[发明专利]无监督模型的刀具磨损监测方法及系统

权利要求书

1.一种无监督模型的刀具磨损监测方法，其特征在于，基于加工数据实时训练无监督模型监测，利用多传感器融合技术，采集刀具切削过程信号并进行信号处理，分别提取多个传感器信号的特征值，建立多维特征向量矩阵，并利用相关性分析技术进行筛选；再采用同一电力线通信信号触发的方式同步采集功率信号和振动信号，并建立实时的有效信号截取算法；最后根据实时加工数据建立一类支持向量机的网络模型，将监测样本转换为训练样本。

2.根据权利要求1所述的方法，其特征是，所述的采集具体是运用时域、频域和时频域的信号分析方法。

3.根据权利要求1所述的方法，其特征是，所述的特征值包括：切削力信号特征值、声发射信号特征值、振动信号特征值、功率信号特征值、电流信号特征值和扭矩信号特征值；

所述的相关性分析采用皮尔逊相关性系数指标来表征，其表达式为：其中：X为振动信号特征值、功率信号特征值或扭矩信号特征值中的任一特征量，Y为刀具磨损曲线。

4.根据权利要求1所述的方法，其特征是，所述的一类支持向量机的网络模型具体是通过分阶段阶梯学习建模，实时生成分类器监测下一阶段的传感器数据，并通过产品质检数据的反馈，不断输入新训练完善监测模型，直到监测到刀具寿命点；所述的刀具寿命点包括质检反馈质量不合格的情况。

5.一种基于上述任一权利要求所述方法的监测系统，其特征在于，包括：数据采集与训练模块、测试集检测模块和寿命模块，其中：数据采集与训练模块根据初始采集的数据进行磨损判断训练，根据判断结果将数据输出至寿命模块或者生成新训练集输出回数据采集与训练模块；测试集检测模块对数据进行检测，根据检测结果将数据输入到训练模块或者寿命模块；寿命模块根据检测结果判定刀具达到寿命。

6.根据权利要求5所述的方法，其特征是，所述的数据采集与训练模块采集初始L/n个数据；测试集检测模块检测实时信号的数量达到总体的一般，即L/2n个时判断：当数据采集与训练模块中的一类向量机模型根据振动和功率信号预测到的结果均为正常时，则等待质检输出；当检测为合格时，则剔除原始数据前L/2n个样本，系统往训练数据库中加入已判断合格的L/2n个样本生成新训练集，在攻丝工序未加工时重新训练模型并进行更新；当检测为异常时，则寿命判断模块判定刀具达到寿命，其中：L为产线刀具预设寿命，n为常量，其根据一类支持向量机模型的最佳性能和发动机生产线缸盖攻丝的节拍情况进行选择。

7.根据权利要求6所述的方法，其特征是，所述的最佳性能指：一类向量机模型在实验中预测刀具磨损的精度最符合刀具真实情况；

所述的产线加工情况指：常量n的选取应为发动机生产线缸盖攻丝工序中节拍数的倍数。