[发明专利]基于应变的刀具磨损监测方法、装置、设备和存储介质

权利要求书

1.一种基于应变的刀具磨损监测方法，其特征在于，包含：

获取刀具的第一应变信号；

根据所述第一应变信号提取特征值，获取第一特征集；其中，所述第一特征集包括应变频率均方根、应变标准差和应变均值；

将所述第一特征集输入基于SVR回归模型构建的刀具磨损识别模型中，获取刀具的磨损阶段。

2.根据权利要求1所述的基于应变的刀具磨损监测方法，其特征在于，基于SVR回归模型构建刀具磨损识别模型，包括：

获取刀具在不同磨损状态下，以不同的切削参数进行切削的第二应变信号，以及刀具磨损值；其中，所述切削参数包括切削速度、切削深度和进给量；

根据所述第二应变信号，提取第二特征集；其中，所述第二特征集包括时域信号的应变均值、应变标准差、应变均方差、应变峰值、应变波形因子、应变偏斜度值和应变峰值，以及频域信号的频率均值、频率均方根、均方频率、最大频率和最小频率；

通过逻辑回归算法，从所述第二特征集中选取和刀具磨损相关的第三特征集；

根据所述刀具磨损值，拟合得到刀具磨损曲线；

根据所述刀具磨损曲线，将第三特征集分为初期磨损特征集、正常磨损特征集和急剧磨损特征集，以获取模型训练特征集；

根据所述模型训练特征集，基于SVR回归模型训练得到所述刀具磨损识别模型。

3.根据权利要求1所述的基于应变的刀具磨损监测方法，其特征在于，通过逻辑回归算法，从所述第二特征集中选取和刀具磨损相关的第三特征集，具体包括：

将所述第二特征集进行归一化处理，并把归一化处理后的第二特征集输入逻辑回归算法模型中；

通过逻辑回归算法模型计算第二特征集中各个特征的得分；

根据所述得分，从所述第二特征集中选取第三特征集；其中，所述第三特征集包括频率均方根、应变标准差和应变均值。

4.根据权利要求1至3任意一项所述的基于应变的刀具磨损监测方法，其特征在于，刀具磨损监测方法还包含：

根据所述磨损阶段进行数控补偿或提示用户换刀。

5.一种基于应变的刀具磨损监测装置，其特征在于，包含：

第一信号获取模块，用于获取刀具的第一应变信号；

第一特征获取模块，用于根据所述第一应变信号提取特征值，获取第一特征集；其中，所述第一特征集包括应变频率均方根、应变标准差和应变均值；

第一识别模块，用于将所述第一特征集输入基于SVR回归模型构建的刀具磨损识别模型中，获取刀具的磨损阶段。

6.根据权利要求5所述的一种基于应变的刀具磨损监测装置，其特征在于，还包含识别模型构建模块；所述识别模型构建模块包括：

第二信号获取单元，用于获取刀具在不同磨损状态下，以不同的切削参数进行切削的第二应变信号，以及刀具磨损值；其中，所述切削参数包括切削速度、切削深度和进给量；

第二特征获取单元，用于根据所述第二应变信号，提取第二特征集；其中，所述第二特征集包括时域信号的应变均值、应变标准差、应变均方差、应变峰值、应变波形因子、应变偏斜度值和应变峰值，以及频域信号的频率均值、频率均方根、均方频率、最大频率和最小频率；

第三特征获取单元，用于通过逻辑回归算法，从所述第二特征集中选取和刀具磨损相关的第三特征集；

拟合单元，用于根据所述刀具磨损值，拟合得到刀具磨损曲线；

阶段划分单元，用于根据所述刀具磨损曲线，将第三特征集分为初期磨损特征集、正常磨损特征集和急剧磨损特征集，以获取模型训练特征集；

模型构建单元，用于根据所述模型训练特征集，基于SVR回归模型训练得到所述刀具磨损识别模型。