[發明專利]一種基于遺傳算法優化多傳感監測刀具狀態的方法

有效

• 申請號: 201810319635.6
• 申請日: 2018-04-11
• 公開（公告）號: CN108581633B
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 周余慶;向家偉;高晨;孫兵濤;鐘永騰;劉信芳
• 申請（專利權）人: 溫州大學
• 主分類號: B23Q17/09
• 分類號: B23Q17/09;G06N3/12;G05B19/4065
• 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

本發明提供一種基于遺傳算法優化多傳感監測刀具狀態的方法，首先通過多種傳感器通道測量多個物理場信號，計算每個傳感通道信號的若干時域和頻域統計特征參數；進而以識別精度為優化目標，構造多傳感布局優化模型，提出基于多核學習的極限學習機分類算法，得到最優的傳感配置和特征參數集；然后，根據得到最優的傳感配置進行信號采集，計算出待測刀具的各傳感通道的有效特征參數；進而采用多核極限學習機計算刀具狀態的類別概率，類別概率中概率最大對應的刀具狀態即為待測刀具當前的狀態。實施本發明，避免現有的多傳感器監測與診斷刀具狀態方法通過組合式特征提取與信號分析所帶來的有效信息損失風險，提高了刀具狀態的識別精度。

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，尤其涉及一種基于遺傳算法優化多傳感監測刀具狀態的方法。

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(TCM)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。

近年來，基于傳感器的間接式刀具狀態監測TCM方法受到了國內外學者的廣泛關注?；趥鞲衅鞯腡CM方法是通過傳感器獲取切削加工過程的相關信號，借助信號處理和統計分析技術對刀具狀態進行估計，以達到實時監測刀具運行狀態的目的。目前，學者們開展了大量TCM研究，已提出了諸多比較有效的TCM的方法，這為高精度、高可靠性的TCM提供了一定的技術基礎。然而，目前大多數研究側重于單一傳感器監測與診斷。不同物理場信號對刀具不同狀態(磨損、破損等)的識別精度不盡相同，基于單一傳感器的監測方法容易導致刀具狀態的漏判和誤判。另外，雖然已有少數學者開展了基于多傳感信號的刀具監測與診斷研究，但所采用的方法均是直接將多個傳感數據組合在一起進行特征提取與信號分析，然而不同物理場信號對應的采樣頻率、故障特征靈敏度等信息相差甚遠，使得上述組合式的特征提取與信號分析的方法會損失很多有效信息，影響TCM的識別精度。

發明內容

本發明實施例所要解決的技術問題在于，提供一種基于遺傳算法優化多傳感監測刀具狀態的方法，能避免現有的多傳感器監測與診斷刀具狀態方法通過組合式特征提取與信號分析所帶來的有效信息損失風險，提高了刀具狀態的識別精度。

為了解決上述技術問題，本發明實施例提供了一種基于遺傳算法優化多傳感監測刀具狀態的方法，包括以下步驟：

步驟(1)、采集C種刀具狀態下的M個物理場傳感通道的時域信號，每種刀具狀態分別采集T次形成訓練樣本集其中，c＝1,2,...,C,m＝1,2,...,M，t＝1,2,...,T，m表示第m個物理場傳感器，c表示第c類，t表示第t次采集的信號，N_m表示第m個物理場傳感通道每次采樣的信號點數；C、M、N_m和T均為大于1的正整數；

步驟(2)、計算訓練樣本集中時域信號的F個統計特征參數，構成的特征參數集其中，F為正整數；

步驟(3)、構造優化模型，所述優化模型具體如下：

Max Z＝D(a_ij),i＝1,2,...,M,j＝1,2,...,F；