[發明專利]一種基于Logistic模型的數控機床刀具可靠性評估方法

無效

• 申請號: 201010603572.0
• 申請日: 2010-12-20
• 公開（公告）號: CN102176217A
• 公開（公告）日: 2011-09-07
• 發明（設計）人: 何正嘉;訾艷陽;陳雪峰;李兵;張周鎖;陳保家
• 申請（專利權）人: 西安瑞特快速制造工程研究有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 西安智大知識產權代理事務所 61215
• 代理人: 弋才富

1.一種基于Logistic模型的數控機床刀具可靠性評估方法，其特征在于，包括以下步驟：步驟一、信號分析和特征提取：通過實驗測取車刀加工過程中的振動信號和相應磨損量數據，利用正交小波基函數對振動信號進行小波包分解和重構，使得耦合在一起的多載波振動信號分解為兩個或兩個以上的單載波振動信號，計算特征頻帶信號時域特征；與刀具磨損量進行相關分析，提取刀具磨損量顯著指標，確定刀具失效閾值；步驟二、利用步驟一中的刀具磨損狀態顯著指標建立logistic回歸模型，對正在運行的刀具進行可靠性評估指標和失效壽命預測。

2.根據權利要求1所述的一種基于Logistic模型的數控機床刀具可靠性評估方法，其特征在于，步驟一中所述的信號分析和特征提取包括以下步驟：

一、小波包分解和重構

假設一個能量有限信號的尺寸空間為通過小包變換，被二進地分解成多個子空間。其迭代公式為：

其中，j(j≤0)為分解層次，表示正交分解，三個閉包空間分別對應的小波函數為ψ_n(t)，ψ_2n(t)和ψ_2n+1(t)，并滿足雙尺度方程：

當n＝0時，為尺度函數，ψ₁(t)＝ψ(t)母小波函數，h(k)和g(k)為離散正交鏡像濾波器系數。

在子空間上的信號可由小波包函數重構得到：

sjn(t)=Σk∈ZDkj,nψkj,n(t)k∈Z]]>

式中為小波包系數，可由下式求得：

Dkj,n=∫-∞+∞f(t)ψkj,n(t)dt]]>

因為小波函數ψ_j，k(t)是上的正交基函數，則的能量為：

En=Σk|Dkj,n|2]]>

其歸一化能量為：

Pn=En/(ΣnEn)]]>

小波能量熵可反映信號能量在不同頻帶上的能量變化信息，其定義為：

I=-ΣnEnlogEn;]]>

二、時域指標提取

車刀從鋒利到磨鈍的過程中，其振動信號的幅值和分布都會發生變化，這個過程可以通過某些時域指標反映出來，本方法共提取了11個時域指標，其名稱和簡寫分別為：均值(x_m)、峰值(x_p)、方根幅值(x_ra)、均方根值(x_rms)、標準差(x_std)、偏斜度指標(x_ske)、峭度指標(x_k)、峰值指標(x_c)、裕度指標(x_ma)、波形指標(x_sha)和脈沖指標(x_i)。前4個參數揭示振動信號的幅值和能量變化，后7個參數反映揭示了信號的時間序列分布情況；

三、利用相關分析選擇顯著指標

采用相關分析的選取特征，兩個同維向量X和Y的相關系數C(X，Y)可由下式計算求得：

C(X,Y)=(X-X‾)(Y-Y‾)((X-X‾)(X-X‾)′(Y-Y‾)(Y-Y‾)′)]]>

式中和分別為X和Y的平均值。C值的范圍在-1到+1之間，當C＞0表示正相關，C＜0表示負相關。C＝0表示不相關。C的絕對值越大，表示相關程度越高。將一、二中所提取的能量E_n、能量熵I和時域指標與刀具磨損量數據，以相關系數大于C＞0.6為標準，選擇刀具磨損狀態顯著指標。

3.根據權利要求1所述的一種基于Logistic模型的數控機床刀具可靠性評估方法，其特征在于：步驟二所述的可靠性評估指標和失效壽命預測，其具體步驟如下：

對應于時刻t_i，刀具磨損狀態顯著指標可表示為一個k+1維向量X_i＝(1，x_1i，x_2i，...，x_ki)′，刀具狀態為y_i(正常時y_i＝1，否則y_i＝0)。則刀具的可靠性函數可以用一個Logistic回歸模型表示：

R(ti|Xi)=P(yi=1|Xi)=exp(BXi)1+exp(BXi)]]>

式中B＝(β₀，β₁，…，β_k)為模型參數向量且β₀＞0。Logistic或logit回歸模型為

Logit(y)=lnR(ti|Xi)1-R(ti|Xi)=BXi]]>

因為logistic回歸模型是一個非線性模型，其模型參數可以通過Nelder-Mead法求解其極大似然函數得到；其對數似然函數為

ln[L(B)]=Σi[yiBXi-ln(1+exp(BXi))]]]>

在確定模型參數后，模型的可靠度R(t_j)和95％置信區間FIR_0.95為

R(tj)=P(yj=1|Xj)=exp(log^it(yj))1+exp(log^it(yj))=exp(B^Xj)1+exp(B^Xj)]]>

FIR0.95=[exp(B^Xj-1.96Var(B^Xj))1+exp(B^Xj-1.96Var(B^Xj))exp(B^Xj+1.96Var(B^Xj))1+exp(B^Xj+1.96Var(B^Xj))]]]>

將刀具的運行狀態特征向量代入上面的公式中，即可求出刀具可靠度和95％置信區間。