[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

说明书

本发明公开了一种基于虚拟样本生成的刀具破损识别方法、装置和终端，该方法包括：采集少量的刀具出现破损对应的刀具破损样本以及大量的刀具完好状态对应的刀具完好样本；声发射信号特征值提取；虚拟样本生成；训练并测试模式识别模型；破损在线识别。该装置包括：声发射信号获取单元、声发射信号特征值提取单元、虚拟样本生成单元、训练并测试模式识别模型单元以及破损在线识别单元。本发明的基于虚拟样本生成的刀具破损识别方法及装置，能够在破损样本严重少于正常样本的情况下，实现刀具破损的准确识别，降低刀具破损识别技术在生产条件下的应用门槛和成本。

技术领域

本发明涉及切削加工刀具在线监测技术领域，特别涉及一种基于虚拟样本生成的刀具破损识别方法及装置、终端。

背景技术

随着科学技术的发展，具有加工范围广、生产效率高优势的陶瓷、硬质合金等脆性刀具、刀片在生产中大量应用，这些刀具材料的硬度高、耐热性好，但是韧性不足，导致在切削过程中易出现破损。在汽轮机转子、发电机转子等高值零件的切削加工过程中大量使用此类刀具，需要对刀具破损进行在线识别，避免因刀具破损导致的零件表面质量损伤。在生产环境中，严苛的质量要求限制导致刀具破损的样本量极小，因此需要研究基于虚拟样本生成的刀具破损识别方法。

国内外学者已经在刀具破损监测方面做了大量研究工作，经过现有技术文件检索发现专利CN106271881A，申请号201610632997.1，申请人：武汉智能装备工业技术研究院有限公司，公开了“一种基于SAEs和K-means的刀具破损监测方法”，该专利的技术方案为：采集机床主轴电机三相电流信号，计算电流信号的均方根值输入稀疏自动编码网络(SAEs)得到特征向量，然后将特征向量输入K-means聚类分析，并输出聚类效果，根据聚类效果判断刀具是否破损。

该专利涉及的技术存在以下不足：上述技术无论是稀疏自动编码网络还是K-means聚类分析，其训练过程都需要大量的刀具破损样本，在刀具破损样本很少时不适用。

因此，有必要研究一种只需要少量的刀具破损样本即可实现刀具破损准确识别的方法。

发明内容

本发明针对上述现有技术中存在的问题，提出一种基于虚拟样本生成的刀具破损识别方法、装置和终端，只需要少量的刀具破损样本，能够在刀具破损样本有限的情况下，实现刀具破损的准确识别，降低刀具破损识别技术在生产条件下的应用门槛和成本。

为解决上述技术问题，本发明是通过如下技术方案实现的：

本发明的第一方面，提供一种基于虚拟样本生成的刀具破损识别方法，其包括：

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