[发明专利]基于机器学习激光喷丸加工状态实时在线监控方法及系统

权利要求书

1.一种基于机器学习激光喷丸加工状态实时在线监控方法，其特征在于，采用基于机器学习激光喷丸加工状态实时在线监控系统；

所述基于机器学习激光喷丸加工状态实时在线监控系统包括：

激光喷丸加工模块：激光器(1)发出激光脉冲，经控制光路(2)引导作用在覆盖有约束层(3)、吸收层(4)且由夹具(5)夹持的加工工件(6)上产生激光喷丸声源；

控制模块：控制器(8)与FPGA处理器(9)连接，控制器(8)与上位计算机(7)连接，控制器(8)与激光器(1)连接；控制器(8)读取激光器(1)出光情况，控制声传感器(10)和数据采集卡(11)触发与停止；

传感模块：声传感器(10)位置与方向无特殊限制要求，声传感器(10)与数据采集卡(11)连接，数据采集卡(11)与FPGA处理器(9)连接；声传感器(10)接收激光喷丸声信号，并由数据采集卡(11)采集转化为数字信号，传递给FPGA处理器(9)；

数据处理模块：FPGA处理器(9)提取声信号的声学特征，判断激光喷丸加工状态是否正常，上位计算机(7)显示FPGA处理器(9)上传的处理结果；

所述基于机器学习激光喷丸加工状态实时在线监控方法执行包括：

步骤S1：建立机器学习模型；

步骤S2：进行激光喷丸加工，控制模块读取激光器反馈的出光信号，触发传感模块录制激光喷丸声信号，将激光喷丸声信号数据发送到数据处理模块，提取声信号的多维声学特征参数；

步骤S3：对多维声学特征参数进行降维处理，获得其特征判别参数；

步骤S4：将声学特征判别参数发送给机器学习分类模型，识别当前加工状况，并反馈结果给上位机；

步骤S5：如果当前加工状况结果为加工未结束，跳转至步骤S2；

如果当前加工状况结果为加工结束，结束运行。

2.根据权利要求1所述的基于机器学习激光喷丸加工状态实时在线监控方法，其特征在于，在所述步骤S1中：

机器学习模型的建立由以下步骤构成：

步骤S1.1：分别在工件正常加工与非正常加工的不同情况下进行激光喷丸加工，通过声传感器(10)录制激光喷丸过程中产生的声音信号样本，建立已知加工状态的喷丸声信号样本库；

步骤S1.2：对于每一个采集到的脉冲声音信号，提取多维声学参数并进行线性降维处理，得到其特征判别参数，形成不同加工状况下的喷丸声信号的特征判别参数集；

所述的声学参数降维处理方法为线性的监督学习方法，通过寻找数据在处理后同类样本内部差异最小、在不同类样本之间差异最大的投影方式作为采用的降维方法；

步骤S1.3：以已知加工状况下的声信号特征判别参数集作为训练样本，基于机器学习方法建立激光喷丸过程加工状态识别的分类模型。

3.根据权利要求1所述的基于机器学习激光喷丸加工状态实时在线监控方法，其特征在于，在所述步骤S2中：

控制器(8)用于读取激光的运行过程参数，控制在线监控系统的全部设备，并将识别的加工状态结果反馈给上位计算机(7)，在喷丸过程中，控制器(8)通过读取下发激光器(1)的出光指令与激光器(1)反馈的出光信号来触发与停止声传感器(10)和数据采集卡(11)；

声传感器(10)用于采集空气中传播的激光喷丸声波信号并将接收到的声信号转为电信号传送至数据采集卡(11)；数据采集卡(11)负责将接收到的模拟信号转化为数字信号，用于数据处理；采用声传感器(10)采集激光喷丸加工过程的声信号，所述声传感器(10)安装位置与方向无特殊限制要求；

FPGA处理器(9)负责从接收到的声音信号中提取声学特征参数，并基于机器学习分类模型判断激光喷丸加工状态是否正常。

4.根据权利要求1所述的基于机器学习激光喷丸加工状态实时在线监控方法，其特征在于：

使用声传感器(10)作为采集设备，在激光喷丸加工的过程中所产生的声信号以球面波的形式传播，在各个方向上能量分布均匀；同时依靠多种声学特征对加工状态进行判断，对获得声信号的能量大小的依赖度较低。

5.根据权利要求1所述的基于机器学习激光喷丸加工状态实时在线监控方法，其特征在于：

在录制过程中通过控制器(8)读取激光器(1)的出光指令，根据激光脉冲间隔确定单次激光喷丸声音信号采集长度，保证在下一个激光脉冲发出前结束采集。