[發(fā)明專利]一種多傳感器信息融合的砂帶磨損檢測方法

有效

• 申請?zhí)枺?/td>: 202011615783.6
• 申請日: 2020-12-30
• 公開（公告）號: CN112798453B
• 公開（公告）日: 2023-06-23
• 發(fā)明（設(shè)計）人: 齊俊德;陳冰;李山;陶志健;張香月
• 申請（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號: G01N3/56
• 分類號: G01N3/56;G01N3/06;G06F18/10;G06F18/241;G06F18/25;G06F18/214;G06N3/0464;G06N3/08
• 代理公司: 西安凱多思知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61290
• 代理人: 云燕春

1.一種多傳感器信息融合的砂帶磨損檢測方法，其特征在于具體步驟如下：

步驟一：首先，通過以下公式定義砂帶磨損因數(shù)k_t：

其中，C_a為砂帶初始磨損常數(shù)，h為去除深度，F(xiàn)_n為法向力，V_r為砂帶與工件相對速度；將全新砂帶磨損因數(shù)設(shè)定為k_t＝1，由全新砂帶初次駐留磨削的去除深度h標(biāo)定砂帶初始磨損常數(shù)C_a；

然后，搭建磨削平臺，設(shè)置多組磨削用量并采集各類傳感器信號；

步驟二：對步驟一采集到的原始傳感器信號進(jìn)行初步處理，得到零點對齊的信號；

步驟三：對步驟二初步處理后的信號進(jìn)行裁剪處理，得到深度卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練所需的訓(xùn)練集和測試集；

步驟四：采用多個卷積神經(jīng)網(wǎng)絡(luò)模型配合的磨損狀態(tài)識別方法，訓(xùn)練步驟三的訓(xùn)練集和測試集得到深度卷積神經(jīng)網(wǎng)絡(luò)模型，用以判斷采用的磨削用量；再訓(xùn)練針對各個磨削用量的深度卷積神經(jīng)網(wǎng)絡(luò)模型，用以判斷砂帶的磨損程度；

步驟五：獲取實際磨削中砂帶磨損傳感器信號，信號輸入磨削用量識別的卷積神經(jīng)網(wǎng)絡(luò)模型中判斷所用的磨削用量編號，調(diào)用相應(yīng)的的深度卷積神經(jīng)網(wǎng)絡(luò)模型判斷該信號對應(yīng)的砂帶磨損狀態(tài)并輸出砂帶使用時間、剩余壽命和磨損因數(shù)。

2.根據(jù)權(quán)利要求1所述多傳感器信息融合的砂帶磨損檢測方法，其特征在于：所述步驟一中利用力傳感器、振動傳感器和聲音傳感器來采集工件磨削過程中與砂帶磨損密切相關(guān)的各類傳感器信號，分別為力信號、振動信號和聲音信號；在每組磨削用量下，一個砂帶磨損因數(shù)對應(yīng)該段磨削時間采集到的一組原始傳感器信號。

3.根據(jù)權(quán)利要求1所述多傳感器信息融合的砂帶磨損檢測方法，其特征在于：所述步驟二初步處理方法為：

(1)從步驟一所采集的原始信號中截取出磨削段信號；所述原始信號包括磨削段和怠速非磨削段；

(2)對截取出的磨削段信號進(jìn)行低通濾波，減小噪聲對信號的干擾；

(3)對信號的零點進(jìn)行標(biāo)定，實現(xiàn)零點對齊，減少由于信號傳播介質(zhì)帶來的延時誤差。

4.根據(jù)權(quán)利要求1所述多傳感器信息融合的砂帶磨損檢測方法，其特征在于：所述步驟三中，將每個信號裁剪為若干個小信號，隨機(jī)劃分入訓(xùn)練集和測試集，其中訓(xùn)練集占總數(shù)據(jù)集的80％，測試集占20％。

5.根據(jù)權(quán)利要求1所述多傳感器信息融合的砂帶磨損檢測方法，其特征在于：所述步驟四中，多個卷積神經(jīng)網(wǎng)絡(luò)模型是指兩個卷積神經(jīng)網(wǎng)絡(luò)模型，分別為用于對輸入信號做作16種磨削用量判斷的卷積神經(jīng)網(wǎng)絡(luò)模型和用于對14種磨損狀態(tài)判斷的卷積神經(jīng)網(wǎng)絡(luò)模型。