[发明专利]一种基于多传感融合的刀具状态监测方法

说明书

本发明实施例公开了一种基于多传感融合的刀具状态监测方法，包括在已测刀具的历史数据中，获取刀具状态种类及每一种刀具状态下由多个传感器所得的物理场时域信号，并分别对应截取N组信号依次进入稳态子空间分析模型中计算，得到已测刀具每一种刀具状态对应的数学分析值；采集待测刀具的物理场时域信号并截取N组信号进入稳态子空间分析模型中计算，得到待测刀具的数学分析值；筛选与待测刀具的数学分析值之差绝对值为最小的已测刀具的数学分析值，并将其所对应刀具状态种类作为待测刀具的故障类别。本发明实施例，适应多维时间序列信号处理需求，有助于时变非稳态信号高效处理，适合复杂切削过程刀具状态监测，提高了刀具状态的识别精度。

技术领域

本发明涉及机械故障诊断技术领域和计算机技术领域，尤其涉及一种基于多传感融合的刀具状态监测方法。

背景技术

随着市场竞争的日益激烈，制造型企业对生产过程的自动化需求不断增加，数控机床的自动化是大多数制造过程自动化的重要组成部分。刀具作为数控机床最易损伤的部件，对其进行及时有效的状态监测与故障识别至关重要，主要原因在于：(1)据统计，在切削加工中刀具故障通常约占机床停机时间的20％，而频繁的停机换刀严重影响企业的生产效率；(2)如若刀具发生故障而没有及时发现，会直接影响零件表面光洁度、尺寸精度等质量特性，严重的还将导致工件报废，增加生产成本。因此，加工过程中的实时刀具状态监测是自动化制造中的关键研究课题，如何在加工过程中有效地监测刀具状态，识别刀具的损伤程度，已成为数控机床智能化以及生产过程自动化发展急需解决的问题。

近年来，基于传感器的间接式刀具状态监测方法受到了国内外学者的广泛关注，该方法是通过传感器获取切削加工过程的相关信号，借助信号处理和统计分析技术对刀具状态进行估计，以达到实时监测刀具运行状态的目的。目前，学者们开展了大量刀具状态监测研究，已提出了诸多比较有效的刀具状态监测方法，这为高精度、高可靠性的刀具状态监测提供了一定的技术基础。然而，已有的研究侧重于单一传感器的研究，由于不同物理场信号对刀具不同状态(磨损、破损等)的灵敏程度不同，因此基于单一传感器的方法容易导致刀具状态的漏判和误判，影响刀具状态监测的识别精度。

发明内容

本发明实施例的目的在于提供一种基于多传感融合的刀具状态监测方法，不仅适应多维时间序列的信号处理需求，还有助于时变非稳态信号的高效处理，适合复杂切削过程刀具状态监测，提高了加工过程中刀具状态的识别精度。

为了解决上述技术问题，本发明实施例提供了一种基于多传感融合的刀具状态监测方法，所述方法包括：

在已测刀具的历史数据中，获取刀具状态的种类及每一种刀具状态下由多个传感器所得的物理场时域信号，并从每一种刀具状态下所得物理场时域信号中分别对应截取连续采样数为t的不重叠的N组信号，且进一步将所述截取到的每一种刀具状态下各自对应N组信号分别作为当前N组期望信号依次进入预设的稳态子空间分析模型中计算，得到已测刀具每一种刀具状态分别对应的数学分析值；其中，t和N均为大于1的整数；

采集待测刀具由所述多个传感器所得的物理场时域信号，并从所采集待测刀具所得物理场时域信号中对应截取连续采样数为t的不重叠的N组信号，且进一步将所述截取到的待测刀具所得对应N组信号作为当前N组期望信号进入所述预设的稳态子空间分析模型中计算，得到待测刀具的数学分析值；

在所述得到的已测刀具每一种刀具状态分别对应的数学分析值中，筛选出与所述待测刀具的数学分析值之差的绝对值为最小，并将所筛选出差的绝对值为最小时已测刀具所对应刀具状态种类作为所述待测刀具的故障类别。

其中，所述当前N组期望信号进入所述预设的稳态子空间分析模型中计算的具体步骤包括：

计算当前N组期望信号的均值和协方差，并根据所述计算出的当前N组期望信号的均值和方差，利用KL散度计算出当前N组期望信号的非平稳正态分布和标准正态分布的散度值，且进一步构造以非平稳映射向量为优化参数的目标函数后，求解当前N组期望信号所对应目标函数的最优非平稳映射；