[发明专利]一种基于边缘计算与粒子群算法的刀具寿命磨损判定方法

说明书

本发明涉及一种基于边缘计算与粒子群算法的刀具寿命磨损判定方法，属于数控机床领域。该方法首先在边缘侧对原始信号进行了异常值剔除、缺失值补充和小波阈值滤噪的操作，再利用皮尔逊相关系数提取了刀具寿命磨损状态密切相关的特征，然后对特征进行归一化处理，处理后的数据采用PCA技术进一步降低特征维度，然后将此特征集上传至云端服务器，在云端服务器中对边缘侧处理后的数据进行划分并构建支持向量机分类模型。并针对现有支持向量机模型参数难以选择的问题，提出了一种改进的粒子群算法用于优化支持向量机模型参数，实现了一种基于边缘计算与粒子群算法的刀具寿命磨损判定方法。

技术领域

本发明属于数控机床领域，涉及一种基于边缘计算与粒子群算法的刀具寿命磨损判定方法。

背景技术

近年来，随着机械领域的快速发展，应用于机械加工的刀具的数量和种类日益增大，同时能否准确预测刀具状态是影响企业对刀具数量采购，自身成本预算和切削参数的设定的重要因素。由于影响刀具状态的因素很复杂，不可能单纯的依靠经验或者某些特定公式，因此有效预测刀具的状态成了机械加工领域一个棘手的问题。

在数控机床加工过程中，可以通过传感器收集大量的刀具状态数据，如果把这些数据都上传到云端服务器中，无论是对于网络带宽还是对云端服务器的性能都有非常严格的要求。面对这样的场景，边缘计算就体现出它的优势了，由于部署在设备侧附近，可以通过算法即时反馈决策，并可以过滤绝大部分的数据，有效降低云端的负荷。

支持向量机最早提出是用于做二分类的问题，随着不断的深入发展，目前支持向量机模型可有效解决复杂的分类问题。粒子群算法是一种求解最优问题的算法，具有可变化参数少，结构简单等优点，用粒子群算法优化支持向量机参数可有效避免支持向量机中参数难以设定的问题，大大提高模型的精度。

发明内容

有鉴于此，本发明的目的在于提供一种基于边缘计算与粒子群算法的刀具寿命磨损判定方法。

为达到上述目的，本发明提供如下技术方案：

一种基于边缘计算与粒子群算法的刀具寿命磨损判定方法，该方法包括如下步骤：

步骤1、在边缘侧进行刀具数据的预处理和特征提取；

步骤2、在云端服务器中对步骤1得到的特征矩阵进行划分并建立相应的SVM模型；

步骤3、在云端服务器中使用改进后的粒子群算法和训练集数据优化SVM模型的参数；

步骤4、在云端服务器中用测试集对优化后的支持向量机模型进行刀具寿命磨损判定。

可选的，在所述步骤1中，刀具数据的预处理和特征提取具体步骤包括：

步骤1.1对原始信号进行异常值剔除、缺失值补充和小波阈值滤噪的操作；

步骤1.2对滤噪后的信号利用皮尔逊相关系数进行分析，选取与刀具磨损密切相关的变量构建特征集；

步骤1.3将步骤1.2得到的特征集作归一化处理，公式为：

式中：表示归一化后的第k维特征的第i个数据，表示第k维特征的第i个数据,表示第k维特征的最大值，表示第k维特征的最小值。

步骤1.4将步骤1.3处理后的特征集用PCA技术进行特征提取，具体步骤包括：

步骤1.4.1每一维特征数据减去个各自维的均值；

步骤1.4.2计算特征协方差矩阵；

步骤1.4.3计算协方差矩阵的特征值和特征向量；

步骤1.4.4将特征值按从大到小的顺序排序，取前K个特征值，然后将K个特征值分别对应的特征向量作为列向量组成特征向量矩阵；