Abstract
刀刃磨耗的監測是切削加工自動化的一個重要課題。面銑削是常用的切削方式之一，由於銑削過程具有多刃切削、不連續切削、變化切削力大小及變化切削力方向等複雜特性，致使傳統監測方法一直無法達到令人滿意的監測效果。 本研究中將採用兩套監測模式：(１)利用切削力係數當監測刀刃磨耗指標之模式。(２)利用具有學習特性的逆傳式類神經網路。分別建立在多刃、偏心銑削時的刀刃磨耗監測系統，並比較此兩種監測模式的預測準確性。 結果顯示：(１)影響切削力係數的切削參數有刀腹磨耗、刀刃數目及每齒進給。(２)切削力係數線性回歸所得之監測方程式，在預測刀腹磨耗時準確度不佳。(３)逆傳式類神經網路所建立之監測模式，在預測刀腹磨耗時有極準確的表現，其中以 6-24-12類神經網路模式準確度最高，平均誤差值為 0.02625mm。(４)於類神經網路的監測系統中，輸入訊號以平均Ｘ軸向的切削力、平均Ｙ軸向的切削力、工件寬度、偏心量、刀刃數目及每齒進給所得的網路，有較準確的監測效果。(５)各隱藏層的類神經元數目對於網路的監測效果，影響較不明確。