智能化是制造自动化的发展方向,在制造过程的几乎所有环节都广泛应用人工智能技术,而智能化的基础是基于信息的获取与处理,机床加工过程的实时物理信息采集是实现智能化的基本要求之一,对其进行分析也是实现智能化的重要一步。机床加工过程的实时信息是通过传感器系统进行采集的。本文针对现阶段机床加工过程信息监测系统结构复杂、采集信号单一、数据庞大等诸多不足,提出研制一种基于多传感器的便携式机床状态监测平台,并对该平台采集的实时机床物理信息进行深入数据处理,建立预测模型,并反馈到监测平台的实时监测功能,实现平台对机床状态的在线监测。主要研究成果如下:(1)针对切削加工过程的物理信息特点,筛选出其中反映切削过程最直观有效的几类信息,也即切削力、切削电流、刀具振动以及切削扭矩作为系统信息采集对象。并针对各信号的特点选用最合适的传感器以便高效采集信息并尽可能压缩系统体积,提高便携性。对上下位机进行设计,选定型号后分别编写上下位机程序,实现多通道数据采集以及人机交互。并设计标定试验用于标定传感器。(2)针对自制传感器融合监测系统进行可行性分析,在进行切削过程信号采集的过程中利用高精度传感器系统分析测量误差。针对切削参数工艺对切削过程的影响,利用研制的多传感器融合系统采集切削力、振动和电流,通过单因素以及正交试验完成直观数据分析。针对切削过程的刀具磨损和加工表面质量在线监测问题,利用该监测系统采集加工物理信息。(3)对切削信号进行了时域、频域和小波处理,用主成分分析法进行特征降维。用遗传、粒子群和网格搜索算法分别对支持向量机算法进行优化,建立了基于支持向量机的刀具磨损和加工表面质量的智能预测模型。同时建立切削参数与切削实时信息的关系,用作监测系统下位机阈值设定的基础。