[發(fā)明專(zhuān)利]刀具檢測(cè)模型的生成方法、檢測(cè)方法、系統(tǒng)、設(shè)備及介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010889115.6
• 申請(qǐng)日: 2020-08-28
• 公開(kāi)（公告）號(hào): CN111993158B
• 公開(kāi)（公告）日: 2022-08-23
• 發(fā)明（設(shè)計(jì)）人: 賈昌武;黃永鋒;譚國(guó)豪;鐘康;李鴻峰
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳市玄羽科技有限公司
• 主分類(lèi)號(hào): B23Q17/09
• 分類(lèi)號(hào): B23Q17/09;G06K9/62;G06N20/00
• 代理公司: 上海弼興律師事務(wù)所 31283
• 代理人: 楊東明;金學(xué)來(lái)

本發(fā)明公開(kāi)了一種刀具檢測(cè)模型的生成方法、檢測(cè)方法、系統(tǒng)、設(shè)備及介質(zhì)，生成方法包括：獲取不同使用狀態(tài)的刀具在加工過(guò)程中的負(fù)載值，使用狀態(tài)為正常使用狀態(tài)或斷刀使用狀態(tài)；從負(fù)載值中提取特征數(shù)據(jù)；將特征數(shù)據(jù)作為輸入，特征數(shù)據(jù)對(duì)應(yīng)的使用狀態(tài)作為輸出訓(xùn)練機(jī)器學(xué)習(xí)模型以獲取刀具檢測(cè)模型；刀具檢測(cè)模型用于檢測(cè)目標(biāo)刀具的當(dāng)前使用狀態(tài)。本發(fā)明配置簡(jiǎn)單，在刀具實(shí)際加工產(chǎn)品的過(guò)程中，無(wú)需額外配置其它傳感器，即可獲取刀具產(chǎn)生的負(fù)載值，通過(guò)訓(xùn)練好的刀具檢測(cè)模型，即可獲取當(dāng)前刀具的磨損狀態(tài)，在不影響產(chǎn)品正常生產(chǎn)加工的流程下，可以實(shí)現(xiàn)對(duì)刀具健康狀態(tài)的檢測(cè)，不僅提高了刀具檢測(cè)效率，也極大的節(jié)約了刀具檢測(cè)成本。

技術(shù)領(lǐng)域

本發(fā)明涉及刀具狀態(tài)的檢測(cè)領(lǐng)域，特別涉及一種刀具檢測(cè)模型的生成方法、檢測(cè)方法、系統(tǒng)、設(shè)備及介質(zhì)。

背景技術(shù)

CNC(計(jì)算機(jī)數(shù)控)機(jī)床通過(guò)其配備的刀具對(duì)產(chǎn)品進(jìn)行加工，產(chǎn)品的品質(zhì)依賴(lài)于刀具的健康狀態(tài)，刀具在加工的過(guò)程中會(huì)被磨損消耗以至達(dá)到健康的加工狀態(tài)。

目前對(duì)刀具的故障診斷一般主要有兩種方式，第一種方式為通過(guò)定期卸下刀具人為地肉眼進(jìn)行觀察，根據(jù)刀具外形和操作人員的經(jīng)驗(yàn)進(jìn)行判斷刀具是否嚴(yán)重磨損以無(wú)法使用；第二種方式為使用昂貴的激光對(duì)刀儀進(jìn)行測(cè)量。

在第一種方式下，這刀具的故障診斷不具有在線性和智能性，且如果經(jīng)常進(jìn)行刀具診斷還會(huì)影響生產(chǎn)效率。

在第二種方式下，需要在CNC機(jī)床的CNC端與機(jī)床端之間設(shè)置PLC(可編程邏輯控制器)，通過(guò)PLC獲取機(jī)床加工過(guò)程中產(chǎn)生的若干刀具振動(dòng)信號(hào)，依靠處理和分析振動(dòng)信號(hào)來(lái)診斷刀具狀態(tài)。其不足在于其配置較復(fù)雜，PLC通信網(wǎng)絡(luò)配置和維護(hù)成本也較高，安裝PLC設(shè)備也增加了安裝成本。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問(wèn)題是為了克服現(xiàn)有技術(shù)中對(duì)刀具使用狀態(tài)診斷效率低、成本高且配置復(fù)雜的缺陷，提供一種配置簡(jiǎn)單的、低成本且高效率的刀具檢測(cè)模型的生成方法、檢測(cè)方法、系統(tǒng)、設(shè)備及介質(zhì)。

本發(fā)明是通過(guò)下述技術(shù)方案來(lái)解決上述技術(shù)問(wèn)題：

本發(fā)明提供了一種刀具檢測(cè)模型的生成方法，所述生成方法包括：

獲取不同使用狀態(tài)的刀具在加工過(guò)程中的負(fù)載值，所述使用狀態(tài)為正常使用狀態(tài)或斷刀使用狀態(tài)；

從所述負(fù)載值中提取特征數(shù)據(jù)；

將所述特征數(shù)據(jù)作為輸入，所述特征數(shù)據(jù)對(duì)應(yīng)的使用狀態(tài)作為輸出訓(xùn)練機(jī)器學(xué)習(xí)模型以獲取所述刀具檢測(cè)模型，所述刀具檢測(cè)模型用于檢測(cè)目標(biāo)刀具的當(dāng)前使用狀態(tài)。

較佳地，所述訓(xùn)練機(jī)器學(xué)習(xí)模型以獲取所述刀具檢測(cè)模型的步驟包括：

當(dāng)訓(xùn)練次數(shù)達(dá)到預(yù)設(shè)目標(biāo)數(shù)時(shí)，確定訓(xùn)練后的所述機(jī)器學(xué)習(xí)模型為所述刀具檢測(cè)模型。

較佳地，述機(jī)器學(xué)習(xí)模型包括二分類(lèi)模型。

較佳地，所述二分類(lèi)模型包括adaboost(自適應(yīng)增強(qiáng))模型。

較佳地，所述將所述特征數(shù)據(jù)作為輸入，所述特征數(shù)據(jù)對(duì)應(yīng)的使用狀態(tài)作為輸出訓(xùn)練機(jī)器學(xué)習(xí)模型以獲取所述刀具檢測(cè)模型的步驟包括：

初始化每一所述特征數(shù)據(jù)的權(quán)重；

根據(jù)初始化的所述權(quán)重訓(xùn)練所述二分類(lèi)模型的學(xué)習(xí)器，且將訓(xùn)練后的所述學(xué)習(xí)器加入弱學(xué)習(xí)器集合中；

根據(jù)所述學(xué)習(xí)器的學(xué)習(xí)誤差率更新所述特征數(shù)據(jù)的權(quán)重，根據(jù)更新后的所述特征數(shù)據(jù)的權(quán)重再次訓(xùn)練所述學(xué)習(xí)器，且將再次訓(xùn)練后的所述學(xué)習(xí)器加入所述弱學(xué)習(xí)器集合中；