超声复合加工技术因其具有切削力小与加工精度高等优点,被广泛应用于Nomex蜂窝复合材料加工领域。超声刀具作为超声复合加工设备中的重要组成部分,研究它的磨损状态和剩余寿命对于声学系统故障的找出具有理论意义,对于减少企业经济开支和提升零件加工质量具有重要的工程价值。本文的主要研究工作与成果如下:1、直刃刀磨损阶段划分与监测信号采集实验研究。通过对直刃刀进行收集与观察,得到直刃刀的典型磨损形式,并选取其中切削面磨损带宽作为磨损测量值。通过搭建超声切削实验平台,完成不同走刀长度的切削力和切削声信号采集实验。研究超声切削过程中的走刀长度、主切削力均方根值和刀具磨损值之间的关系,将直刃刀的磨损状态划分成三个阶段,并绘制其磨损状态曲线。2、直刃刀磨损特征提取与降维。对采集声信号的基底噪音进行分析,并用椭圆高通滤波器完成声信号的基底噪音去除。采用时域、频域和小波包分析的方法对力信号和滤噪后的声信号进行特征提取,并采用主成分分析技术完成特征向量的降维。3、直刃刀磨损状态识别模型的建立。构建了多个BP神经网络分类器,采用K近邻聚类分析的方法,使得各BP神经网络分类器实现权值的自适应获取,通过线性加权融合技术得到多BP神经网络分类器的磨损识别判决。并通过实验测试发现,基于多分类器融合的直刃刀磨损状态识别正确率优于传统单BP神经网络分类器的识别正确率。4、直刃刀剩余寿命预测模型的建立。采用BP神经网络和HMM模型,分别建立了直刃刀剩余寿命预测模型。使用测试样本对训练好的两种模型进行测试,发现基于HMM模型的直刃刀剩余寿命预测精度较高,尤其是在直刃刀剧烈磨损阶段时的预测精度优于BP神经网络模型的预测精度。