[发明专利]基于AR模型与SVDD算法的刀具性能退化评估方法及系统

权利要求书

1.一种基于AR模型与SVDD算法的刀具性能退化评估方法，其特征在于包括以下步骤：

依据采集到的正常状态下刀具的信号数据样本，建立AR滤波器模型；

通过所述AR滤波器模型对信号数据样本进行处理，得到残差信号数据集，并计算残差信号数据集中每个残差信号数据的累积概率分布，建立正常状态下刀具信号数据所对应的特征集，对所述特征集进行处理，得到包容最小体积的超球面；

采用AR滤波器模型对采集到的当前状态下的刀具信号数据进行处理，得到第一残差信号数据集；

计算当前状态下刀具信号数据对应的第一残差信号数据的累积概率分布特征，记作第一特征，计算第一特征到所述超球面的距离，通过距离判断刀具性能退化的程度。

2.根据权利要求1所述的基于AR模型与SVDD算法的刀具性能退化评估方法，其特征在于，所述依据采集到的正常状态下刀具的信号数据样本，建立AR滤波器模型，具体的步骤为：

将采集到的正常状态下刀具的信号数据样本建立为信号数据样本集；

取信号数据样本集中的任意信号数据样本，依据信号数据样本建立AR滤波器模型，并确定AR滤波器模型的阶次和滤波系数。

3.根据权利要求2所述的基于AR模型与SVDD算法的刀具性能退化评估方法，其特征在于，所述通过所述AR滤波器模型对信号数据样本进行处理，得到残差信号数据集，并计算残差信号数据集中每个残差信号数据的累积概率分布，建立正常状态下刀具信号数据所对应的特征集，对所述特征集进行处理，得到包容最小体积的超球面，具体步骤为：

通过所述AR滤波器模型对信号数据样本进行白噪声化处理，将采集的信号数据样本中的数据输入AR滤波器模型中，与所述滤波器系数进行卷积运算得到滤波信号数据在此，p表示滤波器阶次，a_i表示滤波器模型系数，Y(k)表示k点的数值可以由X的前i+k个值线性表示，则AR滤波器模型的残差信号数据表示为ε(n)＝x(n)-Y(n)，通过所述残差信号数据形成残差信号数据集E＝[ε₁,ε₂,...ε_m]，其中，x(n)为任意样本，Y(n)为滤波信号数据；

将AR滤波器模型滤波所得的残差信号数据集中的残差信号数据代入信号数据累积概率分布公式中，形成正常状态下刀具信号数据所对应的特征集，特征集表示为G＝[F₁,F₂,...,F_m]，在此，信号数据积累概率分布表示为其中，g(x)为信号数据概率密度函数，得累积概率分布F(ε)；

采用支持向量数据描述算法对所述特征集进行处理，得到包容最小体积的超球面，采用高斯核函数K(x,y)进行优化，得到决策函数：

其中，α_i，α_j是由训练得到的对应于x_i，x_j的系数，当系数为零时，对应的目标样本称为支持向量x_s，则超球面半径表示为K为高斯核函数，α为决策函数f(z)的系数，与核函数K(x,y)相对应。

4.根据权利要求3所述的基于AR模型与SVDD算法的刀具性能退化评估方法，其特征在于，所述计算当前状态下刀具信号数据对应的第一残差信号数据的累积概率分布特征，记作第一特征，计算第一特征到所述超球面的距离，通过距离判断刀具性能退化的程度的具体步骤为：

计算当前状态下刀具信号数据对应的第一残差信号数据的累积概率分布特征，记作第一特征；

所述第一特征到所述超球体的距离为通过距离HI的大小来评估刀具性能，若HI＝0表示刀具正常，若HI＞0表示刀具出现性能衰退；HI值越大，表明刀具性能退化越严重。