[发明专利]铣刀磨损值的预测方法、装置、电子装置和存储介质

说明书

本申请涉及一种铣刀磨损值的预测方法、装置、电子装置和存储介质。其中，该铣刀磨损值的预测方法包括：获取铣刀的原始振动数据；确定原始振动数据中的香侬能量熵，并根据香侬能量熵，形成特征数据集；将特征数据集划分为二类不平衡数据集，其中，二类不平衡数据集包括：多数类数据集和少数类数据集；对少数类数据集进行过采样，得到新的少数类数据集，并与多数类数据集进行组合，得到多类均衡数据集；根据多类均衡数据集，预测铣刀的磨损值。通过本申请，解决了相关技术中铣刀磨损值的预测精度低，提高了铣刀磨损值的预测精度。

技术领域

本申请涉及机械加工领域，特别是涉及铣刀磨损值的预测方法、装置、电子装置和存储介质。

背景技术

铣削加工过程中的铣刀状态监测是机床状态监测的重要组成部分。铣削加工中不可预测的铣刀磨损会增加生产资源消耗，影响工件的质量。为了减少资源消耗保证工件质量，需要对铣刀磨损状态进行高效、高精度的监测。随着大数据时代的到来和计算能力的快速提升，数据驱动的铣刀磨损状态预测的竞争优势日益明显，虽然可以挖掘历史数据来有效监控机械设备的健康状况，但非有限的数据给铣刀监测带来了很大的挑战。例如:支持回归器(SVR)、神经网络(RF)以及Light GBM等数据驱动的回归器，在铣刀磨损数据有限的情况下，难以很好地拟合(训练)回归样本。因此，近年来，为了增强回归器对小样本数据的适应性，从理论和实践上对已有样本进行数据增强已成为研究的重点。

然而，经研究发现，在实际的铣刀磨损预测系统中，往往存在铣刀磨损值的预测精度低的问题。

发明内容

在本实施例中提供了一种铣刀磨损值的预测方法、装置、电子装置和存储介质，以解决相关技术中铣刀磨损值的预测精度低的问题。

第一个方面，在本实施例中提供了一种铣刀磨损值的预测方法，包括：

获取铣刀的原始振动数据；

确定所述原始振动数据中的香侬能量熵，并根据所述香侬能量熵，形成特征数据集；

将所述特征数据集划分为二类不平衡数据集，其中，所述二类不平衡数据集包括：多数类数据集和少数类数据集；

对所述少数类数据集进行过采样，得到新的少数类数据集，并与所述多数类数据集进行组合，得到多类均衡数据集；

根据所述多类均衡数据集，预测所述铣刀的磨损值。

在其中一些实施例中，确定所述原始振动数据中的香侬能量熵，并根据所述香侬能量熵，形成特征数据集包括：

对所述原始振动数据进行经验模态分解，得到本征模函数值；

根据所述本征模函数值，确定所述香侬能量熵；

根据所述香侬能量熵，形成特征数据集。

在其中一些实施例中，在对所述少数类数据集进行过采样，得到新的少数类数据集，并与所述多数类数据集进行组合，得到多类均衡数据集之前，所述方法还包括：

对所述二类不平衡数据集进行降噪处理。

在其中一些实施例中，对所述二类不平衡数据集进行降噪处理包括：

采用近邻噪声处理方式，去除所述少数类数据集和所述多数类数据集中的噪声。

在其中一些实施例中，在对所述少数类数据集进行过采样，得到新的少数类数据集，并与所述多数类数据集进行组合，得到多类均衡数据集之前，所述方法还包括：

基于LS-SVM支持数值谱计算所述少数类数据集的重要性权值；

根据所述重要性权值，确定所述少数类数据集中的目标边界样本。

在其中一些实施例中，根据所述重要性权值，确定所述少数类数据集中的目标边界样本包括：