[發明專利]一種基于穩態子空間分析多維信號的刀具狀態監測方法

有效

• 申請號: 201710383715.3
• 申請日: 2017-05-26
• 公開（公告）號: CN107253094B
• 公開（公告）日: 2018-12-28
• 發明（設計）人: 周余慶;孫兵濤;鐘永騰;湯何勝;任燕;向家偉
• 申請（專利權）人: 溫州大學
• 主分類號: B23Q17/09
• 分類號: B23Q17/09
• 代理公司: 溫州名創知識產權代理有限公司 33258
• 代理人: 陳加利

本發明實施例公開了一種基于穩態子空間分析多維信號的刀具狀態監測方法，包括在已測刀具的歷史數據中，獲取刀具狀態種類及各種刀具狀態所得一維振動時域信號，將各振動時域信號擴展為多維并對應截取N組信號依次進入穩態子空間分析模型中計算，得到已測刀具各種刀具狀態對應的數學分析值；采集待測刀具一維振動時域信號并擴展為多維后，截取N組信號進入穩態子空間分析模型中計算，得到待測刀具的數學分析值；篩選與待測刀具的數學分析值之差絕對值為最小的已測刀具的數學分析值，并將其所對應刀具狀態種類作為待測刀具的故障類別。本發明實施例，克服現有方法的弊端，適用于有限樣本下對信號要求更寬泛、更適合刀具損傷過程的監測與診斷。

技術領域

本發明涉及機械故障診斷技術領域和計算機技術領域，尤其涉及一種基于穩態子空間分析多維信號的刀具狀態監測方法。

背景技術

隨著市場競爭的日益激烈，制造型企業對生產過程的自動化需求不斷增加，數控機床的自動化是大多數制造過程自動化的重要組成部分。刀具作為數控機床最易損傷的部件，對其進行及時有效的狀態監測與故障識別至關重要，主要原因在于：(1)據統計，在切削加工中刀具故障通常約占機床停機時間的20％，而頻繁的停機換刀嚴重影響企業的生產效率；(2)如若刀具發生故障而沒有及時發現，會直接影響零件表面光潔度、尺寸精度等質量特性，嚴重的還將導致工件報廢，增加生產成本。因此，加工過程中的實時刀具狀態監測是自動化制造中的關鍵研究課題，如何在加工過程中有效地監測刀具狀態，識別刀具的損傷程度，已成為數控機床智能化以及生產過程自動化發展急需解決的問題。

目前，學者們開展了大量刀具狀態監測研究，已提出了諸多比較有效的方法，如快速傅里葉變換(FFT)、小波變換(WT)、人工神經網絡(ANN)、隱馬爾科夫鏈(HMM)、支持向量機(SVM)等，這為高精度、高可靠的刀具狀態監測提供了一定的技術基礎。然而，這些方法都需要在一定的前提條件下才能達到理想的效果，如FFT要求信號是平穩的，而機床加工過程中刀具信號是非平穩的；又如小波分析雖然能夠處理非平穩信號，但其關鍵在于構造和選擇與故障特征波形相匹配且具有優良性質的小波基函數，而對于先驗知識甚少的機床刀具損傷過程，選擇合適的小波基函數是非常困難的；又如ANN算法需要大量樣本數據進行訓練，這對于刀具狀態監測而言是很困難的，而在有限的樣本情況下，ANN容易出現過學習問題，即推廣能力差；又如HMM方法假設狀態持續時間服從指數分布，而刀具損傷過程很難滿足這一條件；又如SVM在小樣本情形下表現出良好的分類性能，但它只依照當前時刻的信號特征進行識別，未能充分利用信號前后時刻的狀態信息，對于具有較強時變性的刀具損傷過程具有一定的局限性。

發明內容

本發明實施例的目的在于提供一種基于穩態子空間分析多維信號的刀具狀態監測方法，克服了現有方法應用于刀具狀態監測的弊端，適用于有限樣本下對信號要求更寬泛、更適合刀具損傷過程的監測與診斷。

為了解決上述技術問題，本發明實施例提供了一種基于穩態子空間分析多維信號的刀具狀態監測方法，所述方法包括：

在已測刀具的歷史數據中，獲取刀具狀態的種類及各種刀具狀態下所得一維振動時域信號，采用預設的非線性復自相關函數法將各種刀具狀態下所得的一維振動時域信號擴展為對應的多維時域信號，并從各種刀具狀態下所擴展的多維時域信號中分別對應截取連續采樣數為T的不重疊的N組信號，且進一步將所述截取到的各種刀具狀態下各自對應N組信號分別作為當前N組期望信號依次進入預設的穩態子空間分析模型中計算，得到已測刀具各種刀具狀態分別對應的數學分析值；其中，T和N均為大于1的正整數；

采集待測刀具的一維振動時域信號，采用所述預設的非線性復自相關函數法將待測刀具所得的一維振動時域信號擴展為多維時域信號，并從待測刀具所擴展的多維時域信號中對應截取連續采樣數為T的不重疊的N組信號，且進一步將所述截取到的待測刀具所得對應N組信號作為當前N組期望信號進入所述預設的穩態子空間分析模型中計算，得到待測刀具的數學分析值；