[发明专利]一种基于遗传BP神经网络的木工刀具磨损状态诊断方法

说明书

本发明公开了一种基于遗传BP神经网络的木工刀具磨损状态诊断方法，包括以下步骤：步骤一：采集包括刀具前角γ、主轴转速n、切削深度h、机床主轴功率P_t的近似系数以及刀具磨损VB在内的样本集；步骤二：使用遗传BP神经网络建立刀具磨损状态诊断模型。本发明技术使用功率信号作为刀具磨损状态诊断信号，降低了传感器成本，解决了传感器安装问题，使信号精度不受加工环境干扰，同时考虑了刀具前角γ、主轴转速n、切削深度h，使模型能够适用于多种切削参数，使用relu训练函数的遗传BP神经网络建立刀具磨损状态诊断模型，极大地提高了BP神经网络的计算速度和诊断精度。

技术领域

本发明涉及刀具磨损状态诊断领域，特别涉及一种基于遗传BP神经网络的木工刀具磨损状态诊断方法。

背景技术

木工刀具是木质产品制造过程重要组成部分，在切削过程中受到加工参数、机床性能等因素影响造成刀具磨损，致使木质产品边部表面撕裂、挖切等，影响着木质产品表面粗糙度和整体美观。采用准确可靠的刀具磨损状态诊断技术可提高数控机床使用率50％，降低近30％生产成本，并可以提高产品质量，降低产品残次率。

目前，刀具磨损状态诊断技术主要分两种，一种为通过采集各种与刀具磨损状态相关信号的特征值，分析信号特征值与刀具磨损状态的关系，建立刀具磨损阈值，对刀具磨损状态进行诊断，如陈国华等人采集机床主轴功率信号，提取信号熵值，并建立刀具磨损阈值，对刀具磨损状态进行诊断(授权号：CN108490880B)，但是该技术忽略了当切削参数发生改变时，刀具磨损阈值也会随之改变的问题；另一种为在采集与刀具磨损状态相关信号后，建立刀具磨损状态诊断模型，实现刀具磨损状态诊断，如关山等人提取图像特征，并与采集的声发射信号融合，使用离散隐马尔科夫模型建立刀具磨损状态分类器，对刀具磨损状态自动诊断(授权号：CN107378641B)，但是该技术忽略了信号采集时，冷却液与切屑会影响图像质量，外部环境干扰也会造成信号噪声过多，从而影响刀具磨损状态诊断模型的精度，此外传感器成本与安装方式也是制约技术本身是否可以实际应用的关键所在。

发明内容

为了克服现有技术的不足，本发明的目的在于提供了一种基于BP神经网络的木工刀具磨损状态诊断方法，以解决背景技术中提到的问题。

本发明提供一种基于遗传BP神经网络的木工刀具磨损状态诊断方法，包括以下步骤：

步骤一：采集包括刀具前角γ、主轴转速n、切削深度h、机床主轴功率Pt的近似系数以及刀具磨损VB在内的样本集；

步骤二：使用遗传BP神经网络建立刀具磨损状态诊断模型；

步骤三：建立刀具磨损状态诊断标准；

步骤四：传输实时数据进入刀具磨损状态诊断模型并结合刀具磨损状态诊断标准对刀具磨损状态进行诊断；

步骤二中刀具磨损状态诊断模型建立方法如下：

21)：将样本集划分为训练集与测试集；

22)：对训练集与测试集进行归一化处理；

23)：构建BP神经网络；

24)：使用遗传算法求解BP神经网络的最佳初始阀值和权值；

25)：训练BP神经网络，得出诊断模型；

步骤四中的实时数据包括刀具前角γ、主轴转速n、切削深度h、机床主轴功率P_t的近似系数。

优选地，在步骤一中，选取刀具角度γ、主轴转速n和切削深度h作为刀具磨损状态诊断样本集参数，由于在木材切削中，影响刀具磨损VB的切削参数有进给速度f、刀具角度γ、主轴转速n和切削深度h，进给速度f通常保持恒定，只需改变刀具角度γ、主轴转速n和切削深度h采集刀具磨损状态诊断信号，即可实现不同切削参数时刀具磨损状态诊断。