Siva Bala, Fang Jing, Bernard Gary, Atlas Les. Feature representations for??monitoring of tool wear[C], IEEE International Conference on Acoustics, Speech and Signal. 1994, (6): 137-140
13. Quan Y, Zhou M, Luo Z. On-line robust identification of tool-wear via multi-sensor neural-network fusion[J], Engineering Applications of Artificial Intelligence. 1998, 11 (6): 717-722
14. Wang Haili, Shao hua. On-line Tool Breakage Monitoring in Turning Using Motor Power and AE Sensors[C], ICPMT' 2000, 600-605
15．徐春广，王信义，邢济收．FMS刀具切削状态实时在线监控智能系统[J]，机械工程学报，1998，34(6)：41-47
16. Rangwala S, Dornfeld D A. Sensor Integration Using Neural Networks for Intelligent Tool Condition Monitoring[J], ASME Journal of Engineering for Industry, 1990 (112): 219-228
17. Dornfeld D. Neural Network Sensor Fusion for Tool Condition Monitoring[J], Annals of CIRP, 1990, 39(1): 101-105
18. Masory C. Monitoring Machining Processes Using Multi-Sensor Readings Fused by Artificial Neural Network[C], 7th International Conference on Computer Aided Production Engineering, 1991, 261-270
19．姚英学，王东鹏，袁哲俊．HIT-TMS-100型刀具破损监控系统的研制[J]，组合机床与自动化加工技术，1995(2)：6-10
20．罗振壁，杨世明．刀具磨／破损监控原理的研究[J]，机械工艺师，1996(4)：4-6
21．罗振壁，杨世明，郑力．刀具磨／破损监控仪的研究[J]，机械工艺师，1996(5)：4-6
22．梁积中，雷鸣，吴雅．加工中心镗削刀具磨损检测研究[J]，组合机床与自动化加工技术，1995(2)：2-5
23．杨青，王东鹏，马玉林．用于车削中心的刀具智能实时检测系统[J]，组合机床与自动化加工技术，1997(3)：26-29
24．唐英，孙荣平，陈克兴．刀具切削状态智能监测系统研究[J]，组合机床与自动化加工技术，1995(8)：23-26
25．温熙森，胡庆，邱静．模式识别与状态监控[M]，长沙：国防科技大学出版社，1997
26．张贤达．现代信号处理[M]，北京：清华大学出版社，1995
27．王玉平，蔡云龙．小波分析在信号处理中的应用[M]，无线电工程，1994，24(3)：11-18
28. Tansel. N, Mekdeci. C, Mclanghhlin. C. Detection of Tool Failure in End Milling??with Wavelet Transformations and Neural Networks[J], Int. J. Mach. Tools & Manufacture. 1995, 35 (8): 1137-1147
29. Taused. Monitoring Drill Condition with Wavelet Based Encoding and Neutral Networks[J], Int. J. Mach. Tools & Manufacture. 1993, 33(4):559-575
30. N Kasashima, K Mori, G Herrera. Online Failure Detection in Face Milling Using Discrete Wavelet Transform[J], Annals of the CIRP. 1996,44(1):483-487
31. Y Wu, R Du. Feature Extraction and Assessment using Wavelet Packets for Monitoring of Machining Process[J], Mechanical Systems and Signal Process. 1996,10(1):29-53
32. Li Xiaoli. On-line Detection of the Breakage of Small Diameter Drills Using Current Signature Wavelet Transform[J], Int. J. Mach. Tools & Manufacture, 1999, 39(1):157-164
33．龚至豪，苏中．一种基于模式识别的刀具磨损监测方法[J]，北京理工大学学报，1993，13(3)
34. P L Hsu, W R Fann. Fuzzy Adaptive Control of Machining Processes With a Self-Learning Algorithm[J], Transactions of the ASME Journal of Manufacturing Science and Engineering. 1996,118(12): 522-529
35. Bocklisch S F. A Diagnosis System Based on Fuzzy Classification[J], Computers in Industry. 1986(7): 73-82
36. Li P G, Wu S M. Monitoring Drilling Wear States by Fuzzy Pattern Recognition Technique[J], Journal of Engineering for Industry. 1988, 110(8): 297-300
37. Fu Pan, Hope A D, King G A. Fuzzy Neural Hybrid System for Condition Monitoring[C], Proceedings of the 1998 24th Annual Conference of the IEEE Industrial Electronics Society. 1998:1294-1299
38. Wang M, Zhu Y Z. Fuzzy Pattern Recognition of the Metal Cutting States[J], CIRP Annals. 1985,34(1): 133-136
39. J M Lee, D K Choi, J Kim. Real-Time Tool Breakage Monitoring for NC Milling Process[J], Annals of CIRP. 1995,44(1):59-62
40．李晓谦，蒋锡藩．FMS中基于多层神经网络诊断刀具状态的方法与系统[C]，第二届中国计算机集成制造系统(CIMS)学术会议论文集，深圳，1992，12：26-31
41. Purushothaman S, Srinivasa Y G. Procedure for Training an Artificial Neural Network with Application to Tool Wear Monitoring[J], International Journal of??Production Research. 1998, 36(6): 635-651
42. Zhu Mingquan, Cai Yongxia. Supervised Linear Feature Mapping Network and Its Application in Tool Wear Estimation[J], Chinese Journal of Lasers B (English Edition). 1997, (5): 1-6
43. Ko T J, Cho D W, Jung M Y. On-line Monitoring of Tool Breakage in Face Milling Using a Self-organized Neural Network[J], Journal of Manufacturing Systems. 1995,14(2): 80-90
44. Rangwala S, Dornfeld D. Sensor Integration Using Neural Networks for Intelligent Tool Condition Monitoring[J], Journal of Engineering for Industry. 1990,112(8): 219-228
45. Choudhury S K, Jain V K. On-line Monitoring of Tool Wear in Turning Using a Neural Network[J], International Journal of Machine Tool & Manufacture. 1999,39(3): 489-504
46. Ghasempoor A, Moore T N, Jeswiet J. On-line Wear Estimation Using Neural Networks[C], Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture. 1998,2(12): 105-112
47．李小俚，姚英学，袁哲俊．基于小波分析模糊神经网络刀具监控系统研究[J]，机械工程学报，1998，34(1)：59-63
48．王可．复杂异形螺旋曲面无瞬心包络铣削理论及应用技术研究[D]，天津：天津大学，2003
49．陈日曜．金属切削原理[M]，北京：机械工业出版社，1992
50. Thomas M. Detection of Tool Breakage using Vibration Data[C], Proc. Of the 13 th NAMRC, 4550
51．李小俚 董申著 先进制造中的智能监控技术[M]，北京科学出版社，1999
52．黄长艺，严普强主编．机械工程测试技术基础[M]，北京：机械工业出版社，2000
53．刘顺兰，吴杰．数字信号处理[M]，西安：西安电子科技大学出版社，2000
54．邓必鑫．信号分析基础[M]，北京：北京理工大学出版社，2001
55．杨福生．小波变换的工程分析与应用[M]，北京：科学出版社，2000
56．秦前清．实用小波分析[M]，西安：西安电子科技大学出版社，1998
57．许树新．基于小波分析的模具自由曲面数控加工故障监控的研究[D]，长春：吉林大学，2001
58．李光林，吕维雪．小波分析与信号处理[J]，山东工业大学学报，1996，(26)：??312-318
59．耿则勋．离散小波变换的快速变换[J]，解放军测绘学院学报，1997，14(1)：21-25
60．耿中行，屈梁生．小波包原理及其在机械故障诊断中的应用[J]，信号处理，1994，10(4)：244-249
61．吴延军，赵艳，吕维雪．小波包分解及其参数模型[J]，应用声学，1998，17(3)：25-29
62. Charles K.C. An introduction to Wavelets[M], New York, Academic Press, Inc. 1992
63. Wickerhauser M V. Lecture on Wavelet Packet Algorithms[M], Preprint, August15, 1991
64．徐南荣．系统辨识[M]，南京：东南大学出版社，1991
65．方崇智．过程辨识[M]，北京：清华大学出版社，1998
66．黄道平，朱学峰，周其节．基于广义Hammerstein模型的多变量非线性预测控制[J]，暨南大学学报(自然科学版)，1998，19(1)：13-19．
67. Bhat J, Chidamharan M.Madhavan K P. Adaptive internal model control of Hammerstein nonlinear systems[J], Chem Eng Comm, 1990, 177
68. Bhat J, Chidamharan M.Madhavan K P. Adaptive feedforward control of Hammerstein nonlinear systems[J], Int J Control, 1990, 51:237
69．潘力登，潘仰东编著．系统辨识与建模[M]，北京：化学工业出版社，2004
70．张颖，冯纯伯．随机线性多变量系统参数估计的偏差校正法[J]，控制与决策．1995，10(3)：265-269
71. Guidorzi R. Canonical structures in the identification of multivariable systems[J], Automatics, 1975, 11:361-374
72．路勇，姚英学．基于多参量状态信息融合的刀具磨损状态智能识别[J]，航空精密制造技术，1999，35(6)：26-30
73．雷彬．国外铣削刀具磨损量自动检测方法综述[J]，军械工程学院学报，1999，11(2)：73-77
74．邵华，王海丽．SJ-FMS刀具状态功率监控系统[J]，机械设计与研究，1997(3)：44-46
75．冯本法，张玉峰等．刀具磨损、破损用功率传感器的研究[J]，机床，1992(2)：27-29
76．徐顺利，崔凤魁．用切削功率进行刀具磨损在线监测的研究[J]，轴承，1995(8)：16-18
77．刘志艳，王军．用声发射和电机电流检测技术实现刀具破损的监测[J]，机械，??1999，26(4)：12-14
78．宫兴祯，唐宗军等．异形螺杆加工过程基于振动信号的系统辨识[J]，制造业自动化，2000，22(5)：35-36
79．刘钟，朱名铨．刀具状态监测的信息处理技术[J]，航空工艺技术，1996(5)：35-37
80．贾伯年，俞朴主编．传感器技术[M]，南京：东南大学出版社，2000
81．严钟豪，谭祖根主编．非电量电测技术[M]，北京：机械工业出版社，1988
82．彭侠夫，杨翠娥．用VC++实现数据转换卡PCL-812PG的操作[J]，信息技术，2001(6)：51-52
83．龚烈航，程刚．PCL-812PG卡及其在自动控制中的应用[J]，仪表技术，1997(6)：5-7
84. PCL-812PG Enhanced MULTI-LAB User's Manual
85. PC-LabCard Software Driver User's Manual
86．李克鲁，王霞．小波变换的信息融合方法及结果评价[J]，国土资源遥感，1998(4)：46-52
87. Daubechies I.Orthonormal Bases of Compactly Supported Wavelet.Commn.Pure[J], Appl.Math, 1988, 41:909-996
88．徐铭陶，秦树人等．实施一维Mallat算法的几个问题[J]，重庆大学学报(自然科学版)，1997，20(1)：7-13
89．唐宗军，唐勇超．以提高异形螺杆加工效率为目的的控制策略研究[J]，组合机床与自动化加工技术，2000(3)：14-15
90．刘璨，陈统坚等．刀具失效研究发展动态综述[J]，机床与液压，2000(5)：3-5
91．路勇．加工工况信息远程监测与刀具磨损识别技术的研究[D]，哈尔滨：哈尔滨工业大学，2000
92．Lennart Ljunn. System identification theory for the users[M]. second edition．北京：清华大学出版社，2002．
93．陈显枝，陈冲．基于最小二乘改进算法的时变系统参数辨识[J]，福州大学学报(自然科学版)，2005，33(2)：163-166
94．郑阿奇主编．Visual Basic实用教程[M]，北京：电子工业出版社，2003．
95．张志涌．精通MATLAB(5.3版)[M]，北京：北京航空航天大学出版社，2000
96．精锐创作组．MATLAB6.0科学运算完整9解决方案[M]，北京：人民邮电出版社，2001
97．王立宁，乐光新等编著．MATLAB与通信仿真[M]，北京：人民邮电出版社，200098．王洪刚，韩文秀．基于MATLAB小波工具箱的开发与应用[J]，微型机与应用，2002(5)：52-54
99．陈逢时．子波变换理沦及其在信号处理中的应用[M]，北京：国防工业出版社，1998
100．杨蒲，郭立东．工频干扰环境下离散控制系统采样周期的确定原则[J]，仪器仪表学报，2003，24(2)：558-560
101．孙廷玉，蓝益鹏．微型机控制技术[M]，沈阳：东北大学出版社，2000
102．李玮，沈勇，董军．数控机床刀具补偿的应用研究[J]，云南民族大学学报(自然科学版)，2003，12(3)，：164-166
103. Rahman M, Heikkala J, Lappalainen K. Modeling measurement and error compensation of multi-axis machine tools[J], International Journal of Machine Tool&Manufacture, 2000, 40:1535-1546.
104．吴祖育，秦鹏飞等．数控机床[M]，上海：上海科技出版社，1992
105．毕承恩等．现代数控机床[M]，北京：机械工业出版社，1991
106．张宁菊，赵美林．数控加工中的刀具补偿[J]，机床与液压，2004(6)：168-198
107．邵俊朋等．机床数控技术[M]，哈尔滨：哈尔滨工业大学出版社，1996
108．李诚人．机床计算机数控[M]，西安：西北工业大学出版社，1988
109．冯勇等．现代数控系统[M]，北京：机械工业出版社，1998
110．雷思孝，李伯诚，雷向莉编著．单片机原理及实用技术——凌阳16位单片机原理及应用[M]，西安：西安电子科技大学出版社，2004
111．薛钧义．凌阳16位单片机原理及应用[M]，北京：北京航空航天大学出版社，2003
112．蓝志洋，黄明华．嵌入式系统硬件可靠性和抗干扰性技术[J]，现代电子技术，2005(14)：51-53
113．李强．单片机软件抗干扰编程技术的探讨[J]，计算机测量与控制，2003，11(4)：299-302
114．林宋，田建君编著．现代数控机床[M]，北京：化学工业出版社，2003
115．王爱玲，张吉堂等编著．现代数控原理及控制系统[M]，北京：国防工业出版社，2005
116．NUM自动控制功能编程手册梯形图语言，0101938846／7 NUM GROUPS SCHNEIDER
117．钟闻斌．龙门式钻镗床数控化改造的研究[D]，西安：西北工业大学，2000118．李杰，管子车床的数控改造设计[D]，沈阳：沈阳工业大学，2003
119. Schoop R, Neubert R, Suessmann B. Flexible manufacturing control with PLC, CNC and software agents[C]. Proceedings 5th International Symposium on Autonomous DecentralizedSystems. Dallas, TX, USA: IEEE Comput Soc, 2001:365-371
120. Kosmol J, Mrzyglod M, Reiner J, et al. Machine control systems-PLC and CNC controllers[A]. Automatic Production. Wroclaw[C]. Poland:Wydawnictwo Politech, 2000: 299-328.
121．张汉兵，叶伯生，杨道善．数控系统中内嵌式PLC梯形图编程的软件实现[J]，组合机床与自动化加工技术，2001(12)：26-28
122. NUM 1020/1040/1060/T Programming Manuals,2000
123．钟肇新，王灏编．可编程控制器入门教程：SIMATIC S7-200 SIMATIC S7-200[M]，广州：华南理工大学出版社，1999
124．程周．可编程序控制器原理与应用[M]，北京：高等教育出版社，2003
125．黄秀珍．变切削参数加工中盘铣刀的破损状态监控[D]，沈阳：沈阳工业大学，2002
126．蔡泽高等．金属磨损与断裂[M]，上海：上海交通大学出版社，1985
127．Moore D F，黄文治等译．摩擦学原理和应用[M]，北京：机械工业出版社，1982
2. Petrie A. M, McEntee S. Application of neural networks for tool wear and product quality monitoring in manufacturing processes. IEE Conference Publication Proceedings of the 4th International Conference on Factory 2000-Advanced Factory Automation, Oct 3-5 1994:116-123
3. B. Bahr, S. Motavalli, T. Arfi. Sensor Fusion for Monitoring Machine Tool Conditions[J], International Journal of Machine Tools & Manufacture. 1997, 10 (5): 314-323
4．雷继荣．刀具监控技术的现状与发展[M]．组合机床与自动化加工技术，1995(5)：32-37
5. Jemielniak Krzysztof, Kwiatkowski Leszek, Wrzosek Pawel. Diagnosis of tool wear based on cutting forces and acoustic emission measures as inputs to a neural network[J], Journal of Intelligent Manufacturing. 1998, 9 (5): 447-455
6．李慧军．切削力信号处理及刀具破损监测技术的研究[D]，北京：北京航空航天大学，1996
7. R Bertok. S. Takata, J. Matsushina, J. Ootsuka, T. Sata. A system for monitoring the machining operation by a referring to predicted cutting torque pattern[J], CIRP. 1983, 32(1): 439-443
8. K. Matsushima, P. Bertok, T. Sata. In process detection of tool breakage by monitoring the spindle current of a machine tool[J], ASMEJ. Of Measurement and Control for Batch Manufacturing. 1982:145-154
9. S. Kim, B. E. Klamecki. Milling cutter wear monitoring using spindle shaft vibration[J], ASMEJ. Of Manufacturing Science and Eng. 1997, (119): 118-119
10. S. M. Pandit. Data Dependent System Strategy of On-line Tool Wear Sensing[J], J. Engng. Ind. 1982:217-223
11. Ravindra H. V, Srinivasa Y. G, Krishnamurthy R. Acoustic emission for tool condition monitoring in metal cutting[J], Wear. 1997, 212 (1): 78-84
12. Narayanan Siva Bala, Fang Jing, Bernard Gary, Atlas Les. Feature representations for??monitoring of tool wear[C], IEEE International Conference on Acoustics, Speech and Signal. 1994, (6): 137-140
13. Quan Y, Zhou M, Luo Z. On-line robust identification of tool-wear via multi-sensor neural-network fusion[J], Engineering Applications of Artificial Intelligence. 1998, 11 (6): 717-722
14. Wang Haili, Shao hua. On-line Tool Breakage Monitoring in Turning Using Motor Power and AE Sensors[C], ICPMT' 2000, 600-605
15．徐春广，王信义，邢济收．FMS刀具切削状态实时在线监控智能系统[J]，机械工程学报，1998，34(6)：41-47
16. Rangwala S, Dornfeld D A. Sensor Integration Using Neural Networks for Intelligent Tool Condition Monitoring[J], ASME Journal of Engineering for Industry, 1990 (112): 219-228
17. Dornfeld D. Neural Network Sensor Fusion for Tool Condition Monitoring[J], Annals of CIRP, 1990, 39(1): 101-105
18. Masory C. Monitoring Machining Processes Using Multi-Sensor Readings Fused by Artificial Neural Network[C], 7th International Conference on Computer Aided Production Engineering, 1991, 261-270
19．姚英学，王东鹏，袁哲俊．HIT-TMS-100型刀具破损监控系统的研制[J]，组合机床与自动化加工技术，1995(2)：6-10
20．罗振壁，杨世明．刀具磨／破损监控原理的研究[J]，机械工艺师，1996(4)：4-6
21．罗振壁，杨世明，郑力．刀具磨／破损监控仪的研究[J]，机械工艺师，1996(5)：4-6
22．梁积中，雷鸣，吴雅．加工中心镗削刀具磨损检测研究[J]，组合机床与自动化加工技术，1995(2)：2-5
23．杨青，王东鹏，马玉林．用于车削中心的刀具智能实时检测系统[J]，组合机床与自动化加工技术，1997(3)：26-29
24．唐英，孙荣平，陈克兴．刀具切削状态智能监测系统研究[J]，组合机床与自动化加工技术，1995(8)：23-26
25．温熙森，胡庆，邱静．模式识别与状态监控[M]，长沙：国防科技大学出版社，1997
26．张贤达．现代信号处理[M]，北京：清华大学出版社，1995
27．王玉平，蔡云龙．小波分析在信号处理中的应用[M]，无线电工程，1994，24(3)：11-18
28. Tansel. N, Mekdeci. C, Mclanghhlin. C. Detection of Tool Failure in End Milling??with Wavelet Transformations and Neural Networks[J], Int. J. Mach. Tools & Manufacture. 1995, 35 (8): 1137-1147
29. Taused. Monitoring Drill Condition with Wavelet Based Encoding and Neutral Networks[J], Int. J. Mach. Tools & Manufacture. 1993, 33(4):559-575
30. N Kasashima, K Mori, G Herrera. Online Failure Detection in Face Milling Using Discrete Wavelet Transform[J], Annals of the CIRP. 1996,44(1):483-487
31. Y Wu, R Du. Feature Extraction and Assessment using Wavelet Packets for Monitoring of Machining Process[J], Mechanical Systems and Signal Process. 1996,10(1):29-53
32. Li Xiaoli. On-line Detection of the Breakage of Small Diameter Drills Using Current Signature Wavelet Transform[J], Int. J. Mach. Tools & Manufacture, 1999, 39(1):157-164
33．龚至豪，苏中．一种基于模式识别的刀具磨损监测方法[J]，北京理工大学学报，1993，13(3)
34. P L Hsu, W R Fann. Fuzzy Adaptive Control of Machining Processes With a Self-Learning Algorithm[J], Transactions of the ASME Journal of Manufacturing Science and Engineering. 1996,118(12): 522-529
35. Bocklisch S F. A Diagnosis System Based on Fuzzy Classification[J], Computers in Industry. 1986(7): 73-82
36. Li P G, Wu S M. Monitoring Drilling Wear States by Fuzzy Pattern Recognition Technique[J], Journal of Engineering for Industry. 1988, 110(8): 297-300
37. Fu Pan, Hope A D, King G A. Fuzzy Neural Hybrid System for Condition Monitoring[C], Proceedings of the 1998 24th Annual Conference of the IEEE Industrial Electronics Society. 1998:1294-1299
38. Wang M, Zhu Y Z. Fuzzy Pattern Recognition of the Metal Cutting States[J], CIRP Annals. 1985,34(1): 133-136
39. J M Lee, D K Choi, J Kim. Real-Time Tool Breakage Monitoring for NC Milling Process[J], Annals of CIRP. 1995,44(1):59-62
40．李晓谦，蒋锡藩．FMS中基于多层神经网络诊断刀具状态的方法与系统[C]，第二届中国计算机集成制造系统(CIMS)学术会议论文集，深圳，1992，12：26-31
41. Purushothaman S, Srinivasa Y G. Procedure for Training an Artificial Neural Network with Application to Tool Wear Monitoring[J], International Journal of??Production Research. 1998, 36(6): 635-651
42. Zhu Mingquan, Cai Yongxia. Supervised Linear Feature Mapping Network and Its Application in Tool Wear Estimation[J], Chinese Journal of Lasers B (English Edition). 1997, (5): 1-6
43. Ko T J, Cho D W, Jung M Y. On-line Monitoring of Tool Breakage in Face Milling Using a Self-organized Neural Network[J], Journal of Manufacturing Systems. 1995,14(2): 80-90
44. Rangwala S, Dornfeld D. Sensor Integration Using Neural Networks for Intelligent Tool Condition Monitoring[J], Journal of Engineering for Industry. 1990,112(8): 219-228
45. Choudhury S K, Jain V K. On-line Monitoring of Tool Wear in Turning Using a Neural Network[J], International Journal of Machine Tool & Manufacture. 1999,39(3): 489-504
46. Ghasempoor A, Moore T N, Jeswiet J. On-line Wear Estimation Using Neural Networks[C], Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture. 1998,2(12): 105-112
47．李小俚，姚英学，袁哲俊．基于小波分析模糊神经网络刀具监控系统研究[J]，机械工程学报，1998，34(1)：59-63
48．王可．复杂异形螺旋曲面无瞬心包络铣削理论及应用技术研究[D]，天津：天津大学，2003
49．陈日曜．金属切削原理[M]，北京：机械工业出版社，1992
50. Thomas M. Detection of Tool Breakage using Vibration Data[C], Proc. Of the 13 th NAMRC, 4550
51．李小俚 董申著 先进制造中的智能监控技术[M]，北京科学出版社，1999
52．黄长艺，严普强主编．机械工程测试技术基础[M]，北京：机械工业出版社，2000
53．刘顺兰，吴杰．数字信号处理[M]，西安：西安电子科技大学出版社，2000
54．邓必鑫．信号分析基础[M]，北京：北京理工大学出版社，2001
55．杨福生．小波变换的工程分析与应用[M]，北京：科学出版社，2000
56．秦前清．实用小波分析[M]，西安：西安电子科技大学出版社，1998
57．许树新．基于小波分析的模具自由曲面数控加工故障监控的研究[D]，长春：吉林大学，2001
58．李光林，吕维雪．小波分析与信号处理[J]，山东工业大学学报，1996，(26)：??312-318
59．耿则勋．离散小波变换的快速变换[J]，解放军测绘学院学报，1997，14(1)：21-25
60．耿中行，屈梁生．小波包原理及其在机械故障诊断中的应用[J]，信号处理，1994，10(4)：244-249
61．吴延军，赵艳，吕维雪．小波包分解及其参数模型[J]，应用声学，1998，17(3)：25-29
62. Charles K.C. An introduction to Wavelets[M], New York, Academic Press, Inc. 1992
63. Wickerhauser M V. Lecture on Wavelet Packet Algorithms[M], Preprint, August15, 1991
64．徐南荣．系统辨识[M]，南京：东南大学出版社，1991
65．方崇智．过程辨识[M]，北京：清华大学出版社，1998
66．黄道平，朱学峰，周其节．基于广义Hammerstein模型的多变量非线性预测控制[J]，暨南大学学报(自然科学版)，1998，19(1)：13-19．
67. Bhat J, Chidamharan M.Madhavan K P. Adaptive internal model control of Hammerstein nonlinear systems[J], Chem Eng Comm, 1990, 177
68. Bhat J, Chidamharan M.Madhavan K P. Adaptive feedforward control of Hammerstein nonlinear systems[J], Int J Control, 1990, 51:237
69．潘力登，潘仰东编著．系统辨识与建模[M]，北京：化学工业出版社，2004
70．张颖，冯纯伯．随机线性多变量系统参数估计的偏差校正法[J]，控制与决策．1995，10(3)：265-269
71. Guidorzi R. Canonical structures in the identification of multivariable systems[J], Automatics, 1975, 11:361-374
72．路勇，姚英学．基于多参量状态信息融合的刀具磨损状态智能识别[J]，航空精密制造技术，1999，35(6)：26-30
73．雷彬．国外铣削刀具磨损量自动检测方法综述[J]，军械工程学院学报，1999，11(2)：73-77
74．邵华，王海丽．SJ-FMS刀具状态功率监控系统[J]，机械设计与研究，1997(3)：44-46
75．冯本法，张玉峰等．刀具磨损、破损用功率传感器的研究[J]，机床，1992(2)：27-29
76．徐顺利，崔凤魁．用切削功率进行刀具磨损在线监测的研究[J]，轴承，1995(8)：16-18
77．刘志艳，王军．用声发射和电机电流检测技术实现刀具破损的监测[J]，机械，??1999，26(4)：12-14
78．宫兴祯，唐宗军等．异形螺杆加工过程基于振动信号的系统辨识[J]，制造业自动化，2000，22(5)：35-36
79．刘钟，朱名铨．刀具状态监测的信息处理技术[J]，航空工艺技术，1996(5)：35-37
80．贾伯年，俞朴主编．传感器技术[M]，南京：东南大学出版社，2000
81．严钟豪，谭祖根主编．非电量电测技术[M]，北京：机械工业出版社，1988
82．彭侠夫，杨翠娥．用VC++实现数据转换卡PCL-812PG的操作[J]，信息技术，2001(6)：51-52
83．龚烈航，程刚．PCL-812PG卡及其在自动控制中的应用[J]，仪表技术，1997(6)：5-7
84. PCL-812PG Enhanced MULTI-LAB User's Manual
85. PC-LabCard Software Driver User's Manual
86．李克鲁，王霞．小波变换的信息融合方法及结果评价[J]，国土资源遥感，1998(4)：46-52
87. Daubechies I.Orthonormal Bases of Compactly Supported Wavelet.Commn.Pure[J], Appl.Math, 1988, 41:909-996
88．徐铭陶，秦树人等．实施一维Mallat算法的几个问题[J]，重庆大学学报(自然科学版)，1997，20(1)：7-13
89．唐宗军，唐勇超．以提高异形螺杆加工效率为目的的控制策略研究[J]，组合机床与自动化加工技术，2000(3)：14-15
90．刘璨，陈统坚等．刀具失效研究发展动态综述[J]，机床与液压，2000(5)：3-5
91．路勇．加工工况信息远程监测与刀具磨损识别技术的研究[D]，哈尔滨：哈尔滨工业大学，2000
92．Lennart Ljunn. System identification theory for the users[M]. second edition．北京：清华大学出版社，2002．
93．陈显枝，陈冲．基于最小二乘改进算法的时变系统参数辨识[J]，福州大学学报(自然科学版)，2005，33(2)：163-166
94．郑阿奇主编．Visual Basic实用教程[M]，北京：电子工业出版社，2003．
95．张志涌．精通MATLAB(5.3版)[M]，北京：北京航空航天大学出版社，2000
96．精锐创作组．MATLAB6.0科学运算完整9解决方案[M]，北京：人民邮电出版社，2001
97．王立宁，乐光新等编著．MATLAB与通信仿真[M]，北京：人民邮电出版社，200098．王洪刚，韩文秀．基于MATLAB小波工具箱的开发与应用[J]，微型机与应用，2002(5)：52-54
99．陈逢时．子波变换理沦及其在信号处理中的应用[M]，北京：国防工业出版社，1998
100．杨蒲，郭立东．工频干扰环境下离散控制系统采样周期的确定原则[J]，仪器仪表学报，2003，24(2)：558-560
101．孙廷玉，蓝益鹏．微型机控制技术[M]，沈阳：东北大学出版社，2000
102．李玮，沈勇，董军．数控机床刀具补偿的应用研究[J]，云南民族大学学报(自然科学版)，2003，12(3)，：164-166
103. Rahman M, Heikkala J, Lappalainen K. Modeling measurement and error compensation of multi-axis machine tools[J], International Journal of Machine Tool&Manufacture, 2000, 40:1535-1546.
104．吴祖育，秦鹏飞等．数控机床[M]，上海：上海科技出版社，1992
105．毕承恩等．现代数控机床[M]，北京：机械工业出版社，1991
106．张宁菊，赵美林．数控加工中的刀具补偿[J]，机床与液压，2004(6)：168-198
107．邵俊朋等．机床数控技术[M]，哈尔滨：哈尔滨工业大学出版社，1996
108．李诚人．机床计算机数控[M]，西安：西北工业大学出版社，1988
109．冯勇等．现代数控系统[M]，北京：机械工业出版社，1998
110．雷思孝，李伯诚，雷向莉编著．单片机原理及实用技术——凌阳16位单片机原理及应用[M]，西安：西安电子科技大学出版社，2004
111．薛钧义．凌阳16位单片机原理及应用[M]，北京：北京航空航天大学出版社，2003
112．蓝志洋，黄明华．嵌入式系统硬件可靠性和抗干扰性技术[J]，现代电子技术，2005(14)：51-53
113．李强．单片机软件抗干扰编程技术的探讨[J]，计算机测量与控制，2003，11(4)：299-302
114．林宋，田建君编著．现代数控机床[M]，北京：化学工业出版社，2003
115．王爱玲，张吉堂等编著．现代数控原理及控制系统[M]，北京：国防工业出版社，2005
116．NUM自动控制功能编程手册梯形图语言，0101938846／7 NUM GROUPS SCHNEIDER
117．钟闻斌．龙门式钻镗床数控化改造的研究[D]，西安：西北工业大学，2000118．李杰，管子车床的数控改造设计[D]，沈阳：沈阳工业大学，2003
119. Schoop R, Neubert R, Suessmann B. Flexible manufacturing control with PLC, CNC and software agents[C]. Proceedings 5th International Symposium on Autonomous DecentralizedSystems. Dallas, TX, USA: IEEE Comput Soc, 2001:365-371
120. Kosmol J, Mrzyglod M, Reiner J, et al. Machine control systems-PLC and CNC controllers[A]. Automatic Production. Wroclaw[C]. Poland:Wydawnictwo Politech, 2000: 299-328.
121．张汉兵，叶伯生，杨道善．数控系统中内嵌式PLC梯形图编程的软件实现[J]，组合机床与自动化加工技术，2001(12)：26-28
122. NUM 1020/1040/1060/T Programming Manuals,2000
123．钟肇新，王灏编．可编程控制器入门教程：SIMATIC S7-200 SIMATIC S7-200[M]，广州：华南理工大学出版社，1999
124．程周．可编程序控制器原理与应用[M]，北京：高等教育出版社，2003
125．黄秀珍．变切削参数加工中盘铣刀的破损状态监控[D]，沈阳：沈阳工业大学，2002
126．蔡泽高等．金属磨损与断裂[M]，上海：上海交通大学出版社，1985
127．Moore D F，黄文治等译．摩擦学原理和应用[M]，北京：机械工业出版社，1982