[發明專利]一種刀具磨損及壽命預測方法及裝置

在審

• 申請號: 202110302167.3
• 申請日: 2021-03-22
• 公開（公告）號: CN113043073A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 謝兆賢;王震;孫冠楠;宋輝;邵長彬;倪建成
• 申請（專利權）人: 曲阜師范大學
• 主分類號: B23Q17/09
• 分類號: B23Q17/09
• 代理公司: 溫州名創知識產權代理有限公司 33258
• 代理人: 陳加利

本發明提供一種刀具磨損及壽命預測方法，包括獲取刀具實時狀態的各類信號并進行預處理，且進一步對預處理后的各類信號均進行特征提取，得到刀具各類信號的特征樣本；根據所得到的刀具各類信號的特征樣本，使用預先訓練好的刀具磨損預測模型進行預測，得到刀具磨損預測結果；其中，刀具磨損預測模型是由隨機森林預測模型和卷積神經網絡預測模型采用stacking融合策略融合而成的；將所得到的刀具各類信號的特征樣本與所得到的刀具磨損預測結果結合，使用預先訓練好的刀具壽命預測模型進行預測，得到刀具壽命預測結果。實施本發明，能對刀具實時的磨損狀態和壽命進行較為精確的預測，在一定程度上降低刀具損壞而導致的生產效益下降問題。

技術領域

本發明涉及計算機技術領域和刀具技術領域，尤其涉及一種刀具磨損及壽命預測方法及裝置。

背景技術

在現今的制造業中，人工智能和大數據處理分析挖掘等技術的迅速發展，機械設備的健康狀態監測也逐漸從加工設備的事后故障診斷慢慢發展到對于加工設備的故障提前預警維護和壽命預測管理。

目前，數控機床的刀具實時工作狀態也需要實現智能化的預警維護和壽命預測管理，主要在于刀具生產中的工作狀態對工件的質量起著決定性作用。一旦刀具受損，可能會損害工件，甚至造成機床事故，從而影響產品生產效率。因此，對刀具實時工作狀態的監測能夠提高產品生產的穩定性和保障產品的生產效率。

傳統的監測方法包括直接監測(光學圖譜法、接觸法、放電性技術)和間接監測(切削溫度測量法、聲發射檢測法、振動監測法、切削力監測法)。直接監測雖然操作性強，能夠得到直觀數據，但受環境干擾，導致數據有誤差，精度不夠。間接監測雖然可以采集相對準確數據，但是實時的監測是不夠的，還要智能預測未來一段工作時間段內刀具的磨損程度和壽命情況。

因此，有必要利用人工智能和大數據處理分析挖掘等技術，能夠通過刀具工作生產中產生的實時信號對刀具實時的磨損狀態和壽命進行較為精確的預測，可以實時地對刀具進行換刀和故障排除，在更大程度上減少生產損失，實現生產自動化和智能化。

發明內容

本發明實施例所要解決的技術問題在于，提供一種刀具磨損及壽命預測方法及裝置，能夠對刀具實時的磨損狀態和壽命進行較為精確的預測，在一定程度上降低因刀具損壞而導致的生產效益下降問題。

為了解決上述技術問題，本發明實施例提供了一種刀具磨損及壽命預測方法，所述方法包括以下步驟：

獲取刀具實時狀態的各類信號，并對各類信號均進行預處理，且進一步對預處理后的各類信號均進行特征提取，得到刀具各類信號的特征樣本；

根據所得到的刀具各類信號的特征樣本，使用預先訓練好的刀具磨損預測模型進行預測，得到刀具磨損預測結果；其中，所述刀具磨損預測模型是由隨機森林預測模型和卷積神經網絡預測模型采用stacking融合策略融合而成的；

將所得到的刀具各類信號的特征樣本與所得到的刀具磨損預測結果結合，使用預先訓練好的刀具壽命預測模型進行預測，得到刀具壽命預測結果。

其中，各類信號預處理的步驟均包括無效值的去除、異常值的處理和降噪操作。

其中，各類信號的特征樣本均由時域特征、頻域特征及二者通過嵌入法特征提取的特征混合組成。

其中，各類信號包括刀具切削速度信號、刀具背吃刀量信號、刀具切削寬度信號、刀具直徑信號、刀具每齒進給量信號和刀具齒數信號。

本發明實施例還提供了一種刀具磨損及壽命預測裝置，包括：

樣本獲取單元，用于獲取刀具實時狀態的各類信號，并對各類信號均進行預處理，且進一步對預處理后的各類信號均進行特征提取，得到刀具各類信號的特征樣本；