典型文献
SDU-QIT立铣刀磨损试验数据集
文献摘要：
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.
文献关键词：
数据集开源;刀具全寿命周期;故障预测与健康管理
中图分类号：
作者姓名：
信苗苗;曹凤;江铭炎;厉相宝;李东阳;张明强;雷腾飞;袁东风
作者机构：
齐鲁理工学院机电工程学院 济南 250200;山东大学信息科学与工程学院 青岛 266237;山东大学先进信息技术研究院 济南 250100
文献出处：
引用格式：
[1]信苗苗;曹凤;江铭炎;厉相宝;李东阳;张明强;雷腾飞;袁东风-.SDU-QIT立铣刀磨损试验数据集)[J].机械工程学报,2022(09):166-171
A类：
SDU,刀具全寿命周期,2ap,SVB,数据集开源
B类：
QIT,立铣刀,故障预测与健康管理,Prognostic,health,management,PHM,制造领域,数控机床,牙齿,健康状态,机床加工,加工效率,大数据与人工智能,对刀,精准监测,工业界,周期数据,机械装备,数控加工中心,多工况,工况试验,采集工作,振动信号,后刀面,背吃刀量,预测性维护
AB值：
0.243441
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
