[發明專利]一種小樣本下刀具磨損狀態監測方法

有效

• 申請號: 202110735640.7
• 申請日: 2021-07-30
• 公開（公告）號: CN113369993B
• 公開（公告）日: 2022-08-26
• 發明（設計）人: 周余慶;支高峰;孫維方;孫兵濤;方鈺堃;楊圓;周潔;楊海
• 申請（專利權）人: 嘉興南湖學院;溫州大學
• 主分類號: B23Q17/09
• 分類號: B23Q17/09
• 代理公司: 重慶強大凱創專利代理事務所(普通合伙) 50217
• 代理人: 伍琴琴

本發明申請屬于機械加工故障診斷技術領域，具體公開了一種小樣本下刀具磨損狀態監測方法，包括以下步驟(1)獲得實驗樣本，(2)對振動信號進行擴維，(3)生成灰度距離圖，(4)將各個通道的灰度距離圖聚合為彩色距離圖，(5)將聚合后的彩色距離圖輸入到嵌入網絡中進行特征提取與分類訓練，實現對刀具狀態監測。與現有技術相比，本方法采集機械加工過程中的振動信號，并進行擴維、編碼為灰度距離圖、聚合為彩色距離圖，在嵌入網絡中對刀具磨損情況進行識別，經試驗證明可大大提高識別精度。

技術領域

本發明屬于機械加工故障診斷技術領域，具體公開了一種小樣本下刀具磨損狀態監測方法。

背景技術

隨著現代制造業的日益發展成熟，制造系統的自動化程度越來越高，這就大大提高了制造型企業的生產效益，也促使了現在的制造型企業也愈發依賴于自動化生產。數控機床的自動化程度是多數制造系統的組成部分，刀具作為數控機床最易受損的部件之一，其磨損程度與產品質量和生產效率密切相關。

刀具作為數控機床在機械加工中最容易損傷的部件，對它進行實時有效的故障識別與狀態監測非常重要。據統計在機械加工的切削加工中，刀具故障通常約占機床停機時間的20％，而頻繁的停機換刀會嚴重影響企業的生產效率。若刀具發生故障而沒有及時被發現，會直接影響零件表面質量、尺寸精度等，嚴重的情況下將直接導致零件報廢，從而增加生產成本。因此，機械加工過程中的實時刀具狀態監測(TCM)是自動化加工中的關鍵研究課題，如何在加工過程中有效地監測刀具狀態，識別刀具的磨損程度，已成為數控機床智能化以及生產過程自動化發展急需解決的問題。

目前，國內外學者對刀具狀態監測(TCM)開展了大量的研究，已經提出了諸多比較有效的刀具狀態監測的方法，如快速傅里葉變換(FFT)、小波變換(WT)、人工神經網絡(ANN)、隱馬爾科夫鏈(HMM)、支持向量機(SVM)等，這為高精度、高可靠的刀具狀態監測(TCM)提供了一定的技術基礎。然而，這些方法都需要在一定的前提條件下才能達到理想的效果，如快速傅里葉變換(FFT)要求信號是平穩的，而機械加工過程中刀具信號是非平穩的；小波變換(WT)雖然能夠處理非平穩信號，但其需要構造、選擇與故障特征波形相匹配且具有優良性質的小波基函數，而對于先驗知識甚少的機床刀具損傷過程，選擇合適的小波基函數是非常困難的；人工神經網絡(ANN)(特別是深度學習)算法需要大量樣本數據進行訓練，這對于刀具狀態監測而言是很困難的；隱馬爾科夫鏈(HMM)方法假設狀態持續時間服從指數分布，而刀具損傷過程很難滿足這一條件。

對于一些特殊情況的機械加工，其刀具狀態監測所能研究的樣本比較少，但是對刀具磨損狀態監測又需要較高的精準度。在這樣有限的樣本情況下，已有有效的刀具狀態監測方法因為其特殊性，難以精確識別刀具的狀態，比如人工神經網絡(ANN)容易出現過擬合問題，即推廣能力差。

發明內容

本發明的目的在于提供一種小樣本下刀具磨損狀態監測方法，以解決小樣本下刀具磨損狀態監測精度達不到需求的問題。

為了達到上述目的，本發明的基礎方案為：一種小樣本下刀具磨損狀態監測方法，包括以下步驟：

(1)采集機械加工過程中的振動信號X及對應的刀具磨損狀態，獲得實驗樣本；

(2)對采集到的各通道振動信號X進行擴維，計算出振動信號X的最小自相關系數作為延遲時間t，計算出嵌入維數m；

(3)對各個通道的振動信號數據進行編碼生成灰度距離圖；

(4)將各個通道的灰度距離圖聚合為彩色距離圖；

(5)將聚合后的彩色距離圖輸入到嵌入網絡中進行特征提取與分類訓練，實現對刀具狀態監測。

進一步，還包括步驟(6)定期周期性在線采集機械加工過程中的振動信號，根據步驟(1)至步驟(5)刀具狀態進行分類識別。