[發(fā)明專利]基于AR模型與SVDD算法的刀具性能退化評(píng)估方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810133641.2
• 申請(qǐng)日: 2018-02-09
• 公開(kāi)（公告）號(hào): CN108229071B
• 公開(kāi)（公告）日: 2021-06-22
• 發(fā)明（設(shè)計(jì)）人: 徐劍;王天宇;蔡一彪;吳芳基
• 申請(qǐng)（專利權(quán)）人: 杭州安脈盛智能技術(shù)有限公司
• 主分類號(hào): G06F30/20
• 分類號(hào): G06F30/20
• 代理公司: 杭州裕陽(yáng)聯(lián)合專利代理有限公司 33289
• 代理人: 姚宇吉

本發(fā)明為一種基于AR模型與SVDD算法的刀具性能退化評(píng)估方法，包括以下步驟：依據(jù)采集到的正常狀態(tài)下刀具的信號(hào)數(shù)據(jù)樣本，建立AR濾波器模型；通過(guò)所述AR濾波器模型對(duì)信號(hào)數(shù)據(jù)樣本進(jìn)行處理，得到殘差信號(hào)數(shù)據(jù)集，并計(jì)算殘差信號(hào)數(shù)據(jù)集中每個(gè)殘差信號(hào)數(shù)據(jù)的累積概率分布，建立正常狀態(tài)下刀具信號(hào)數(shù)據(jù)所對(duì)應(yīng)的特征集并處理，得到包容最小體積的超球面；采用AR濾波器模型對(duì)采集到的當(dāng)前狀態(tài)下的刀具信號(hào)數(shù)據(jù)進(jìn)行處理，得到第一殘差信號(hào)數(shù)據(jù)集；計(jì)算當(dāng)前狀態(tài)下刀具信號(hào)數(shù)據(jù)對(duì)應(yīng)的第一殘差信號(hào)數(shù)據(jù)的累積概率分布特征，計(jì)算第一特征到所述超球面的距離，通過(guò)距離判斷刀具性能退化的程度。本發(fā)明能實(shí)現(xiàn)對(duì)刀具性能退化的評(píng)估，有助于實(shí)現(xiàn)數(shù)控機(jī)床預(yù)測(cè)性維修。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)械信號(hào)數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及了一種基于AR模型與SVDD算法的刀具性能退化評(píng)估方法及系統(tǒng)。

背景技術(shù)

目前，在數(shù)控機(jī)床加工過(guò)程中，刀具由于受到熱壓裂、物理摩擦、塑性變形、擴(kuò)散磨損和晶粒脫落等原因影響，會(huì)逐漸磨損，出現(xiàn)性能退化直至失效。刀具的性能退化不但會(huì)降低機(jī)床加工質(zhì)量，影響工件的表面粗糙度和尺寸精度，同時(shí)也嚴(yán)重影響數(shù)控機(jī)床的穩(wěn)定性和生產(chǎn)OEE(Overall Equipment Effectiveness)指標(biāo)。特別是在柔性制造系統(tǒng)和計(jì)算機(jī)集成制造系統(tǒng)中的數(shù)控機(jī)床，如果不能及時(shí)、準(zhǔn)確地評(píng)估刀具性能退化程度，一旦刀具失效發(fā)生故障，往往會(huì)產(chǎn)生不可估量的損失。因此，開(kāi)發(fā)針對(duì)數(shù)控機(jī)床刀具的性能退化方法，不但能最優(yōu)化機(jī)床切削參數(shù)和保證工藝性能的提升，更能有效控制數(shù)控機(jī)床的非計(jì)劃停機(jī)時(shí)間，提高整體經(jīng)濟(jì)效益。

經(jīng)過(guò)技術(shù)檢索發(fā)現(xiàn)，現(xiàn)有的數(shù)控機(jī)床刀具管理相關(guān)專利主要集中于刀具的故障診斷方法及系統(tǒng)，關(guān)注目的在于數(shù)控機(jī)床刀具出現(xiàn)故障時(shí)能夠快速有效的進(jìn)行識(shí)別，從而減少由于刀具故障引起的停機(jī)、廢料等損失。但在現(xiàn)今柔性制造系統(tǒng)和計(jì)算機(jī)集成制造系統(tǒng)中，事后維修往往是不能滿足企業(yè)實(shí)際需求的，只有從刀具性能退化評(píng)估的角度出發(fā)，實(shí)施基于狀態(tài)的維修即預(yù)測(cè)性維修，才能從根本上消除非計(jì)劃停機(jī)時(shí)間，進(jìn)而極大地提高企業(yè)的經(jīng)濟(jì)效益。

發(fā)明內(nèi)容

本發(fā)明針對(duì)現(xiàn)有技術(shù)中的缺點(diǎn)，提供了一種基于AR模型與SVDD算法的刀具性能退化評(píng)估方法及系統(tǒng)。

為了解決上述技術(shù)問(wèn)題，本發(fā)明通過(guò)下述技術(shù)方案得以解決：

本發(fā)明披露了：

一種基于AR模型與SVDD算法的刀具性能退化評(píng)估方法，包括以下步驟：

依據(jù)采集到的正常狀態(tài)下刀具的信號(hào)數(shù)據(jù)樣本，建立AR濾波器模型；

通過(guò)所述AR濾波器模型對(duì)信號(hào)數(shù)據(jù)樣本進(jìn)行處理，得到殘差信號(hào)數(shù)據(jù)集，并計(jì)算殘差信號(hào)數(shù)據(jù)集中每個(gè)殘差信號(hào)數(shù)據(jù)的累積概率分布，建立正常狀態(tài)下刀具信號(hào)數(shù)據(jù)所對(duì)應(yīng)的特征集，對(duì)所述特征集進(jìn)行處理，得到包容最小體積的超球面；

采用AR濾波器模型對(duì)采集到的當(dāng)前狀態(tài)下的刀具信號(hào)數(shù)據(jù)進(jìn)行處理，得到第一殘差信號(hào)數(shù)據(jù)集；

計(jì)算當(dāng)前狀態(tài)下刀具信號(hào)數(shù)據(jù)對(duì)應(yīng)的第一殘差信號(hào)數(shù)據(jù)的累積概率分布特征，記作第一特征，計(jì)算第一特征到所述超球面的距離，通過(guò)距離判斷刀具性能退化的程度。SVDD算法即就是支持向量數(shù)據(jù)描述。

作為一種可實(shí)施方式，所述依據(jù)采集到的正常狀態(tài)下刀具的信號(hào)數(shù)據(jù)樣本，建立AR濾波器模型，具體的步驟為：

將采集到的正常狀態(tài)下刀具的信號(hào)數(shù)據(jù)樣本建立為信號(hào)數(shù)據(jù)樣本集；

取信號(hào)數(shù)據(jù)樣本集中的任意信號(hào)數(shù)據(jù)樣本，依據(jù)信號(hào)數(shù)據(jù)樣本建立AR濾波器模型，并確定AR濾波器模型的階次和濾波系數(shù)。

作為一種可實(shí)施方式，所述通過(guò)所述AR濾波器模型對(duì)信號(hào)數(shù)據(jù)樣本進(jìn)行處理，得到殘差信號(hào)數(shù)據(jù)集，并計(jì)算殘差信號(hào)數(shù)據(jù)集中每個(gè)殘差信號(hào)數(shù)據(jù)的累積概率分布，建立正常狀態(tài)下刀具信號(hào)數(shù)據(jù)所對(duì)應(yīng)的特征集，對(duì)所述特征集進(jìn)行處理，得到包容最小體積的超球面，具體步驟為：