[發(fā)明專利]數控車床刀具磨損預測性診斷系統(tǒng)及服務器、數控機床

在審

• 申請?zhí)枺?/td>: 202210920613.1
• 申請日: 2022-08-02
• 公開（公告）號: CN115179106A
• 公開（公告）日: 2022-10-14
• 發(fā)明（設計）人: 王云良;喬宏哲;范華峰;王志騁;金亞峰;莊岳輝;王一飛
• 申請（專利權）人: 江蘇大備智能科技有限公司;常州機電職業(yè)技術學院
• 主分類號: B23Q17/09
• 分類號: B23Q17/09
• 代理公司: 常州市科誼專利代理事務所 32225
• 代理人: 孫彬

1.一種數控車床刀具磨損預測性診斷系統(tǒng)，其特征在于，包括：

聲傳感器，用于采集刀具在使用過程中的聲音數據；

通訊網關，與聲傳感器電性連接，將聲音數據發(fā)送至服務器；

所述服務器適于對聲音數據進行特征提取，根據上述特征使用軟間隔SVM分類初期磨損與正常磨損、正常磨損與劇烈磨損，并求得上述兩個分類的最優(yōu)分類超平面的法向量；在根據刀具當前狀態(tài)數據向量及最優(yōu)分類超平面的法向量獲得刀具當前磨損階段，并形成刀具評估數據。

2.根據權利要求1所述的數控車床刀具磨損預測性診斷系統(tǒng)，其特征在于，

對聲音數據進行特征提取，即將聲音數據分為相應頻段，且根據相應頻段能量歸一化后作為特征。

3.根據權利要求1所述的數控車床刀具磨損預測性診斷系統(tǒng)，其特征在于，

根據上述特征使用軟間隔SVM分類初期磨損與正常磨損、正常磨損與劇烈磨損，并求得上述兩個分類的最優(yōu)分類超平面的法向量，即

建立數據向量x＝(x⁽¹⁾，x⁽²⁾，x⁽³⁾，...，x⁽⁸⁾)；其中x⁽¹⁾至x⁽⁸⁾為聲音數據各頻段能量歸一化值；

x_i為初期磨損與正常磨損分類問題中第i個訓練數據向量；y_Ai為初期磨損與正常磨損分類問題中x_i的類標記，y_Ai為-1時表示初期磨損，y_Ai為+1時表示正常磨損，N_A為訓練數據數目；

x_j為正常磨損與劇烈磨損分類問題中第j個訓練數據向量；y_Bj為初期磨損與正常磨損分類問題中x_j的類標記，y_Bj為-1時表示劇烈磨損，y_Bj為+1時表示正常磨損，N_B為訓練數據數目；

假設分類超平面w_Ax+b_A＝0為對初期磨損與正常磨損分類的超平面；

分類超平面w_Bx+b_B＝0為對正常磨損與劇烈磨損分類的超平面；其中

使用SVM求幾何間隔最大的分類超平面，以獲得初期磨損與正常磨損分類最優(yōu)分類超平面的法向量和正常磨損與劇烈磨損分類最優(yōu)分類超平面的法向量，其方法包括：

求解初期磨損與正常磨損分類最優(yōu)分類超平面的法向量即

設

s.t y_Ai(w_A.x_i+b_A)≥1

其中b_A為偏置；

使用KKT條件，求對偶問題的最優(yōu)解，得到初期磨損與正常磨損分類最優(yōu)分類超平面的法向量

其中，為拉格朗日乘子向量中對偶問題的解的第i個元素；

偏置b_A的解為以及

求解正常磨損與劇烈磨損分類最優(yōu)分類超平面的法向量即

s.t y_Bj(w_B.x_j+b_B)≥1

其中b_B為偏置；

使用KKT條件，求對偶問題的最優(yōu)解，得到正常磨損與劇烈磨損分類問題最優(yōu)分類超平面與系數向量的最優(yōu)解

偏置b_B的解為