[发明专利]一种刀具剩余寿命在线预测方法及系统

权利要求书

1.一种刀具剩余寿命在线预测方法，其特征在于，包括：

在使用刀具进行加工前，将刀具信息、工件信息、切削参数录入到刀具管理系统，同时，实时记录声发射信号和/或功率信号，并将信号传输至刀具管理系统；

在加工初期，记录加工阶段的声发射信号和/或功率信号数据，监测异常值，若出现信号值急剧增大的异常情况，停止加工；

以刀具加工的单个零件特征作为信号处理的时间单位，记录每一时间单位的功率和/或声发射信号，使用信号处理方法提取加工信号特征；

根据现有刀具数据库信息，使用支持向量回归(SVR)模型对功率(P)和/或声发射信号(AE)所提取的加工信号特征与刀具磨损量(VB)建立函数映射关系：

其中：y为刀具磨损量，为功率和/或声发射信号提取的加工信号特征，ω_i为对应的系数，b为常数项；

设定刀具磨损量阈值；

对提取的所述加工信号特征利用自回归积分滑动平均模型(ARIMA)建模；

预测下一时间单位及以后的信号特征；

根据上述支持向量回归(SVR)模型，将预测到的所述信号特征转化为磨损量(VB)，并通过与设定的所述刀具磨损量阈值对比，判断该刀具的剩余寿命。

2.根据权利要求1所述的一种刀具剩余寿命在线预测方法，其特征在于，在使用刀具进行加工前，通过二维码扫描设备扫描刀具表面金属二维码，将对应刀具信息、工件信息、切削参数录入到刀具管理系统。

3.根据权利要求1所述的一种刀具剩余寿命在线预测方法，其特征在于，所述使用信号处理方法提取加工信号特征，该加工信号特征包括以下一种或多种：上升时间、计数、能量、幅值、平均频率、RMS、ASL、峰值计数、反算频率、初始频率、信号强度、绝对能量、中心频率、峰频。

4.根据权利要求1所述的一种刀具剩余寿命在线预测方法，其特征在于，所述对提取的所述加工信号特征利用自回归积分滑动平均模型(ARIMA)建模，是指：

设每把刀具总加工寿命为T，当加工至T/2时，利用自回归积分滑动平均模型(ARIMA)对中所提取的n个加工信号特征进行建模：

其中：X_t为当前时刻的特征，X_t-i为前i个时刻的特征，c为常数项，为每一项的影响系数，ε_t-i为误差项，θ_i为每一误差项的影响系数。

5.根据权利要求4所述的一种刀具剩余寿命在线预测方法，其特征在于，建模的加工信号特征有n个，X_t、X_t-i、c、ε_t-i均为n维列向量，θ_i为n维行向量，实际算法实现的过程中用矩阵形式实现。

6.根据权利要求1-5任一项所述的一种刀具剩余寿命在线预测方法，其特征在于，每经过一个时间单位的加工，都利用监测信号特征对自回归积分滑动平均模型(ARIMA)进行实时更新，以产生实时刀具剩余寿命的预测值，从而实现刀具剩余寿命的在线预测。