[发明专利]一种基于数字孪生的高端装备加工状态监测方法及系统

权利要求书

1.一种基于数字孪生的高端装备加工状态监测方法，所述高端装备利用刀具对工件进行加工，其特征在于，所述方法包括：

在所述高端装备加工工件的过程中，定期将所述刀具拆下并利用仪器测量所述刀具的磨损值和所述工件的表面粗糙度，并记录相应时刻的传感数据，得到训练数据集D₁；所述传感数据包括振动信号和电流信号；

利用所述训练数据集D₁分别训练刀具磨损预测模型W1和工件质量预测模型Q1，分别用于基于传感数据预测刀具磨损值和工件表面粗糙度；

在所述高端装备加工工件的过程中，定期获取所述工件表面的图像，并利用仪器获取相应时刻的所述工件的表面粗糙度，得到训练数据集D₂；

利用所述训练数据集D₂训练工件质量预测模型Qp1，用于基于加工过程工件表面的图像预测工件表面粗糙度；

通过视觉在线定量测量获取刀具磨损值和工件表面粗糙度，连同相应时刻的传感数据构成训练数据集D₃；所述视觉在线定量测量包括：在所述高端装备加工工件的过程中，定期获取所述刀具和所述工件表面的图像，计算各刀具图像对应的刀具磨损值，并利用所述工件质量预测模型Qp1获取各工件表面的图像对应的工件表面粗糙度；

利用所述训练数据集D₃对所述刀具磨损预测模型W1和所述工件质量预测模型Q1进行迭代优化，得到刀具磨损预测模型W2和工件质量预测模型Q2；

所述的基于数字孪生的高端装备加工状态监测方法，还包括：

改变加工参数，使所述高端装备在不同加工参数下加工工件；

通过视觉在线定量测量获取刀具磨损值和工件表面粗糙度，连同相应时刻的传感数据构成训练数据集D₄；

利用所述训练数据集D₄对所述刀具磨损预测模型W2和所述工件质量预测模型Q2进行迭代优化，得到刀具磨损模型W3和工件质量预测模型Q3；

所述的基于数字孪生的高端装备加工状态监测方法，还包括：

将所述刀具磨损模型W3和所述工件质量预测模型Q3融合为刀具工件系统数字孪生模型Dt1；

所述的基于数字孪生的高端装备加工状态监测方法，还包括：

使所述高端装备在不同加工参数下加工工件，并从刀具工件系统数字孪生模型Dt1开始进行迭代优化，得到刀具工件系统数字孪生模型集合DT={Dt1，Dt2，……，DtN}；每次迭代优化包括：

通过视觉在线定量测量获取刀具磨损值和工件表面粗糙度，连同相应时刻的传感数据构成更新数据集，利用所述更新数据集对当前的刀具工件系统数字孪生模型进行Dtk进行迭代优化，得到刀具工件系统数字孪生模型Dtm；

其中；k=m-1，且k≥1；N≥2。

2.如权利要求1所述的基于数字孪生的高端装备加工状态监测方法，其特征在于，还包括：

在高端装备按照不同的加工参数加工工件时，记录各图像采集时刻的加工参数，连同刀具图像对应的刀具磨损值和工件表面图像对应的工件表面粗糙度构成训练数据集D₅；

利用所述训练数据集D₅分别训练关联模型Cw1和关联模型Cp1，分别用于根据加工参数预测刀具磨损值和工件表面粗糙度。

3.如权利要求2所述的基于数字孪生的高端装备加工状态监测方法，其特征在于，还包括：

（S1）设定刀具磨损和工件表面粗糙度的优化目标为T1；

（S2）利用所述关联模型Cw1和所述关联模型Cp1确定优化后的加工参数，并使所述高端装备按照所述优化后的加工参数加工工件；在所述高端装备加工工件的过程中，采集传感数据，并利用所述刀具磨损模型W3和所述工件质量预测模型Q3分别预测相应的刀具磨损值和工件表面粗糙度，得到实际加工结果T2；

（S3）将所述实际加工结果T2与所述优化目标T1进行对比分析，并根据对比结果对所述关联模型Cw1和所述关联模型Cp1的参数进行调整；

（S4）重复执行步骤（S2）~（S3），直至对比分析达到预设精度要求，以使所述关联模型Cw1和所述关联模型Cp1分别被迭代优化为关联模型Cw2和关联模型Cp2。