一般来说，刀具故障约占加工中心停机时间的 7%。更严重的是，刀具故障会降低零件的加工质量，甚至损坏机器。因此，刀具磨损状态监测（TWCM）是智能制造的重要组成部分，自1968年以来一直是研究热点。

TWCM根据传感器类型可分为直接法和间接法两种方法。直接方法采用视觉或激光传感器。尽管其卓越的精度和可靠性，实现在线即时的 监控是具有挑战性的，因为传感器很容易受到切削液、切屑和加工环境固有的其他元素的干扰。相反，间接方法有望实现在线实时监测能力，但尽管有大量学术出版物，但其实际应用仍然有限。

一个关键障碍是选择合适的监测传感器，例如测量力、振动、温度和声发射的传感器，这些传感器不可避免地会破坏自然加工条件。捕获可听声音信号的麦克风传感器已成为一种有前景的策略。它的潜力取决于通过主动降噪系统和可解释决策算法的开发来提高其准确性。

近日，中国江苏科技大学李国超领导的智能制造科学家团队对基于声音的刀具磨损监测的现状和趋势进行了首次系统回顾。这项综合性工作不仅总结了最新趋势，为研究人员和制造商提供了宝贵的资源，而且还强调了四个有前途的研究方向：数据集的开发、主动降噪系统、专门的特征提取技术以及可解释决策算法的创建。

团队发表他们的工作在先进制造科学与技术学报。

江苏大学机械工程学院副教授李国超表示：“在这份报告中，我们回顾了十年来学术出版物中以可听声音为重点的刀具磨损监测的现状和未来方向。”中国科学技术博士，刀具磨损状态监测领域经验丰富的专家。

“这包括深入分析加工可听声的物理性质和特征、铣削可听声的产生机制以及信号采集、降噪、特征提取和决策算法，以及未来研究的潜在领域。”

“我们相信我们的工作可以显着促进刀具磨损监测的实际应用，”该机构的讲师李孙（Li Sun）指出，他也专门研究加工过程监测。“使用麦克风传感器来收集可听声音信号是一种很有前途的策略，因为它们与工具磨损密切相关，无需额外的传感器，易于安装，测量适应性强，并且不干扰加工环境。

“然而，目前基于可听声音信号的刀具磨损状态监测的准确性还不够。我们的研究为研究人员和制造商提供了宝贵的见解和最新趋势，有可能促进刀具磨损监测在实际场景中的更广泛应用。”

该研究团队还包括来自中国镇江江苏科技大学机械工程学院的 Xinhang Shang、Lei Yang 和 Honggen Zhou，以及来自山西柴油机重工有限公司的 Bofeng Fu位于中国兴平。

更多信息：李国超等人，可听声音信号在刀具磨损监测中的应用：综述，先进制造科学与技术学报（2024）。DOI：10.51393/j.jamst.2025003

提供者：清华大学出版社