【技術實現步驟摘要】
本專利技術涉及智能制造與自動化控制，具體而言，涉及一種機床刀庫的刀套松緊檢測方法及裝置、計算機程序產品。
技術介紹
1、在現代制造業中，機床刀庫作為重要的工具管理系統，廣泛應用于自動化加工過程中，刀庫負責存放和管理不同類型的切削工具，其刀具的松緊狀態直接影響機床的加工精度、加工效率以及安全性；然而，傳統的刀具松緊檢測方法主要依賴人工檢查或簡單的機械裝置，這些方法存在一些局限性，包括：人工檢查效率低、機械檢測精度有限、實時性差、存在安全隱患等。
2、針對上述相關技術中傳統的刀具松緊檢測方法主要依賴人工檢查或簡單的機械裝置，導致檢查效率低且檢測精度存在限制的問題，目前尚未提出有效的解決方案。
技術實現思路
1、本專利技術實施例提供了一種機床刀庫的刀套松緊檢測方法及裝置、計算機程序產品，以至少解決相關技術中傳統的刀具松緊檢測方法主要依賴人工檢查或簡單的機械裝置，導致檢查效率低且檢測精度存在限制的技術問題。
2、根據本專利技術實施例的一個方面，提供了一種機床刀庫的刀套松緊檢測方法，包括：獲取刀具與刀套之間的多種松緊檢測數據，其中，所述松緊檢測數據是由部署在所述刀套內的傳感器在所述刀具進入所述刀套后進行松緊檢測過程中采集得到的數據；對多種所述松緊檢測數據進行特征提取，得到與每種所述松緊檢測數據對應的目標特征數據；將所述目標特征數據輸入至松緊狀態確定模型中，以利用所述松緊狀態確定模型對所述目標特征數據進行處理，得到所述刀套與所述刀具之間的松緊程度，其中，所述松緊狀態確定
3、可選地，獲取刀具與刀套之間的松緊檢測數據，包括以下至少之一：獲取光電傳感器檢測到的所述刀具與所述刀套的底部之間的間隔距離；獲取力傳感器檢測到的所述刀套與所述刀具之間的夾緊力，其中，所述夾緊力用于反映所述刀套與所述刀具之間的固定程度；獲取振動傳感器檢測到的所述刀套與刀具在機床加工過程中的振動頻率。
4、可選地，獲取刀具與刀套之間的松緊檢測數據，包括以下之一：在當前時刻達到預定時刻的情況下，接收所述傳感器基于通信信道傳輸的所述松緊檢測數據，其中，所述預定時刻為預先設定的采集時刻，所述通信信道用于與所述傳感器進行數據傳輸；在接收到松緊檢測信號的情況下，向所述傳感器發送采集指令，以控制所述傳感器采集當前的所述松緊檢測數據，并通過所述通信信道接收所述松緊檢測數據。
5、可選地，對所述松緊檢測數據進行特征提取，得到目標特征數據，包括：利用第一公式對所述松緊檢測數據進行特征提取，得到所述目標特征數據，其中，所述第一公式為：mi(t)＝fi[wi*zi(t)+bi]，i表示所述傳感器的標號，t表示當前時刻，f[]表示激活函數，w表示卷積核，b表示偏置，zi(t)表示第i個所述傳感器在所述當前時刻t采集到的所述松緊檢測數據，mi(t)表示與zi(t)對應的所述目標特征數據。
6、可選地，在將所述目標特征數據輸入至松緊狀態確定模型中，以利用所述松緊狀態確定模型對所述目標特征數據進行處理，得到所述刀套與所述刀具之間的松緊程度之前，該機床刀庫的刀套松緊檢測方法還包括：分別利用每一個所述傳感器在歷史時間段內采集到的多組樣本訓練數據對卷積神經網絡模型進行迭代訓練，直至達到迭代終止條件時，得到與所述傳感器對應的初始松緊狀態確定子模型，其中，所述多組樣本訓練數據中的每一組均包括：所述樣本目標特征數據、與所述樣本目標特征數據對應的樣本子松緊程度，所述迭代終止條件至少為以下之一：迭代次數達到預設迭代次數，所述卷積神經網絡模型的預測值與真實值之間的誤差小于誤差閾值；分別利用每一個所述傳感器對應的所述多組樣本訓練數據采用交叉驗證的方式對對應的所述初始松緊狀態確定子模型進行準確性驗證，得到每個所述松緊狀態確定子模型的準確度；在所述準確度大于準確度閾值的情況下，確定所述初始松緊狀態確定子模型為松緊狀態確定子模型。
7、可選地，所述松緊狀態確定模型包括多個松緊狀態確定子模型，將所述目標特征數據輸入至松緊狀態確定模型中，以利用所述松緊狀態確定模型對所述目標特征數據進行處理，得到所述刀套與所述刀具之間的松緊程度，包括：分別將與每個所述傳感器對應的所述目標特征數據輸入至所述松緊狀態確定子模型中，以利用所述松緊狀態確定子模型對所述目標特征數據進行處理，得到與所述目標特征數據對應的子松緊程度，其中，每個所述松緊狀態確定子模型均用于對對應的一個所述傳感器采集到的數據進行處理；根據每個所述松緊狀態確定子模型的準確度利用第二公式確定每個所述子松緊程度的注意力權重，其中，所述第二公式為：hi表示與第i個所述傳感器對應的所述松緊狀態確定子模型的所述準確度，n表示所述傳感器的總個數，si表示與第i個所述傳感器對應的所述子松緊程度的所述注意力權重，所述注意力權重指所述子松緊程度在所述松緊程度中的權重占比；根據多個所述子松緊程度和與每個所述子松緊程度對應的所述注意力權重利用第三公式確定所述刀套與所述刀具之間的所述松緊程度，其中，所述第三公式為：p(t)表示在當前時刻所述刀套與所述刀具之間的所述松緊程度。
8、可選地，所述松緊閾值范圍包括：第一松緊閾值范圍、第二松緊閾值范圍、第三松緊閾值范圍、第四松緊閾值范圍及第五松緊閾值范圍，根據所述松緊程度所處于的松緊閾值范圍確定所述刀套與所述刀具之間的松緊狀態，包括：在所述松緊程度處于所述第一松緊閾值范圍的情況下，確定所述松緊狀態為未松動，其中，所述第一松緊閾值范圍為所述松緊程度小于等于第一松緊閾值的范圍；在所述松緊程度處于所述第二松緊閾值范圍的情況下，確定所述松緊狀態為輕度松動，其中，所述第二松緊閾值范圍為所述松緊程度大于所述第一松緊閾值且小于等于第二松緊閾值的范圍，所述第二松緊閾值大于所述第一松緊閾值；在所述松緊程度處于所述第三松緊閾值范圍的情況下，確定所述松緊狀態為輕度松動，其中，所述第三松緊閾值范圍為所述松緊程度大于所述第二松緊閾值且小于等于第三松緊閾值的范圍，所述第三松緊閾值大于所述第二松緊閾值；在所述松緊程度處于所述第四松緊閾值范圍的情況下，確定所述松緊狀態為輕度松動，其中，所述第四松緊閾值范圍為所述松緊程度大于所述第三松緊閾值且小于等于第四松緊閾值的范圍，所述第四松緊閾值大于所述第三松緊閾值；在所述松緊程度處于所述第五松緊閾值范圍的情況下，確定所述松緊狀態為未松動，其中，所述第五松緊閾值范圍為所述松緊程度大于所述第四松緊閾值的范圍。
9、根據本專利技術實施例的另一方面，還提供了一種機床刀庫的刀套松緊檢測裝置，包括：第一獲取單元，用于獲取刀具與刀套之間的多種松緊檢測數據，其中，所述松緊檢測數據是由部署在所述刀套內的傳感器在所述刀具進入所述刀套后進行松緊檢測過程中采集得到的數據；第二獲取單元，用于對多種所述松緊檢測數據進行特征提取，得到與每種所述松緊檢測數據對應的本文檔來自技高網...
【技術保護點】
1.一種機床刀庫的刀套松緊檢測方法，其特征在于，包括：
2.根據權利要求1所述的機床刀庫的刀套松緊檢測方法，其特征在于，獲取刀具與刀套之間的松緊檢測數據，包括以下之一：
3.根據權利要求1所述的機床刀庫的刀套松緊檢測方法，其特征在于，獲取刀具與刀套之間的松緊檢測數據，包括以下至少之一：
4.根據權利要求1所述的機床刀庫的刀套松緊檢測方法，其特征在于，對所述松緊檢測數據進行特征提取，得到目標特征數據，包括：
5.根據權利要求1所述的機床刀庫的刀套松緊檢測方法，其特征在于，在將所述目標特征數據輸入至松緊狀態確定模型中，以利用所述松緊狀態確定模型對所述目標特征數據進行處理，得到所述刀套與所述刀具之間的松緊程度之前，還包括：
6.根據權利要求1所述的機床刀庫的刀套松緊檢測方法，其特征在于，所述松緊狀態確定模型包括多個松緊狀態確定子模型，將所述目標特征數據輸入至松緊狀態確定模型中，以利用所述松緊狀態確定模型對所述目標特征數據進行處理，得到所述刀套與所述刀具之間的松緊程度，包括：
7.根據權利要求1所述的機床刀庫的刀套松
8.一種機床刀庫的刀套松緊檢測裝置，其特征在于，包括：
9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質包括存儲的程序，其中，所述程序執行權利要求1至7中任意一項所述的機床刀庫的刀套松緊檢測方法。
10.一種計算機程序產品，包括計算機指令，其特征在于，所述計算機指令被處理器執行時執行權利要求1至7中任意一項所述的機床刀庫的刀套松緊檢測方法。
...【技術特征摘要】
1.一種機床刀庫的刀套松緊檢測方法，其特征在于，包括：
2.根據權利要求1所述的機床刀庫的刀套松緊檢測方法，其特征在于，獲取刀具與刀套之間的松緊檢測數據，包括以下之一：
3.根據權利要求1所述的機床刀庫的刀套松緊檢測方法，其特征在于，獲取刀具與刀套之間的松緊檢測數據，包括以下至少之一：
4.根據權利要求1所述的機床刀庫的刀套松緊檢測方法，其特征在于，對所述松緊檢測數據進行特征提取，得到目標特征數據，包括：
5.根據權利要求1所述的機床刀庫的刀套松緊檢測方法，其特征在于，在將所述目標特征數據輸入至松緊狀態確定模型中，以利用所述松緊狀態確定模型對所述目標特征數據進行處理，得到所述刀套與所述刀具之間的松緊程度之前，還包括：
6.根據權利要求1所述的機床刀庫的刀套松緊檢測方法，其特征在于，所述松緊狀態確定模型包括多個松緊狀態確定子模型，將所...
【專利技術屬性】
技術研發人員：李美榮，秦鳴遙，尚晶晶，
申請(專利權)人：珠海格力智能裝備技術研究院有限公司，
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。