[發明專利]一種基于多任務學習的零件表面粗糙度和刀具磨損預測方法

有效

• 申請號: 202010150557.9
• 申請日: 2020-03-06
• 公開（公告）號: CN111366123B
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 王永青;秦波;劉闊;沈明瑞;牛蒙蒙;王宏慧;韓靈生
• 申請（專利權）人: 大連理工大學
• 主分類號: G01B21/30
• 分類號: G01B21/30;G01B21/00;G06N3/04;G06N3/08
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 溫福雪;侯明遠

本發明屬于機械加工技術領域，提供了一種基于多任務學習的零件表面粗糙度和刀具磨損預測方法。首先，采集加工過程中的振動信號；下一步，測量零件表面粗糙度和刀具磨損情況，并將測得結果與振動信號分別對應；其次，進行樣本擴充，提取特征并歸一化處理；然后，構建基于深度置信網絡的多任務預測模型，并將零件表面粗糙度和刀具磨損情況作為模型輸出，提取特征作為輸入，建立多任務DBN網絡預測模型；最后，進行試驗驗證，振動信號輸入多任務預測模型中，預測表面粗糙度以及刀具磨損狀況。該方法的最大優點：一次建模實現零件表面粗糙度和刀具磨損的在線預測，充分利用了監測數據包含的隱藏信息，減少了工作量以及模型建立的成本。

技術領域

本發明屬于機械加工技術領域，涉及一種基于多任務學習的零件表面粗糙度和刀具磨損預測方法。

背景技術

表面質量是決定機械加工性能的重要因素，優質的零件表面可顯著提高零件的疲勞強度、耐腐蝕性和蠕變壽命。在零件加工中，表面粗糙度是加工表面質量的主要指標之一。表面粗糙度會影響零件的功能屬性，如接觸引起的表面摩擦和磨損等。刀具磨損是金屬切削加工中存在的一種正常現象。加工使刀具刃口鈍化，增加刀具與工件之間的摩擦，同時也增加功率的消耗，若不能及時判斷刀具磨損狀態，會降低工件的尺寸精度，增大表面粗糙度，甚至會使工件完全損壞。在大批量零件加工中，刀具磨損會惡化零件表面粗糙度，零件表面粗糙度變化會表征刀具磨損情況。因此，實現零件表面粗糙度和刀具磨損的精準預測能顯著提高零件的加工質量和加工效率。

目前學者在零件表面粗糙度和刀具磨損預測方面進行了大量的研究。在專利《一種基于GA-ELM算法的模具鋼銑削表面粗糙度預測系統》(申請號：CN201810329036.2)中，利用GA-ELM算法建立預測模型，并進行表面粗糙度預測；在專利《Machined surface qualityevaluation device》(專利號：US20180307198A1)中，機械加工表面質量評估裝置包括機器學習裝置，該機器學習裝置將對工件的加工表面質量的檢查結果作為狀態變量進行觀察，獲取表示觀察者對工件的加工表面質量的評價結果的標簽數據，并學習該狀態變量和標簽數據的相互關聯方式，實現表面質量的評估；在專利《Manufacturing efficiencyoptimization platform and tool condition monitoring and prediction method》(專利號：US 20160349737A1)中，利用傳感器數據持續監測和分析設備狀態并預測功耗趨勢，當功率增加以及振動增加到預定水平時，表明刀具已磨損至需更換的程度；在專利《基于改進的BP神經網絡的刀具磨損預測方法》(申請號：CN201811122597.1)中，通過聚類算法對刀具數據進行分類篩選，對數據進行歸一化處理，建立BP神經網絡模型，并利用建立好的神經網絡預測刀具磨損狀態；在專利《一種基于振動頻譜和神經網絡的刀具磨損測量方法》(申請號：CN201810685382.4)中，采用振動傳感器采集切削過程中的振動信號，并對振動信號進行傅立葉變換，將頻譜集中區域的振動幅值輸入到神經網絡中進行訓練，建立起振動頻譜和刀具磨損量之間的映射關系，預測刀具磨損。上述預測方法只依賴歷史進程數據，采集加工過程中的動態信號并提取識別信號特征，不需要先驗物理知識，對人員要求較低，精度、實時性和適應范圍較好。

然而，目前預測方法存在一些問題，如：(1)有一些采用傳統的智能算法和機器學習算法，這些網絡通常是淺層結構，限制了網絡學習切削動態參數與零件粗糙度和刀具磨損之間復雜非線性映射關系的能力。(2)只能單獨實現零件表面粗糙度的預測或刀具磨損的預測，沒有同時實現零件表面粗糙度和刀具磨損預測研究的研究。本發明針對上述問題提出一種基于多任務學習的零件表面粗糙度和刀具磨損預測方法，可同時實現零件表面粗糙度和刀具磨損的預測。

發明內容

本發明的目的為提供一種基于多任務學習的零件表面粗糙度和刀具磨損預測方法，解決現有預測方法只能單獨實現零件表面粗糙度預測或刀具磨損預測的問題。該方法可以同時實現零件表面粗糙度和刀具磨損的預測。

本發明的技術方案：