[发明专利]一种工况自适应的高速铣削加工过程刀具监测方法及系统

说明书

本发明公开了一种工况自适应的高速铣削加工过程刀具监测方法，包括如下步骤：（1）获取原始传感信号，测量刀具磨损量；（2）信号预处理和特征提取；（3）特征降维；（4）磨损阶段划分；（5）模型参数训练；（6）磨损状态识别。同时还公布了实现上述方法的系统。本发明实现了对刀具磨损状态的在线工况自适应监测，从而提高刀具磨损状态监测准确率，有效的降低了生产成本、提高了生产效率和生产质量。

技术领域

本发明涉及机械加工状态监测领域，主要是刀具磨损状态监测方法及系统，尤其涉及一种工况自适应的高速铣削加工过程刀具监测方法及系统。

背景技术

刀具磨损在难加工材料高速数控铣削加工过程中是一种普遍存在的现象，且随着加工时长的增加而不断增加，是一个不可逆过程。作为数控机床的关键部件，磨损程度不同的刀具对于加工零件的精度、效率和生产效益等都有着重要的影响。据工业统计数据表明，由于刀具过度磨损且未被及时发现而造成零件报废、机床故障停机的比例达到1/3。此外，刀具的磨损对于机床寿命甚至操作人员的人身安全都有重要的影响。因此，准确高效的刀具运行状态监测对于降低成本、提高生产效率和生产质量具有重要意义。

目前，根据检测原理可将刀具磨损监测分为直接监测和间接监测两种。直接监测主要是采用机器视觉技术，通过采集刀具磨损图像，运用图像处理检测刀具磨损的边界等，从而直接获取刀具当前的磨损量，得到刀具的磨损状态。直接检测可直接获取刀具磨损量，精度较高，但由于采集刀具磨损图像时需要机床停机，多用于离线检测，且由于图像采集受光源、现场油液环境等影响，因此刀具磨损直接检测技术没有得到广泛运用。间接监测主要是指通过监测与磨损量直接相关的切削力、振动、声发射等传感信号，以此来判断刀具当前的磨损状态。间接监测技术实现比较容易，且能够实现在线监测。同时，间接监测可以同时监测多种物理量，通过多传感数据融合、识别模型优化等可进一步提高监测的准确性，因此，间接监测目前被广泛的运用于刀具磨损监测。

在选定监测方法及所监测物理量的基础上，通过分析信号特征，构建有效算法进行刀具磨损状态识别。由于刀具磨损是一个时间序列且不可逆的过程，常用的人工神经网络和支持向量机等算法模型不能有效的处理时间序列；同时，当工况改变(切削条件、刀具尺寸等)时，基于原有工况训练的算法模型不能适应当前变化的工况，造成磨损状态识别准确率低下。

发明内容

本发明的目的是提供一种工况自适应的高速铣削加工过程刀具监测方法及系统，实现了对刀具磨损状态的在线工况自适应监测，从而提高刀具磨损状态监测准确率，有效的降低了生产成本、提高了生产效率和生产质量。

为解决上述技术问题，本发明采用如下技术方案：

一种工况自适应的高速铣削加工过程刀具监测方法，包括如下步骤：

(1)获取原始传感信号，测量刀具磨损量

采集不同铣削条件下的切削力、振动和声发射传感信号，测量刀具实际磨损量，并保存测得的传感信号和刀具实际磨损量；

(2)信号预处理和特征提取

对采集到的原始传感信号进行预处理，消除与刀具磨损不相干的成分，并分别提取各信号的时域、频域和时频域特征；

(3)特征降维

采用去噪堆叠自编码器(SDAE)对提取到的多传感、多特征高维数据进行降维，得到最有效特征向量，减少噪声干扰，提高后续算法计算速度；

(4)磨损阶段划分

按照刀具实际磨损量，将不同工况下的刀具磨损特征向量分别分为多个磨损阶段；

(5)模型参数训练