[发明专利]一种基于虚拟样本生成的刀具破损识别方法、装置和终端

权利要求书

1.一种基于虚拟样本生成的刀具破损识别方法，其特征在于，包括：

S11：声发射信号获取

采集切削加工过程的声发射信号样本，所述声发射信号样本包括刀具出现破损对应的刀具破损样本以及刀具完好状态对应的刀具完好样本；

S12：声发射信号特征值提取

提取所述S11中采集到的声发射信号样本的声发射信号特征值；

S13：虚拟样本生成

采用生成对抗网络，以所述S11中的刀具破损样本作为输入，交替训练生成对抗网络的生成器以及判别器，通过所述生成器学习刀具破损样本的分布规律，通过所述判别器判断样本是否是真实的样本；最后通过所述生成器生成虚拟的刀具破损样本，并通过所述判别器对所述生成器生成的虚拟的刀具破损样本进行筛选，选择所述判别器判别为真实的虚拟的刀具破损样本作为最终生成的虚拟破损样本，用于辅助模式识别模型的训练；

S14：训练并测试模式识别模型

采用模式识别模型进行刀具破损识别，模型的输入向量为所述S12得到的声发射信号特征值矩阵，输出向量为训练或识别的目标矢量，即输入样本对应的标签；

S15：破损在线识别

在切削加工过程中实时采集声发射信号并提取特征值，采用所述S14得到的模型对特征值进行检测，判断是否出现刀具破损。

2.根据权利要求1所述的基于虚拟样本生成的刀具破损识别方法，其特征在于，所述S12中的声发射信号特征值包括：时域特征值以及频域特征值。

3.根据权利要求2所述的基于虚拟样本生成的刀具破损识别方法，其特征在于，所述时域特征值包括：上升时间RT、计数C、幅值A、均方根值RMS、平均信号电平ASL、峰值计数CP、信号强度SS以及绝对能量ABE；

所述频域特征值包括：平均频率AF、反算频率RF、初始频率IF、中心频率FC以及峰值频率PF。

4.根据权利要求3所述的基于虚拟样本生成的刀具破损识别方法，其特征在于，所述时域特征值中：

所述上升时间RT为信号从超过门槛值到达到最大幅度之间间隔的时间；

所述计数C为信号在门槛值以上振荡的次数；

所述幅值A为一次撞击内信号达到的最大幅度，单位是分贝；所述幅值A的计算方法为：A＝120logV_max-P，其中，V_max为一次撞击内电压的最大值，P为前置放大倍数；

所述均方根值RMS为撞击对应的时间段内的有效电压值；所述均方根值RMS的计算方法为：其中，V_i为第i个电压采样点，N为采样点的个数；

所述平均信号电平ASL为撞击时间内信号电平的均值，单位是分贝；所述平均信号电平ASL的计算方法为：其中为撞击时间内电压的均值；

所述峰值计数CP为信号在上升时间内振荡的次数；

所述信号强度SS为整流电压信号对时间的积分，积分时间为超过门槛的时间；所述信号强度SS的计算方法为：其中，V_i、V_i+1分别为第i、i+1个采样点，N为采样点的个数，f_s为采样频率；

所述绝对能量ABE为撞击时间内信号电压对时间的积分，是声发射撞击信号能量的真实反映，单位是焦耳；所述绝对能量ABE的计算方法为：其中，10kΩ为所述声发射信号获取单元的参考电阻，V_i为第i个采样点，N为采样点的个数。

5.根据权利要求3或4所述的基于虚拟样本生成的刀具破损识别方法，其特征在于，所述频域特征值中：

所述平均频率AF为撞击时间内的信号频率，所述平均频率AF的计算方法为：AF＝C/HT，其中，HT为撞击时间；

所述反算频率RF为到达峰值之后的信号频率，所述反算频率RF的计算方法为：

所述初始频率IF为信号从撞击开始到达到峰值这一段时间的频率，所述初始频率IF的计算方法为：

所述中心频率FC为通过实时傅里叶变换得到的频率的中心，所述中心频率FC的计算方法为：其中，f为频率，为该频率对应的快速傅里叶变换得到的幅值；

所述峰值频率PF为傅里叶变换中频率强度最大点对应的频率。