何振威，全燕鸣和林金萍[1]指出各种切削温度测量方法和计算方法都有各自 特定的应用场合，并推断切削温度研究方法的发展趋势是实验测定与计算机辅助 数值计算相辅相成的方向。杨亮和许立[2]建立了高锰钢钻削温度实验系统，得到钻削速度和进给量对钻削温度的影响变化曲线，通过显著性分析得到钻削速度是 影响刀具温度的最大因素。阎海鹏[3]研究了在高速铣削加工条件下切削铝合金时 铣削温度随着切削参数的变化而变化的规律，通过有限元分析软件 ANSYS 模拟出 切削温度场，并验证了仿真模型的可行性。何志祥[4]结合试验设计和有限元分析 以及 MATLAB 回归和优化方法研究了钛合金切削过程中刀具切削温度与切削用量 之间的关系。通过分析得到能够尽量延长刀具寿命的切削参数组合，为实际生产 提供指导性意见。刘战强，黄传真等[5]归纳总结了机械制造业常用的切削温度测 量方法，例如：热电偶法、光辐射法、热辐射法、金相结构法等。同时还分析了 各种方法的适用环境以及优缺点。葛英飞，边卫亮等[6]研究了在一定温度范围内 PCD 刀具高速铣削 SiCp/2009AI 复合材料时的切削温度与车削参数之间的相关性 强弱。他们分析计算出不同复合工件在铣削时的温度标定曲线及拟合公式，发现 切削速度对切削温度的影响程度最大。全燕鸣，乐有树[7]通过试验解析了采用自 然热电偶法测量铣削温度的优缺点，发现通过改进立式铣床的拉杆，可以有效防 止集流器本身对被测热电势产生的影响，说明这种方法具有良好的实用性。 

邵明辉，孟华等[8]利用振动信号分析仪及加速度传感器获得了车削过程中刀 具振动加速度信号的时域曲线及自功率谱密度曲线，发现随着刀具沿着工件进给 时，刀具的振动数据表现出规律性。张强，李顺才等[9]通过对比分析车削过程中 刀具上下表面的振动加速度信号，发现虽然随着车削参数的变化，刀具上下表面 的振动能量波动较大，但总体上刀具上表面振动能量较大。李庆华[10]通过对圆盘 薄片刀具的横向振动特性进行动力学分析，比较不同控制器对刀具的影响，证明 阶梯型等高间隙流动液体动压控制器可以有效的抑制刀具的横向振动，对刀具的 延寿有很重要的帮助。韩兴瑞[11]分析并改进了机床切削振动非线性动力学模型的 算法结构，显著提高了计算精度和稳定性，同时也对该模型今后的发展方向提出 了自己的猜想。李勇[12]结合了振动和声发射信号来实现对铣刀状态的监测，通过 多传感器收集两种信号，经过小波分析，再利用 BP 神经网络与 D-S 证据理论相 结合对刀具磨损状态实现智能诊断，大大提高了刀具故障诊断的精度。贾春扬[13] 通过抑制激振力、提高工艺系统刚性、增大振动阻尼等方法，结合上述各种实质 性手段，尝试构建一个稳定的切削加工工艺系统。他还发现对于不同的刀具应采 用合适的方法来抑制振动。 72675

陈侃[14]凭借人工神经网络和多模型决策级融合技术建立了一个多级多类识 别器相互协作的识别框架结构。他在小波包阀值滤波算法及特征空间降维等多方 面进行了改进，提高了识别器的工作效率及准确性。张锴锋，聂鹏等[15]通过试验 验证了借助小波分解和小波包分解技术提前信号特征参数的方法监测刀具的磨 损状态的可行性。这种方法适用于分析低频区能量所占比例较大的信号，同时它还对高频信号进行了细化分析，能够准确监测刀具磨损状态。叶强，张洁[16]建立 了一套基于遗传算法和多类器融合技术的新型客户信用分类模型。该方法在对客 户信息的分析处理上表现得更贴合实际，能够更合理的分析复杂的数据库。陈群 涛，石新华等[17]利用一种基于经验模态分解(EMD)和独立分量分析（ICA）相结合 的方法，分离出混淆在振动信号中的铣刀破损信号，再通过 fastICA 对信号中提 取出的本征模函数进行独立变量分析。这种方法可以有效的突出与铣刀破损状态 相关的信号，为刀具状态识别提供条件。任振华[18]通过采集自己设计搭建的微切 削加工平台的振动信号，并对其分别进行时域、频域和小波分析，同时引用模糊 神经网络找出了刀具磨损状态和信号特征之间的非线性映射关系。石阳[19]采用超 声振动切削技术对高锰钢进行车削加工，并通过控制切削速度、背吃刀量、进给 量和刀具振幅这四个车削参数与普通车削时刀具状态进行了对比，发现超声振动 切削技术相对于普通车削可以有效的延长刀具寿命同时获得更好的切削形态。吴 卫国[20]在建立包含刀具主偏角的斜角切削加工切削力的理论公式后，设计出车刀 刀尖圆弧和球头铣刀的切削力数学模型，并在试验中在不同的车削参数下验证该 模型，探讨引起切削振动的内在原因及其与切削力之间的相关性。最后计算出一 套车削参数用量，可以尽量减少切削过程中的振动。 论文网