手机壳倒角高光面的加工过程中,由于刀具的磨损,使得高光倒角会出现拉丝、崩膜和发雾等现象.近几年来,对于刀具磨损预测的研究有很多,但面向于高光倒角面的刀具磨损少之又少,现有的刀具磨损预测方法只能解决切削深度较大的刀具磨损问题,而对于手机壳倒角高光面的加工,其背吃刀量只有0.02mm,对表面光洁度的要求极高,8um的磨损可能就会严重影响工件表面质量,因此本文提出了一种基于振动信号的刀具磨损预测方法,主要研究内容有以下几点:　　分析手机壳高光倒角面生产加工过程中出现的质量缺陷与刀具磨损之间的关系,根据其加工特点设计传感器的选型试验,初步确定采用电流信号和振动信号监测法.根据实际生产加工过程的标准拟定试验方案,搭建电流与振动信号数据采集平台并完成试验.　　采用语音识别中的所用到的短时能量法来对信号进行截取,并利用小波分析法对信号进行降噪处理.提取了时域、频域以及小波包分解后的特征,通过归一化处理来缩小特征之间的数量级差异,并通过相关性分析获得与刀具磨损相关的特征向量.　　建立BPNN网络模型以及GRNN网络模型,对比分析发现GRNN在训练时间和泛化性能力上要明显由于BPNN.同时也对比分析了电流信号与振动信号的优劣,分析得出振动信号的预测准确度要优于电流信号.　　建立振动信号与刀具磨损量之间的关系模型,通过设定阈值来识别各个磨损阶段所对应的产品缺陷以及换刀时间点,最终通过刀具磨损预测模型实现对刀具半径的实时补偿.