[發明專利]基于在線增量磨損演化模型的切削狀態邊緣智能監控方法

有效

• 申請號: 202010784204.4
• 申請日: 2020-08-06
• 公開（公告）號: CN111890127B
• 公開（公告）日: 2022-09-20
• 發明（設計）人: 楊文安;劉學為
• 申請（專利權）人: 南京航空航天大學
• 主分類號: B23Q17/09
• 分類號: B23Q17/09;G06N3/04;G06N3/08
• 代理公司: 北京睿智保誠專利代理事務所(普通合伙) 11732
• 代理人: 王燦

1.一種基于邊緣計算的刀具磨損智能監控方法，其特征在于，包括如下：

S1：建立刀具邊緣智能監控系統,所述刀具邊緣智能監控系統包括：

感知層，所述感知層包括三向切削力傳感器、三向振動傳感器、聲發射傳感器，利用三向切削力傳感器實時采集加工裝備加工過程中X軸、Y軸、Z軸的切削力信號，利用三向振動傳感器采集加工裝備加工過程中的振動信號，利用發射傳感器采集加工裝備加工過程的聲發射信號；

數據傳輸層，所述數據傳輸層包括多個邊緣網關和域控制器，其中所述邊緣網關包括ZigBee模塊、Wi-Fi模塊、藍牙模塊，利用ZigBee模塊、Wi-Fi模塊、藍牙模塊構成無線數據傳輸網絡，并利用域控制器控制數據傳輸的路徑；

邊緣計算層，所述邊緣計算層包括可編程邏輯門陣列硬件系統，硬件功能模塊包括自編碼器特征提取模塊、在線序貫增量極限學習機模塊，利用自編碼器特征提取模塊對數據進行預處理得到訓練樣本，并結合訓練樣本的特征數和樣本數確定在線序貫增量極限學習機模塊的內部拓撲結構，最后在同一工況下將傳感器采集的數據傳輸到訓練完成的邊緣計算層；

軟件定義網絡技術層，包括多個SND控制器，利用SND控制器實時調整邊緣計算層與云計算層之間的傳輸路徑，將實時監控結果以最優路徑發送到云計算層；

云計算層，所述云計算層面向用戶和行業完成各種不同的具體應用，包括實時預警、可視化顯示、決策輔助；

S2：利用刀具邊緣智能監控系統中的感知層的三向切削力傳感器實時采集加工裝備加工過程中X軸、Y軸、Z軸的切削力信號，同時利用三向振動傳感器及聲發射傳感器分別采集加工裝備加工過程中的振動信號及聲發射信號；

S3：利用邊緣網關中的ZigBee模塊、Wi-Fi模塊、藍牙模塊構成無線數據傳輸網絡，并利用域控制器控制數據傳輸的路徑，最后將數據從感知層傳輸到邊緣計算層；

S4：利用邊緣計算層的FPGA硬件系統對數據進行預處理得到訓練樣本，并結合訓練樣本的特征數和樣本數確定在線序貫增量極限學習機的內部拓撲結構，最后在同一工況下將傳感器采集的數據傳輸到訓練完成的邊緣計算層；

其中所述在線序貫增量極限學習機包含5個16×128輸入雙口RAM模塊，激活函數運算模塊、乘加模塊，逆矩陣運算模塊、廣義逆矩陣運算模塊，其中5個16×128輸入雙口RAM模塊分別存儲在線序貫增量極限學習機輸入層與隱含層的連接權值、在線序貫增量極限學習機輸入層與隱含層的連接閾值、歸一化處理后的后刀面磨損量、在線序貫增量極限學習機隱含層與輸出層的連接權值、在線序貫增量極限學習機實時監控數據的輸出，激活函數運算模塊采用Sigmoid函數，利用查找表的形式對隱含層數據進行函數運算，廣義逆矩陣模塊對激活函數運算之后的值進行廣義逆矩陣運算，得到在線序貫增量極限學習機隱含層與輸出層的連接權值；

S5：利用刀具邊緣智能監控系統中的SND控制器將實時監控結果發送到云計算層；

S6：利用云計算層中的應用服務對刀具磨損監控結果進行應用。

2.根據權利要求1所述的基于邊緣計算的刀具磨損智能監控方法，其特征在于，所述S3中，利用域控制器控制數據的傳輸路徑，利用邊緣傳輸及內部傳輸的方法對傳輸路徑進行優化，實現對感知層與邊緣計算層之間的數據傳輸路徑的調整。

3.根據權利要求1所述的基于邊緣計算的刀具磨損智能監控方法，其特征在于，所述S4中，利用FPGA硬件系統中的自編碼器特征提取模塊對傳感器實時采集的信息進行特征提取。

4.根據權利要求1所述的基于邊緣計算的刀具磨損智能監控方法，其特征在于，所述S4中，利用FPGA硬件系統中的在線序貫增量極限學習機模塊對特征提取后的信息進行在線序貫增量學習。

5.根據權利要求1所述的基于邊緣計算的刀具磨損智能監控方法，其特征在于，所述S5中，SND控制器使用運行在運輸層安全協議之上的OpenFlow協議與兼容OpenFlow的交換機通信，并利用SND應用定義的規則將接收到的刀具磨損量數據沿著指定的數據轉發路徑轉發到云計算層。