[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

说明书

本发明为一种基于AR模型与SVDD算法的刀具性能退化评估方法，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并处理，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，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。本发明能实现对刀具性能退化的评估，有助于实现数控机床预测性维修。

技术领域

本发明涉及机械信号数据处理技术领域，尤其涉及了一种基于AR模型与SVDD算法的刀具性能退化评估方法及系统。

背景技术

目前，在数控机床加工过程中，刀具由于受到热压裂、物理摩擦、塑性变形、扩散磨损和晶粒脱落等原因影响，会逐渐磨损，出现性能退化直至失效。刀具的性能退化不但会降低机床加工质量，影响工件的表面粗糙度和尺寸精度，同时也严重影响数控机床的稳定性和生产OEE(Overall Equipment Effectiveness)指标。特别是在柔性制造系统和计算机集成制造系统中的数控机床，如果不能及时、准确地评估刀具性能退化程度，一旦刀具失效发生故障，往往会产生不可估量的损失。因此，开发针对数控机床刀具的性能退化方法，不但能最优化机床切削参数和保证工艺性能的提升，更能有效控制数控机床的非计划停机时间，提高整体经济效益。

经过技术检索发现，现有的数控机床刀具管理相关专利主要集中于刀具的故障诊断方法及系统，关注目的在于数控机床刀具出现故障时能够快速有效的进行识别，从而减少由于刀具故障引起的停机、废料等损失。但在现今柔性制造系统和计算机集成制造系统中，事后维修往往是不能满足企业实际需求的，只有从刀具性能退化评估的角度出发，实施基于状态的维修即预测性维修，才能从根本上消除非计划停机时间，进而极大地提高企业的经济效益。

发明内容

本发明针对现有技术中的缺点，提供了一种基于AR模型与SVDD算法的刀具性能退化评估方法及系统。

为了解决上述技术问题，本发明通过下述技术方案得以解决：

本发明披露了：

一种基于AR模型与SVDD算法的刀具性能退化评估方法，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。SVDD算法即就是支持向量数据描述。

作为一种可实施方式，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。

作为一种可实施方式，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：