[发明专利]刀具检测模型的生成方法、检测方法、系统、设备及介质

说明书

本发明公开了刀具检测模型的生成方法、检测方法、系统、设备及介质，生成方法包括：获取不同磨损状态的刀具在加工过程中的声发射信号；对声发射信号进行特征提取以获取至少四种特征数据，将特征数据作为输入及对应的磨损状态作为输出训练机器学习模型以获取刀具检测模型。本发明通过获取声发射信号、提取特征数据并将其输入至机器学习模型中进行训练，可以得到刀具检测模型，通过从不同维度特征数据，可以得到更可靠的训练数据，也可以在样本有限的情况下得到更多有效训练数据，通过训练机器学习模型，建立了加工过程中的声发射信号与刀具磨损状态之间的关系，从而可以实现在实际加工的过程中实现对加工过程中刀具磨损状态的准确检测。

技术领域

本发明涉及刀具磨损状态的检测领域，特别涉及一种刀具检测模型的生成方法、检测方法、系统、设备及介质。

背景技术

CNC(计算机数控)机床通过其配备的刀具对产品进行加工，产品的品质依赖于刀具的健康状态，刀具在加工的过程中会被磨损消耗以至难以达到健康的加工状态。

切削加工是目前最常用的机械加工方法，在工业制造中发挥重要作用。刀具的状态和寿命对加工产品的生产质量产生直接影响，影响生产制造技术水准、成本、效率和经济效益。刀具严重磨损将引起刀具的破坏，从而导致工件报废，损坏机床，严重的会影响机床的正常运行。

目前生产实践及研究中常用到的测量刀具磨损状态的方法大致分为两类，即直接测量和间接测量。直接测量法通过直接观测刀具表面形貌的方法来判断刀具当前的磨损状态，其属于离线监测方法。例如：机械式测量法、刀具工件间距测量法、电阻测量法、光学投影法、射线测量法等。

间接测量法通过切削过程中各种物理信号的变化来确定刀具当前所处的状态，例如：切削力检测法、电流信号测量法、热电压测量法等。

目前刀具磨损状态监测的方法主要是间接法，但通过间接法测量刀具磨损状态主要存在两个方面的问题：一是对于非平稳信号，信号处理提取的特征可靠性不高；二是需要大量的样本数据来保障识别精度，导致刀具磨损状态识别效率低。

发明内容

本发明要解决的技术问题是为了克服现有技术中检测刀具磨损状态的可靠性不高且识别效率低的缺陷，提供一种可靠性高且精度高的刀具检测模型的生成方法、检测方法、系统、设备及介质。

本发明提供了一种刀具检测模型的生成方法，所述生成方法包括：

获取不同磨损状态的刀具在加工过程中的声发射信号；

对所述声发射信号进行特征提取以获取至少四种特征数据，所述特征提取包括傅里叶变换、功率谱密度分析、自相关分析及小波分解；

将所述声发射信号的特征数据作为输入及所述声发射信号对应的磨损状态作为输出训练机器学习模型以获取所述刀具检测模型，所述刀具检测模型用于检测目标刀具的当前磨损状态。

较佳地，所述对所述声发射信号进行特征提取以获取至少四种特征数据的步骤包括：

对所述声发射信号进行傅里叶变换以获取目标频谱图，并从所述目标频谱图中提取第一特征数据；

对所述声发射信号进行功率谱密度分析以获取目标功率谱密度图，并从所述目标功率谱密度图中提取第二特征数据；

对所述声发射信号进行自相关分析以获取目标自相关图，并从所述目标自相关图中提取第三特征数据；

对所述声发射信号进行小波分解以获取目标小波分解图，并从所述目标小波分解图中提取第四特征数据；

所述将所述声发射信号的特征数据作为输入的步骤包括：

将所述声发射信号的所述第一特征数据、所述第二特征数据、所述第三特征数据及所述第四特征数据作为输入。

较佳地，所述第一特征数据包括所述目标频谱图中第一波峰值；