[发明专利]一种基于多特征因子统计的刀具磨损预警方法

说明书

本发明涉及一种基于多特征因子统计的刀具磨损预警方法，其刀具磨损预警方法包括获取多个特征因子阈值、采集电流幅值、提取电流频谱信息、提取特征因子和发出警报等步骤。特征因子阈值通过样本刀具的历史实验数据获得。在获取评价基准后，系统采集刀具所在机器的电流幅值进行快速傅里叶转换提取电流频谱信息，提取目标刀具的各个特征因子，并将其与对应的上述特征因子阈值进行比较。当特征因子达到或大于对应的特征因子阈值时发出预警警报。本发明不采用纯理论分析，而是结合刀具历史检测数据、频域分析等方法对刀具磨损进行预警检测。

技术领域

本发明涉及智能制造技术领域，尤其涉及一种基于多特征因子统计的刀具磨损预警方法。

背景技术

采用数控设备加工零件过程中，加工所用刀具价格昂贵，成本较高，刀具何时进行更换全凭现场工人经验，存在刀具未被使用到寿命终点即被更换的情况，同时对于刀具更换的例行检查也一直由人工来完成。随着公司智能制造以及无人工厂项目的推进，急需一种方法能够对加工机床及刀具进行实时监控并自动进行异常反馈。

在刀具磨损预测领域，现有技术或采用时域特征分析方法，或采用频域特征分析方法、或采用时频域特征分析方法以及深度学习方法。

现有的各种分析方法更多地从纯理论的角度分析刀具的磨损情况。针对于现有刀具，由于加工产品不固定、加工工艺不固定、刀具品牌不固定、同一产品加工刀具使用多、负样本收集困难以及数据标签记录较难等特点，导致时域特征分析方法、单一的频域特征分析方法、时频域特征分析方法以及深度学习方法都难以正确表征刀具磨损情况。

因此，有必要提出一种能够准确检测刀具磨损状况的预警方法。

发明内容

针对刀具磨损预警方法的上述现状，本发明的目的之一在于提供一种基于多特征因子统计的刀具磨损预警方法，其能够结合各个刀具运用环境、刀具类型等因素准确检测刀具磨损情况。

该目的通过本发明以下形式的刀具磨损预警方法来实现。其中，所述刀具磨损预警方法包括以下步骤：

获取多个特征因子阈值，采集样本刀具达到寿命终点前预定时间段内机器运行过程中的电流值，基于该电流值计算多个样本刀具特征因子并将处于高值阶段的多个样本刀具特征因子分别进行求和平均以得到所述特征因子阈值；

采集电流幅值，所述电流幅值为装配目标刀具的机器运行过程中的电流幅值；

提取电流频谱信息，基于采集到的所述电流幅值进行快速傅里叶转换以提取电流频谱信息；

提取特征因子，基于所述电流频谱信息提取目标刀具的各个特征因子；

将获得目标刀具的各个特征因子与对应的特征因子阈值进行比较，当特征因子达到或大于对应的特征因子阈值时发出预警警报。

对于本发明的刀具磨损预警方法而言，刀具磨损预警方法的基于历史上刀具(即样本刀具)出现故障时以及出现故障前的时段(高值时段)内系统所获取的参数(对应于特征因子阈值)来判断，因此，在实际运用场景中，各特定刀具的磨损情况可以结合各自的刀具型号、加工对象等因素来判断，这使得刀具的检测结果较为准确。

此外，将电流幅值进行快速傅里叶变换后获取的电流频谱信息能够准确提取反映刀具异常情况的电流信号，保证刀具在出现异常的情况下，系统能够捕获准确信息。

根据本发明的一种优选实施方式，提取的特征因子包括电流幅值最大值、峭度因子和歪度，并且当电流幅值最大值、峭度因子和歪度这三个特征因子均大于对应的样本刀具特征因子阈值时发出预警警报。虽然通过信息统计分析的方法中还采用裕度因子、脉冲因子等其他特征因子来分析故障结果，然而，研究表明，其他特征因子并不能在实时状态下反馈刀具的真实磨损情况。根据发明人研究，其利用能够综合反馈刀具磨损真实磨损情况的电流幅值最大值、峭度因子和歪度来检测刀具，进一步提高了检测结果的准确性。