刀具狀態直接影響加工品質、成本和製程完整性，因此智慧化的刀具狀態監控及掌握最適換刀時機判斷至關重要。本研究研發了一套能夠實時監控刀具磨耗狀態的智慧化系統，通過擷取振動訊號特徵(如相對增加倍率、斜率等)，建立與刀具磨耗的關聯，並針對不同監測功能進行最適的建模方法。在少變數應用情境下，研究中採用迴歸分析來確立刀具臨界壽命監測模型，分析不同材料與加工參數組合下與臨界門檻值之間的關係；在多變數應用情境中則利用廣義迴歸神經網絡(General Regression Neural Network, GRNN)建立了刀具磨耗與表面精度的預測模型，確立訊號相對振動增加倍率與表面精度相對變化之間的關聯性。此外，也同時評估GRNN與長短期記憶網絡(Long Short-Term Memory, LSTM)在刀具剩餘壽命預測的準確度，最終選擇以GRNN進行建模。本研究構建了刀具臨界壽命監測、刀具磨耗對應之加工精度(表面粗度)預測，以及刀具剩餘壽命預估等功能的演算法則，並以C#建構一個全面的刀具狀態監測系統。此外也將此系統功能整合進研究室所建立的多目標參數複合優化系統內，將刀具磨耗(刀具壽命影響)納入參數優化評估因子之一，以克服以往研究的局限性。最終，系統以C#撰寫成友善的人機介面，便於操作與應用。驗證結果顯示所研發的方法與系統在粗加工和精加工製程不同工況混用下的刀具磨耗監控都有相當不錯的準確性與
泛化性。
前言
在精密加工中，刀具狀態對於加工精度、效率和產品質量至關重要，準確監測掌握刀具磨耗情況能幫助選擇最佳換刀時間，過早或過晚換刀可能造成不必要的停機，影響生產效率、加工精度(表面粗度)與刀具成本。直接測量刀具磨耗或加工精度變化雖可以直觀了解磨耗狀態，但頻繁拆卸刀具既耗時且可能導致製程中斷，因此透過感測器進行線上即時監測更符合現代彈性化的加工需求。隨著智慧製造技術的發展，感測技術、物聯網、大數據分析和人工智慧的整合，使得在多變工況下建立混合監測模型成為可能，而機器學習技術的應用也進一步提升了建模能力，能靈活應對不同工況的監測需求。有效的刀具狀態監測不僅提高加工效率，也能整合進加工參數優化流程，提升整體製程的穩定性和效益。
本研究旨在開發一套刀具最適應用與加工參數優化的智慧系統。首先，通過實驗設計收集切削振動訊號，進行數據特徵分析並設定門檻值，並使用不同的建模方法以應對不同情境：對於少變數或數據量少的應用情境(如刀具臨界壽命監控)，使用回歸模型法建模進行診斷；對於多變數應用情境(例如刀具磨耗導致的加工表面精度影響)，則使用GRNN模型以克服傳統回歸分析的限制；在刀具剩餘壽命預測上則使用LSTM時間序列模型，並與GRNN模型進行評估比較。最終使用Visual C#開發建立了全面刀具狀態監測系統，功能包括：刀具臨界壽命監測、磨耗精度預測和剩餘壽命預估，並整合至先前研發的多目標參數複合優化系統，進一步以提升參數優化效果。實驗驗證顯示該系統可應用於粗加工與精加工混合工況製程，達到預期效益、準確度和泛用性。
數據擷取與特徵分析
刀具磨耗現象
為了有效量化刀具磨耗現象(圖1、圖2)，針對粗加工的部分，本研究參考ISO標準[1]提出的刀具磨耗判定方法，ISO標準建議換刀條件如下：
(1)每一刃均勻磨耗程度為0.3mm以上
(2)某一刃非均勻磨耗程度0.5mm以上
針對精加工的部分，則以加工精度要求對一的刀具磨耗量作為更換刀具的標準。
訊號擷取
研究中以切削振動作為刀具磨耗監控訊號，係以C#程式透過振動加速規與Data Acquisition, DAQ即時擷取切削振動訊號進行分析，訊號擷取設備架構如圖3和圖4所示。加速規分別安裝於虎鉗上三個軸向。此外，也同時透過VMX軟體同步擷取機台的相關加工參數(轉速、進給、執行中NC code等)。
研究中除針對加工振動訊號進行特徵分析外，也借助AOI影像檢測系統(圖5)，來檢測刀具實際磨耗，以建立振動訊號特徵變化與刀具磨耗的關聯模型；針對刀具磨耗與加工精度之關聯性分析，則是透過表粗儀(圖6)進行加工表面粗糙度量測，再據以建立切削振動與表面粗度的關聯模型。
訊號特徵處理
四分位距(IQR)離群值檢測
研究中應用統計學方法四分位距(InterQuartile Range)排除資料中的離群值，當在區間內的資料超出了組內離群值檢測的動態上下限門檻時，則判定該筆資料為組內資料的離群值，進而將其排除。
擷取訊號資料特徵處理
研究中採用均方根(Root Mean Square, RMS)計算每個穩定切削段內的振動訊號，為了凸顯訊號特徵，選取了前20%最大峰值進行計算。然而，僅依賴RMS值的變化不足以全面反映刀具磨耗引起的振動變化特徵，因此還加入RMS的相對增加倍率進行分析，以探討刀具磨耗對振動變化量的影響。此外，根據許多文獻顯示，當刀具接近臨界磨耗時，磨耗速率會加速，因此研究中也將振動訊號的相對增加倍率對時間的變化趨勢(變化斜率)作為監控特徵，以能準確辨識刀具磨耗狀態。
...更多內容，請見《機械新刊》雜誌
