[發明專利]一種數控機床在線加工工件的自動識別和監控方法

無效

• 申請號: 200910191880.4
• 申請日: 2009-12-11
• 公開（公告）號: CN101710235A
• 公開（公告）日: 2010-05-19
• 發明（設計）人: 鄢萍;賀曉輝;易潤忠;何彥;劉飛
• 申請（專利權）人: 重慶大學
• 主分類號: G05B19/406
• 分類號: G05B19/406
• 代理公司: 重慶博凱知識產權代理有限公司 50212
• 代理人: 張先蕓

1.一種數控機床在線加工工件的自動識別和監控方法，其特征在于，包括如下步驟：

1)建立工件加工特征模板庫：根據數控機床主軸加工功率的特性，選取一組反映機床加工狀態的多維功率信息特征向量，基于該向量形成在各種工件加工時的特征向量序列；對同一類工件的特征向量序列計算基于時間規正算法的匹配距離，并采用聚類算法進行處理形成該類別工件的加工功率信息特征模板；多種工件的特征模板形成模板庫；

2)自動識別和監控：在加工工件時，將采集到的實時功率信息進行處理形成加工功率信息特征向量序列，將該序列與特征模板庫中的模板進行時間規正和匹配距離計算，根據匹配距離的大小以及所設定的閾值，判斷加工工件的類別和監控加工過程加工參數；

所述步驟1)中，所述特征向量序列由訓練器采用動態時間彎折法進行時間規正和匹配距離計算，并得到匹配對，然后對具有時序關系的多維特征向量序列采用聚類算法進行聚類處理；

設Ω為L個待加工工件的功率信息訓練序列的集合，Ω＝{X_i}，i＝1，2，…，L；其中，X_i為第i個加工工件的特征向量序列，X_i＝{X_i1，X_i2，…，X_iN}，其中，X_iN為第i個加工工件在N時刻的特征向量；

設Ω可以聚成NC個不同的類{ω_i，i＝1，2，...，NC}，使?根據實際情況NC的大小可以通過訓練集中加工工件類型的總數來確定，或者根據聚類的準則自動確定；設?表示一個j個加工工件類集合的第i個類，k為迭代次數，i＝1，2，...，j；k＝1，2，...，k_max為允許的最大迭代次數；

基于K均值聚類算法的加工工件類別特征模板獲取過程如下：

[1]初始化：令i＝j＝k＝1，?計算全部工件訓練序列Ω的聚類中心；

[2]按最小距離進行工件分類：對全部訓練序列X₁，l＝1，2，...，L，就每個聚類中心求取匹配距離；對于求得最小距離的標上該類的索引，即：

當且僅當

其中：?為表示一個j類集合的第i個類的中心；

計算每類?的類內距離和：

[3]調整聚類及聚類中心：根據[2]中所標出新的索引，得出新的工件分類?并計算新的聚類中心?

[4]收斂性檢驗：滿足下面三個條件之一執行[5]，否則轉至[2]

A、對所有的i＝1，2，...，j，?

B、k＝k_max

C、平均類心距離變化小于預設的門限值Δ_th，即：

[5]記錄分類結果：如果收斂，將得到j類?及其聚類的中心?如果j為最大的預設聚類數j_max，整個聚類過程結束，否則執行[6]；

[6]將具有最大類內距離的類分成兩類：即首先找到?為最大的類，然后在該類中找到兩個元素，使δ(X_l1，X_l2)≥δ(X_l3，X_l4)；其中，X_l3和x_l4為類中任意兩個元素；這樣X_l1和X_l2取代原聚類中心，此時j＝j+1，重新設k＝1并重復步驟[2]～[5]；

上述方法就形成了j_max個類，得到的j_max個?就為訓練樣本的特征模板；

其中，所述步驟[1]和步驟[3]中，計算聚類中心的方法如下：

在新的分類中找出一個代表，使與到它的距離小于下面所定義的門限值δ_t元素個數最多，其中：

分別為δ(X_l，X_m)的均值和方差，即：?

m≠l

m≠l

便可獲得在加工不同工件時的特征模板；

所述步驟2)中，加工工件時，所述加工功率信息特征向量序列由識別器進行時間規正和匹配距離計算，具體算法如下：

首先，按照動態時間彎折算法，計算加工工件的特征向量序列與存貯的訓練特征模板序列之間的匹配距離δ(X_l，X_m)；然后，選取δ(X_l，X_m)值為最小、且小于預設的門限值所對應的模板的類型作為加工工件的類型，并在該類工件統計數據上加1；若沒有一個訓練模板與之滿足上述條件，此時可能是新的加工類型，則進入訓練模板的提取，或是報警。?