【技術實現步驟摘要】
本專利技術屬于金屬切削，具體涉及一種切削刀具磨損監測方法。
技術介紹
1、在金屬切削加工過程中，刀具磨損是指刀具的鉆頭、端磨機和插入件在加工過程中與工件相互作用時逐漸退化的現象。刀具磨損監測是現代機械加工過程中的一個關鍵方面，它在確保生產效率、產品質量和成本效益方面發揮著關鍵作用。通過監測刀具磨損，可以動態實時地評估刀具條件，延長刀具壽命，優化機械加工參數和刀具更換安排。
2、當前，刀具磨損監測主要分為直接法和間接法。直接法是指利用光學儀器采集刀具的磨損圖像進行磨損監測。該方法雖然能提供較高的監測精度，但需要中斷加工過程進行圖像采集，同時加工環境會造成大量的干擾和噪聲，無法實現連續監測。間接法是指通過分析各類傳感器信號，對刀具的磨損情況進行評估。傳感器信號包括：切削力、振動、聲音和電機功率等。間接法可以在加工過程中連續實時地采集信號，不需要中斷加工過程。
3、當前間接法主要包括特征提取、特征選擇和模型構建三個階段，例如公開號為cn116638374a的中國專利技術專利公開了一種基于特征選擇和傳感器組合的刀具磨損狀態識別方法，包括以下步驟：將產生切削力、振動和聲發射信號的三種傳感器進行組合，得到七組傳感器組合；采集加工過程中多傳感器信號；截取中間穩定銑削階段的信號，并處理異常值和環境干擾噪聲信號，得到特征子集①；剔除與刀具磨損相關性弱的特征，并分析特征之間的相關性，得到剔除冗余特征的特征子集③；劃分成訓練集和測試集，分別輸入到森林中構建刀具磨損狀態識別模型，對刀具磨損狀態進行識別。但是，該方法存在以下缺點：
技術實現思路
1、針對上述提出的技術問題，本專利技術提供一種切削刀具磨損監測方法，旨在解決刀具磨損監測準確度低的問題。
2、為解決上述問題，本專利技術提供了一種切削刀具磨損監測方法，該方法包括以下步驟：
3、步驟s1：采集刀具切削加工過程中多個方向的信號，所述信號包括切削力、振動和聲音信號；所述方向為基于加工坐標系的x軸、y軸和z軸方向；
4、步驟s2：采集切削完成后刀具的磨損量，將信號和磨損量進行拼接，得到狀態矩陣x和磨損目標值向量c；
5、步驟s3：采用滑動窗口，對狀態矩陣x進行數據截取，得到m個數據節段；計算所述數據節段的時域特征得到；對目標值向量c進行插值，得到每個數據節段對應的磨損量；
6、步驟s4：使用、訓練神經網絡并構建刀具磨損監測模型。
7、進一步地，所述為七通道的數據，其中，為切削力信號、為振動信號，為聲音信號。
8、進一步地，所述的初始值為0。
9、進一步地，所述計算所述數據節段的時域特征得到具體為：縱向計算每個通道的數據統計量，得到最大值、均值、協方差，其中為通道的索引值。
10、進一步地，所述使用、訓練神經網絡具體的計算公式為：，其中為預測時刻t的刀具磨損監測值，為神經網絡，q為模型編碼長度，為磨損量的先驗分布參數。
11、進一步地，所述磨損量的先驗分布參數具體為：其中，為磨損量的均值，為磨損量的協方差。
12、進一步地，所述刀具磨損監測模型包括：門控殘差網絡grn、特征選擇網絡vsn、靜態斜方差向量編碼器sce、循環編解碼器lstmende、時間融合解碼器tfd。
13、進一步地，磨損量的先驗分布參數s經過特征選擇網絡vsn得到選擇后的特征，磨損量的先驗分布參數s經過靜態斜方差向量編碼器sce得到輸出編碼后的特征向量、、和。
14、進一步地，循環編解碼器lstmende輸入特征和特征和，輸出編碼后的時序特征。
15、進一步地，時間融合解碼器tfd用于對編碼后的時序特征結合進行數據增強；采用時域自注意力多頭機制，計算注意力和權重，進而根據權重進行特征計算和融合；對融合特征進行門控計算、跳層連接和歸一化處理、并通過門控殘差網絡grn進行元素級別的前饋計算，最終輸出刀具磨損監測值。
16、與現有技術相比，本專利技術的有益效果為：
17、（1）本專利提出的方法不需要之前的磨損量數據，只需要輸入當前的切削數據以及磨損量的先驗分布參數，就能進行刀具的磨損監測。
18、（2）本專利提出的方法則是采用編解碼器結構提高模型的可解釋性。
本文檔來自技高網...【技術保護點】
1.一種切削刀具磨損監測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的切削刀具磨損監測方法，其特征在于，所述為七通道的數據，其中，為切削力信號、為振動信號，為聲音信號。
3.根據權利要求1所述的切削刀具磨損監測方法，其特征在于，所述的初始值為0。
4.根據權利要求2所述的切削刀具磨損監測方法，其特征在于，所述計算所述數據節段的時域特征得到具體為：縱向計算每個通道的數據統計量，得到最大值、均值、協方差，其中為通道的索引值。
5.根據權利要求4所述的切削刀具磨損監測方法，其特征在于，所述使用、訓練神經網絡具體的計算公式為：，其中為預測時刻t的刀具磨損監測值，為神經網絡，Q為模型編碼長度，為磨損量的先驗分布參數。
6.根據權利要求5所述的切削刀具磨損監測方法，其特征在于，所述磨損量的先驗分布參數具體為：其中，為磨損量的均值，為磨損量的協方差。
7.根據權利要求6所述的切削刀具磨損監測方法，其特征在于，所述刀具磨損監測模型包括：門控殘差網絡GRN、特征選擇網絡VSN、靜態斜方差向量編碼器SCE、循環編解碼
8.根據權利要求7所述的切削刀具磨損監測方法，其特征在于，磨損量的先驗分布參數s經過特征選擇網絡VSN得到選擇后的特征，磨損量的先驗分布參數s經過靜態斜方差向量編碼器SCE得到輸出編碼后的特征向量、、和。
9.根據權利要求8所述的切削刀具磨損監測方法，其特征在于，循環編解碼器LSTMEnDe輸入特征和特征和，輸出編碼后的時序特征。
10.根據權利要求9所述的切削刀具磨損監測方法，其特征在于，時間融合解碼器TFD用于對編碼后的時序特征結合進行數據增強；采用時域自注意力多頭機制，計算注意力和權重，進而根據權重進行特征計算和融合；對融合特征進行門控計算、跳層連接和歸一化處理、并通過門控殘差網絡GRN進行元素級別的前饋計算，最終輸出刀具磨損監測值。
...【技術特征摘要】
1.一種切削刀具磨損監測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的切削刀具磨損監測方法，其特征在于，所述為七通道的數據，其中，為切削力信號、為振動信號，為聲音信號。
3.根據權利要求1所述的切削刀具磨損監測方法，其特征在于，所述的初始值為0。
4.根據權利要求2所述的切削刀具磨損監測方法，其特征在于，所述計算所述數據節段的時域特征得到具體為：縱向計算每個通道的數據統計量，得到最大值、均值、協方差，其中為通道的索引值。
5.根據權利要求4所述的切削刀具磨損監測方法，其特征在于，所述使用、訓練神經網絡具體的計算公式為：，其中為預測時刻t的刀具磨損監測值，為神經網絡，q為模型編碼長度，為磨損量的先驗分布參數。
6.根據權利要求5所述的切削刀具磨損監測方法，其特征在于，所述磨損量的先驗分布參數具體為：其中，為磨損量的均值，為磨損量的協方差。
7.根據權利要求6所述的切削刀...
【專利技術屬性】
技術研發人員：顧菘，王磊，李秀鑫，
申請(專利權)人：成都航空職業技術學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。