[發明專利]銑刀磨損值的預測方法、裝置、電子裝置和存儲介質有效
| 申請號： | 202110414311.2 | 申請日： | 2021-04-16 |
| 公開（公告）號： | CN113084237B | 公開（公告）日： | 2022-07-29 |
| 發明（設計）人： | 黃海松;魏建安;馬馳 | 申請（專利權）人： | 貴州大學 |
| 主分類號： | B23C9/00 | 分類號： | B23C9/00;B23Q17/09 |
| 代理公司： | 杭州華進聯浙知識產權代理有限公司 33250 | 代理人： | 何曉春 |
| 地址： | 550025 *** | 國省代碼： | 貴州;52 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 銑刀 磨損 預測 方法 裝置 電子 存儲 介質 | ||
1.一種銑刀磨損值的預測方法，其特征在于，包括：
獲取銑刀的原始振動數據；
確定所述原始振動數據中的香儂能量熵，并根據所述香儂能量熵，形成特征數據集，其中具體包括：
對所述原始振動數據進行經驗模態分解，得到本征模函數值；
根據所述本征模函數值，確定所述香儂能量熵；
根據所述香儂能量熵，形成特征數據集；
將所述特征數據集劃分為二類不平衡數據集，其中，所述二類不平衡數據集包括：多數類數據集和少數類數據集；
基于LS-SVM支持數值譜計算所述少數類數據集的重要性權值；
根據所述重要性權值，確定所述少數類數據集中的目標邊界樣本；
對所述少數類數據集中的所述目標邊界樣本進行過采樣，得到新的少數類數據集，并與所述多數類數據集進行組合，得到多類均衡數據集；
根據所述多類均衡數據集，預測所述銑刀的磨損值。
2.根據權利要求1所述的銑刀磨損值的預測方法，其特征在于，在對所述少數類數據集中的所述目標邊界樣本進行過采樣，得到新的少數類數據集，并與所述多數類數據集進行組合，得到多類均衡數據集之前，所述方法還包括：
對所述二類不平衡數據集進行降噪處理。
3.根據權利要求2所述的銑刀磨損值的預測方法，其特征在于，對所述二類不平衡數據集進行降噪處理包括：
采用近鄰噪聲處理方式，去除所述少數類數據集和所述多數類數據集中的噪聲。
4.根據權利要求1所述的銑刀磨損值的預測方法，其特征在于，根據所述重要性權值，確定所述少數類數據集中的目標邊界樣本包括：
判斷所述重要性權值是否大于預設權重；
在判斷到所述重要性權值大于所述預設權重的情況下，將所述重要性權值大于所述預設權重的少數類數據集中的樣本作為目標邊界樣本。
5.一種銑刀磨損值的預測裝置，其特征在于，包括：
獲取模塊，用于獲取銑刀的原始振動數據；
第一確定模塊，用于確定所述原始振動數據中的香儂能量熵，并根據所述香儂能量熵，形成特征數據集，其中具體包括：對所述原始振動數據進行經驗模態分解，得到本征模函數值；根據所述本征模函數值，確定所述香儂能量熵；根據所述香儂能量熵，形成特征數據集；
劃分模塊，用于將所述特征數據集劃分為二類不平衡數據集，其中，所述二類不平衡數據集包括：多數類數據集和少數類數據集；
計算模塊，用于基于LS-SVM支持數值譜計算所述少數類數據集的重要性權值；
第二確定模塊，用于根據所述重要性權值，確定所述少數類數據集中的目標邊界樣本；
采樣模塊，用于對所述少數類數據集中的所述目標邊界樣本進行過采樣，得到新的少數類數據集，并與所述多數類數據集進行組合，得到多類均衡數據集；
預測模塊，用于根據所述多類均衡數據集，預測所述銑刀的磨損值。
6.一種電子裝置，包括存儲器和處理器，其特征在于，所述存儲器中存儲有計算機程序，所述處理器被設置為運行所述計算機程序以執行權利要求1至4中任一項所述的銑刀磨損值的預測方法。
7.一種存儲介質，其特征在于，所述存儲介質中存儲有計算機程序，其中，所述計算機程序被設置為運行時執行權利要求1至4中任一項所述的銑刀磨損值的預測方法。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于貴州大學，未經貴州大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110414311.2/1.html，轉載請聲明來源鉆瓜專利網。
