[發(fā)明專利]一種刀具磨損狀態(tài)識別方法及系統(tǒng)在審
| 申請?zhí)枺?/td> | 201910053100.3 | 申請日： | 2019-01-21 |
| 公開（公告）號： | CN109605127A | 公開（公告）日： | 2019-04-12 |
| 發(fā)明（設(shè)計）人： | 陳妮;郝碧君;郭月龍;李振軍;仵洋;李亮;何寧 | 申請（專利權(quán)）人： | 南京航空航天大學(xué) |
| 主分類號： | B23Q17/09 | 分類號： | B23Q17/09 |
| 代理公司： | 北京高沃律師事務(wù)所 11569 | 代理人： | 程華 |
| 地址： | 210000 江*** | 國省代碼： | 江蘇;32 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 刀具磨損狀態(tài) 切削力 降噪 刀具狀態(tài) 特征樣本 刀具 最小二乘支持向量機(jī) 小波包分析 方法提取 降噪處理 模型識別 磨損狀態(tài) 鉆削加工 頻域 時域 小波 諧波 輸出 | ||
1.一種刀具磨損狀態(tài)識別方法，其特征在于，包括：
獲取刀具鉆削加工過程中的切削力信號以及刀具磨損狀態(tài)；
利用小波閾值降噪法對所述切削力信號進(jìn)行降噪處理，確定降噪后的切削力信號；
提取所述降噪后的切削力信號中的特征，確定特征樣本集；所述特征包括時域特征、頻域特征以及頻帶能量；
以所述特征樣本集為輸入，以所述刀具磨損狀態(tài)為輸出，建立基于最小二乘支持向量機(jī)的刀具狀態(tài)識別模型；
根據(jù)所述刀具狀態(tài)識別模型識別所述刀具的當(dāng)前磨損狀態(tài)。
2.根據(jù)權(quán)利要求1所述的刀具磨損狀態(tài)識別方法，其特征在于，所述提取所述切削力信號的特征，確定特征樣本集，具體包括：
采用時域分析法以及頻域分析法提取所述切削力信號中的時域特征以及頻域特征，確定特征樣本集。
3.根據(jù)權(quán)利要求1所述的刀具磨損狀態(tài)識別方法，其特征在于，所述提取所述切削力信號的特征，確定特征樣本集，具體包括：
采用諧波小波包分析法提取所述切削力信號中的頻帶能量，確定特征樣本集。
4.根據(jù)權(quán)利要求1所述的刀具磨損狀態(tài)識別方法，其特征在于，所述以所述特征樣本集為輸入，以所述刀具磨損狀態(tài)為輸出，建立基于最小二乘支持向量機(jī)的刀具狀態(tài)識別模型，具體包括：
將所述特征樣本集劃分為訓(xùn)練集和測試集；
以所述訓(xùn)練集為輸入，以所述刀具磨損狀態(tài)為輸出，利用粒子群優(yōu)化算法建立基于最小二乘支持向量機(jī)的刀具狀態(tài)識別模型。
5.根據(jù)權(quán)利要求4所述的刀具磨損狀態(tài)識別方法，其特征在于，所述以所述訓(xùn)練集為輸入，以所述刀具磨損狀態(tài)為輸出，利用粒子群優(yōu)化算法建立基于最小二乘支持向量機(jī)的刀具狀態(tài)識別模型之后，還包括：
利用所述測試集對所述刀具狀態(tài)識別模型進(jìn)行驗證。
6.根據(jù)權(quán)利要求4所述的刀具磨損狀態(tài)識別方法，其特征在于，所述以所述訓(xùn)練集為輸入，以所述刀具磨損狀態(tài)為輸出，利用粒子群優(yōu)化算法建立基于最小二乘支持向量機(jī)的刀具狀態(tài)識別模型，具體包括：
利用粒子群優(yōu)化算法確定懲罰因子以及核參數(shù)；
根據(jù)所述懲罰因子以及所述核參數(shù)確定徑向基核函數(shù)；
根據(jù)所述徑向基核函數(shù)建立基于最小二乘支持向量機(jī)的刀具狀態(tài)識別模型。
7.一種刀具磨損狀態(tài)識別系統(tǒng)，其特征在于，包括：
切削力信號獲取模塊，用于獲取刀具鉆削加工過程中的切削力信號以及刀具磨損狀態(tài)；
降噪處理模塊，用于利用小波閾值降噪法對所述切削力信號進(jìn)行降噪處理，確定降噪后的切削力信號；
特征樣本集確定模塊，用于提取所述降噪后的切削力信號中的特征，確定特征樣本集；所述特征包括時域特征、頻域特征以及頻帶能量；
刀具狀態(tài)識別模型建立模塊，用于以所述特征樣本集為輸入，以所述刀具磨損狀態(tài)為輸出，建立基于最小二乘支持向量機(jī)的刀具狀態(tài)識別模型；
當(dāng)前磨損狀態(tài)識別模塊，用于根據(jù)所述刀具狀態(tài)識別模型識別所述刀具的當(dāng)前磨損狀態(tài)。
8.根據(jù)權(quán)利要求7所述的刀具磨損狀態(tài)識別系統(tǒng)，其特征在于，所述特征樣本集確定模塊具體包括：
第一特征樣本集確定單元，用于采用時域分析法以及頻域分析法提取所述切削力信號中的時域特征以及頻域特征，確定特征樣本集。
9.根據(jù)權(quán)利要求7所述的刀具磨損狀態(tài)識別系統(tǒng)，其特征在于，所述特征樣本集確定模塊具體包括：
第二特征樣本集確定單元，用于采用諧波小波包分析法提取所述切削力信號中的頻帶能量，確定特征樣本集。
10.根據(jù)權(quán)利要求7所述的刀具磨損狀態(tài)識別系統(tǒng)，其特征在于，所述刀具狀態(tài)識別模型建立模塊具體包括：
劃分單元，用于將所述特樣本集劃分為訓(xùn)練集和測試集；
刀具狀態(tài)識別模型建立單元，用于以所述訓(xùn)練集為輸入，以所述刀具磨損狀態(tài)為輸出，利用粒子群優(yōu)化算法建立基于最小二乘支持向量機(jī)的刀具狀態(tài)識別模型。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于南京航空航天大學(xué)，未經(jīng)南京航空航天大學(xué)許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910053100.3/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 基于圖像識別的旋轉(zhuǎn)刀具狀態(tài)多參數(shù)綜合評價方法
- 基于條件隨機(jī)場模型的刀具磨損狀態(tài)監(jiān)測方法
- 一種基于電流與聲發(fā)射復(fù)合信號的刀具磨損監(jiān)測方法
- 一種車削刀具磨損狀態(tài)監(jiān)測系統(tǒng)
- 基于廣義磨損量的刀具磨損評價和預(yù)測方法及系統(tǒng)
- 一種基于分形理論的刀具磨損狀態(tài)在線監(jiān)測方法
- 基于卷積神經(jīng)網(wǎng)絡(luò)的刀具磨損狀態(tài)檢測方法、裝置及設(shè)備
- 一種刀具磨損狀態(tài)識別方法及系統(tǒng)
- 一種基于切削力的刀具磨損在線監(jiān)測方法
- 銑刨刀具磨損提示方法和銑刨機(jī)
- 產(chǎn)生用于控制機(jī)床上刀具的變換控制數(shù)據(jù)的方法和裝置
- 一種基于多傳感融合的刀具狀態(tài)監(jiān)測方法
- 刀具狀態(tài)檢測系統(tǒng)
- 刀具狀態(tài)回饋系統(tǒng)
- 刀具組件及食品料理機(jī)
- 破碎機(jī)的堆焊修復(fù)系統(tǒng)、修復(fù)方法、計算機(jī)設(shè)備及可讀存儲介質(zhì)
- 數(shù)控機(jī)床刀具狀態(tài)監(jiān)測及控制系統(tǒng)與方法
- 銑刨刀具磨損提示方法和銑刨機(jī)
- 一種旋轉(zhuǎn)刀具失效狀態(tài)在機(jī)監(jiān)測系統(tǒng)及其檢測方法
- 刀具檢測模型的生成方法、檢測方法、系統(tǒng)、設(shè)備及介質(zhì)
