XiaoMi-AI文件搜索系统
World File Search System刀具
基于机器学习的直接金属沉积中复杂刀具路径的轨道高度预测
模具行业不断要求先进的技术来提高模具在其生命周期内的性能。直接金属沉积 (DMD) 为模具翻新提供了关键机会。然而，通过 DMD 的典型刀具路径由交替的平滑段和尖角组成。在这里，能量密度和粉末数量的波动通常会导致工具恢复部分出现严重的几何偏差。这项工作提出了一种基于机器学习的新型预测方法，该方法使用与工艺参数和执行的几何形状相关的特征来表征路径。该方法的优势已在刀具路径上得到验证，刀具路径通常表征工具翻新过程。© 2022 作者。由 Elsevier Ltd 代表 CIRP 出版。这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）
粉末床熔合过程中加工的区域表面纹理和刀具磨损分析
由于时间和成本的缘故，后处理铣削操作通常不切实际，可能需要专门的工具。为了减少对特殊工具和额外加工的需求，开发了混合增材制造系统，以顺序方式打印和铣削，以在一个机器平台上实现所需的表面光洁度。商用机器平台将铣削与定向能量沉积系统（例如 Optomec、Mazak、DMG Mori）和粉末床熔合系统（例如 Matsuura 和 Sodick）相结合，以实现小于 0.8 µm 的表面粗糙度 (Sa) [1, 2]。可以直接从构建室获得精加工表面。已知的第一个关于组合式粉末床熔合和铣削的研究是在 2006 年由松下电工株式会社（日本以外的松下电工）和金泽大学进行的，目的是制造
用于多类刀具磨损识别的无监督和半监督机器学习框架
摘要 刀具状态监测 (TCM) 对于确保产品质量和避免停机至关重要。机器学习已被证明对 TCM 至关重要。然而，现有的研究主要基于监督学习，这阻碍了它们在实际制造环境中的适用性，因为在役机器上的数据标记既麻烦又昂贵。此外，现有的无监督解决方案主要处理基于二元决策的 TCM，无法完全反映刀具磨损进展的动态。为了解决这些问题，我们提出了不同的无监督和半监督五类刀具磨损识别框架，分别处理完全未标记和部分标记的数据。底层方法包括拉普拉斯得分、稀疏自编码器 (SAE)、堆叠 SAE (SSAE)、自组织映射、Softmax、支持向量机和随机森林。对于半监督框架，我们考虑了标记数据仅影响特征学习、分类器构建或两者的设计。我们还研究了 SSAE 在监督层面的不同训练配置。我们将框架应用于两个铣刀运行至故障数据集，使用麦克风和加速度计记录。评估中考虑了不同百分比标记训练数据下的单传感器和多传感器数据。结果显示了哪种框架在哪种数据设置下可产生最佳预测性能，并强调了传感器融合和判别性特征表示在应对标签不可用和稀缺性方面的重要性，以及其他发现。两个完全未标记数据的数据集实现的最高宏 F1 分别达到 87.52% 和 75.80%，当只有 25% 的训练观测值被标记时，最高宏 F1 超过 90%。
刀具测量技术
06 适合每种应用的正确测量解决方案——从简单到高度复杂的任务 08 检测和测量技术？ ZOLLER 拥有解决方案 – 适用于完美的修磨或制造过程 10 创新技术，实现最高精度 12 清晰直观的软件 14 »pomBasic« 和 »pomBasicMicro« – 通用刀具检查的紧凑解决方案 16 »pomSkpGo« – 切削刃准备测量的移动解决方案 18 »pomZenit« – 铣头制造的测量和检查站 20 »smile / pilot 3.0« – 刀具和砂轮测量的专业起步 22 »smartCheck« – 用于检查刀具的通用测量机 24 »genius 3s« 和 »genius 3m« – 用于精密刀具的通用测量机 26 »threadCheck« – 专用于螺纹刀具的通用测量机 28 »titan« – 适用于所有精密刀具的高端检查和测量机 30 »hobCheck« – 完全解决方案圆柱滚齿机的自动测量 32 »sawCheck« — 用于全面检查精密锯的测量和检测机 34 »roboSet« — 针对高刀具生产率公司的自动化解决方案 36 »roboSet 2« — 针对刀具生产率极高的工具制造商的 24/7 自动化解决方案
关于预测维护的特征选择的稳定性和均匀合奏：铣削中的刀具条件监视的分类应用
摘要：功能选择（FS）代表了许多基于机器学习的预测前维护（PDM）应用程序的重要步骤，包括各种工业流程，组件和监视任务。所选功能不仅是学习模型的输入，而且还可以影响进一步的决策和分析，例如，PDM系统的传感器选择和可理解性。因此，在部署PDM系统之前，至关重要的是检查输入数据中所选特征的可重复性和鲁棒性。这对于具有较低样本比率比（SDR）的现实世界数据集特别重要。然而，据我们所知，在PDM的领域尚未考虑FS方法在数据变化下的稳定性。本文通过铣削中的工具状况监测来解决此问题，其中采用了基于支持向量机和随机森林的分类器。我们使用五倍的交叉验证来评估三种流行的基于滤波器的FS方法，即Fisher评分，最小冗余最大相关性（MRMR）和RERIEFF，以稳定性和宏F1表示。此外，对于每种方法，我们研究了同质FS集合对两个性能指标的影响。为了获得广泛的见解，我们使用了从我们的实验和NASA的存储库中获得的四个（2：2）的铣削数据集，它们在操作条件，传感器，SDR，类等方面有所不同。对于每个数据集，对两个单独的传感器及其融合进行了研究。（2）在大多数情况下，Fisher得分（单和/或合奏）优越。在结论中：（1）不同的FS方法可以产生可比的宏F1，但FS稳定性值大为不同。（3）MRMR的稳定性总体上是不同设置（例如传感器，子集基数）的最低，最大的稳定性，并且是从整体中最有益的一种。
解决刀具犯罪的有效方法：一项探索性研究
“刀具犯罪”在这里被简称为在公共场所使用和携带刀具的儿童和年轻人，近年来这种犯罪行为一直在增加。目前的证据表明，刀具犯罪是由贫困、边缘化、不良童年经历 (ACE)、创伤、恐惧和受害（包括剥削）等多种因素共同造成的。青少年犯罪小组 (YOT) 的职责之一是负责与有可能参与刀具犯罪或被判犯有刀具犯罪的儿童（10-17 岁）合作。青少年犯罪小组是跨学科团队，根据当地需求提供多机构意见。他们提供监督和干预计划，重点是停止犯罪，并支持儿童避免犯罪和再次犯罪，过上健康积极的生活。尽管青少年犯罪小组越来越多地跨地方政府边界共享或共同委托服务，但仍需要更好地了解有效的青少年犯罪活动，以便改进实践共享，并可能节省资金。
切削刀具刀片磨损的数值模型
摘要。本文研究了切削刀具磨损的数值模型。利用切削刀具刀片的参数模型，在所需的角度 γ 、α 、α 1 、φ 、φ 1 和 λ 值下形成相应的工作部分，刀片在侧面的磨损与磨损表面尺寸的依赖关系。这可以分析刀片几何形状和侧面磨损参数对刀具磨损期间能耗的影响，计算出任何刀具磨损量下的刀片磨损功。结果表明，侧面磨损 h 3 与平面图中主角 φ 和辅角 φ 1 的依赖关系是线性的。随着角度 φ 、φ 1 、α 和 α 1 的增加，实现给定侧面磨损 h 3 所需的功 U h 减小，而随着角度 γ 和 λ 的增加，此类功增加。因此，机电一体化结合了磨损力学知识、电子参数模型、切削刀具磨损的经验依赖性。
混合制造的表面鉴定刀具路径优化
摘要：混合制造机床通过在同一台机床上结合增材制造 (AM) 和减材制造 (SM) 工艺，具有革新制造业的巨大潜力。从 AM 到 SM 时可能出现的一个突出问题是，SM 工艺刀具路径没有考虑由前一个 AM 步骤引起的几何差异，这会导致生产时间增加和刀具磨损，尤其是在使用基于线的定向能量沉积 (DED) 作为 AM 工艺时。本文讨论了一种使用机上接触探测近似零件表面拓扑并使用表面拓扑近似制定优化 SM 刀具路径的方法。使用了三种不同的几何表面近似：三角形、梯形和两者的混合。使用每种几何近似创建 SM 刀具路径，并根据三个目标进行评估：减少总加工时间、降低表面粗糙度和降低切削力。还研究了优化目标的不同优先级方案。确定在优化中产生最大改进的最佳曲面近似是混合曲面拓扑近似。此外，结果表明，当优先考虑加工时间或切削力优化目标时，其他优化目标的改进很小。
硬岩隧道掘进机盘形刀具下方的研磨和切削过程分析（案例研究：斯里兰卡乌玛-奥亚输水隧道）
岩石中的机械化隧道施工基于盘形刀具下的裂缝扩展和岩石破碎。岩石崩裂是一种有效的破碎过程，而磨削过程则可能发生在特殊条件下。刀头穿透力是一个合适的参数，用于区分岩石切割中的崩裂和磨削过程。在这项工作中，研究了斯里兰卡乌玛-奥亚输水隧道中的磨削和崩裂过程。乌玛-奥亚项目是斯里兰卡中部高地地区东南部的输水、水电和灌溉系统。从地质角度来看，所研究路段的大部分隧道路线由非常坚固和磨蚀性的变质岩组成，在盘形刀具的钻孔过程中，这些变质岩可能容易发生磨削。在这项工作中，首先进行数据处理，以确定崩裂和磨削之间的界限。然后使用实用的数值和人工智能方法对崩裂和磨削过程进行建模。在数值建模阶段，我们尝试使建模尽可能逼真。这些建模方法的结果表明，当穿透率小于 3 毫米/转时，磨削过程占主导地位，而当穿透率大于 3 毫米/转时，岩石会发生崩裂。此外，在数值建模中，当穿透率小于 3 毫米/转时，岩石中没有观察到明显的裂缝扩展。此外，在崩裂过程的数值建模中可以看到扩展的裂缝汇合在一起并形成了碎片。
高性能整体硬质合金圆形刀具 - Ultra-Tool
组件 #1：硬质合金基体从第一家将微颗粒硬质合金引入大众市场圆形工具行业的公司到现在，Tool Alliance ® 一直在为要求苛刻的应用开发新的粉末和等级组合。我们认识到，我们的材料是第一个重要特性。通过与有限数量的钨粉和硬质合金材料供应商建立合作伙伴关系，我们能够保证我们的客户收到的精密公差工具仅由全球最纯净、最精细的等级磨制而成。以下 Ultra-Carb ® 1 和 Ultra-Grain ® 1 的照片分别展示了我们通常称为硬质合金的化合物的复杂性。通过 SEM（扫描电子显微镜）放大 10,000 倍拍摄，可见的颗粒是钨，而钴粘合剂则呈现为深色阴影。Ultra-Carb 照片中出现的最大钨颗粒尺寸小于 1 微米。请注意，这些等级是两个样本，代表了我们在整个产品线中使用的十几种不同的基材，每种基材都有特定的应用领域。与其他行业参与者相比，您会发现 Tool Alliance 提供的碳化物晶粒结构月度和年度一致性最好。