机床与液压

作者：丁宁，杨云淏，段景淞，谭鹏乐，张楷毓，董之宁，史尧臣

单位：长春大学机械与车辆工程学院；长春大学机械与车辆工程学院；长春大学机械与车辆工程学院；长春大学机械与车辆工程学院；长春大学机械与车辆工程学院；长春大学机械与车辆工程学院；长春大学机械与车辆工程学院

关键词：砂轮磨损;磨削力;振动信号;残差神经网络;支持向量机

基金：吉林省自然科学基金项目（YDZJ202401303ZYTS）；吉林省第二十批创新创业人才资助项目

在磨削加工过程中,砂轮磨损会显著影响加工质量。为了对砂轮磨损状态进行辨识和及时修整，提出一种基于力-振动信号特征融合的智能辨识方法。以难加工的航空航天钛合金材料为磨削对象，建立砂轮磨损状态的多信号采集系统，同步获取磨削力信号、振动信号和砂轮表面形貌数据。通过结合表面形貌和信号特征分析，探究砂轮磨损的演化规律。将磨削过程中的法向力与切向力之比σ（FN/Ft）和振动信号均方根值（RMS）作为表征砂轮磨损程度的关键参数，构建基于残差神经网络和支持向量机（ResNet-SVM）的砂轮磨损智能辨识模型，以提高辨识精度。该模型利用ResNet提取深层特征，通过SVM进行分类决策，并采用线性加权融合策略提升系统性能。结果表明：所提方法在砂轮磨损状态识别方面优于传统的CNN-SVM模型，辨识精度可达95%以上。

来源：2025年第14期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第14期