SDU-QIT立铣刀磨损试验数据集
Journal of Mechanical Engineering（2022）
摘要
刀具故障预测与健康管理(Prognostic and health management,PHM)是机床制造领域的关键问题.作为数控机床的"牙齿",刀具的健康状态直接影响着机床加工效率和产品质量.借助大数据与人工智能(AI)技术实现对刀具运行状态的实时精准监测,目前已成为学术界和工业界关注的热点问题.然而,刀具高质量全寿命周期数据的匮乏,严重制约了机械装备PHM技术的理论研究与工程应用.为解决上述问题,开展了面向刀具全寿命周期的数控加工中心立铣刀多工况试验与数据采集工作,并将获取的试验数据集面向全球学者公开发布.该数据集共包含2种工况下的立铣刀全寿命周期振动信号,且明确标注了刀具主后刀面最大VB值、主后刀面1/2ap(背吃刀量)处VB值、主后刀面SVB值,副后刀面最大VB值、副后刀面SVB值等5种标签,可为PHM领域基于AI的刀具故障诊断与预测性维护研究提供数据支撑.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要