[發明專利]一種多模型融合的切削刀具磨損量動態預測方法

在審

• 申請號: 202210901421.6
• 申請日: 2022-07-28
• 公開（公告）號: CN115169050A
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 盧志遠;韓維群;游東洋;張京京;宋海勇;靳世海
• 申請（專利權）人: 北京航星機器制造有限公司
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F30/27;G06N3/04;G06N3/08
• 代理公司: 北京天達知識產權代理事務所(普通合伙) 11386
• 代理人: 吳華杰

本發明涉及一種多模型融合的切削刀具磨損量動態預測方法，屬于精益制造技術領域；解決了目前切削刀具磨損預測精度較差、實用性弱的技術問題。本發明方法包括選擇切削過程機床工況數據采集方式、進行刀具磨損加工試驗并采集刀具磨損退化量數據和相應的切削過程工況數據、對磨損退化數據預處理、建立磨損增量預測模型、建立磨損量預測模型、構建混合預測模型并預測刀具磨損量。本發明方法依據切削過程工況數據，通過混合預測模型得出多個時間段內的退化增量，依退化增量累積情況預測退化程度，實現了對切削刀具未來一段時間內刀具磨損量動態預測，模型更貼近實際情況。實施本發明方法無需添加外部傳感器及另行布線，更具經濟性、實用性和可行性。

技術領域

本發明涉及精益制造技術領域，尤其涉及一種多模型融合的切削刀具磨損量動態預測方法。

背景技術

作為直接參與切削加工的重要設備，切削刀具的磨損狀態對于工件的加工質量有著直接的影響關系，對其磨損狀態進行預測，對于加工質量的保證具有重要的作用。目前對于刀具狀態的預測主要有兩種方式，一種是通過對加工完成后的刀具進行人工直接測量，利用獲取的刀具磨損量來預測未來的刀具磨損狀況，這種只有在切削過程是完全穩定的條件下，其預測的結果才具有一定的價值，忽視了復雜切削過程中異常狀況對于刀具磨損的影響。另一種方法是通過在線采集切削過程中的動態工況參數，利用人工智能算法對當前的刀具磨損狀態進行預測。這種方法大多采用基于“信號分析+特征提取”，再建立模型的方法，建模通常會使用時域特征，擴大了加工參數改變對模型預測的干擾，使得模型的泛化能力不夠。另外，有效特征的選取也是一個較為困難的過程。另外，目前對于刀具磨損退化量的預測，基本上都是利用實時的信號，來擬合當前的退化程度，這種方法使得預測出來的刀具磨損退化量曲線存在非單調性的特點，與機械產品性能退化過程不符，且這種預測方法均忽略了時間效應，導致預測結果不夠理想。在實際生產過程中，相比于預測長期的刀具磨損量，對未來一段加工時間內的刀具磨損狀態進行預測更加切合實際也更具實用性。

因此，本發明考慮通過切削過程的工況數據去預測每一時間段內的退化增量，根據退化增量的累積情況來預測退化程度，提出了一種多模型融合的切削刀具磨損量動態預測方法，通過將卷積神經網絡和BP神經網絡相結合，并融合了機床數控系統獲取的多源動態數據信息與少量人工測量的刀具磨損數據，實現對切削刀具未來一段時間內刀具磨損量的動態預測。

發明內容

鑒于上述的分析，本發明實施例旨在提供一種用多模型融合的切削刀具磨損量動態預測方法，以解決目前切削刀具磨損預測精度較差、實用性較弱的技術問題。

一種多模型融合的切削刀具磨損量動態預測方法，包括如下步驟：

S1、確定所要采集的切削過程機床工況數據，確定相應的數據采集方式；

S2、進行刀具磨損加工試驗：

進行切削試驗設計；進行切削加工；采集切削加工過程中刀具磨損退化量數據，以及采集同一時間內切削過程的機床工況數據；

S3、對S2中獲取的刀具磨損退化量數據進行預處理，提取S2中穩定磨損期的刀具磨損退化量數據和相應的機床工況數據；根據時間序列建立多個數據樣本集；制作刀具磨損量變化曲線；

S4、建立磨損增量預測模型：

用數據樣本集訓練卷積神經網絡模型，構建卷積神經網絡的磨損增量預測模型；

S5、建立刀具磨損量預測模型：

根據S3中的數據樣本，利用BP神經網絡，建立基于BP神經網絡的刀具磨損量預測模型；

S6、建立混合預測模型：

將S4的磨損增量預測模型與S5的刀具磨損量預測模型在預測結果匹配性檢驗準則的約束下相結合構成混合預測模型；用于對相同工藝條件下的刀具在未來一段時間的刀具磨損量進行預測。