[发明专利]一种基于函数型数据主成分分析的刀具健康监测方法

说明书

本发明提供了一种基于函数型数据主成分分析的刀具健康监测方法，包括：（Ⅰ）获取刀具加工过程中传感器的时域监测信号，输入传感器数据选择与数据预处理，再进行时频域变换得到频域信号；（Ⅱ）根据频率和对应频率的幅值，利用函数基将频域信号转换为函数型信号；（Ⅲ）采用函数型数据主成分分析方法，对转换为函数型信号的频域信号进行主成分提取和主成分分值计算；（Ⅳ）确定作为健康指标的主成分，构建健康指标；（Ⅴ）根据健康指标进行刀具健康状态监控。本发明实现了非接触式地监控数控机床加工过程中刀具的磨损情况和健康状况，保障加工质量和加工效率。

技术领域

本发明属于数控机床技术领域，涉及一种基于函数型数据主成分分析的刀具健康监测方法。

背景技术

制造业是国民经济的基础，数控机床作为基础制造能力的核心，其关键部件的意外状况将直接降低机床加工效率，因而对关键部件进行实时状态监测与性能评估尤为关键。刀具是数控机床的关键部件之一，其磨损退化是机械加工中不可避免的过程，过度磨损的刀具表面会有撕裂，抗疲劳能力降低，容易对加工产品甚至机床本身造成损害。

据相关资料统计，刀具费用约占制造总成本的2.5%~4%，其中由于刀具管理、修磨、检测等流程相关的间接成本，大约是刀具本身费用的四倍。准确监测刀具的磨损情况和健康状况，可及时在加工间隙安排刀具的修复或更换，从而提高生产效率，对于保持刀具的加工精度也具有重大意义。然而，在机械加工过程中，在线直接测量刀具的磨损情况需要频繁暂停加工过程，且测量采用显微镜等仪器，时间成本和人工成本都较高。

刀具的非接触式健康状态监测问题可以认为是一个健康指标的设计问题，需要建立数控机床的传感器监控数据和刀具磨损情况和健康状况之间的映射关系。在训练阶段，根据机床加工过程中的历史监控数据和通过传统接触式测量方法测量的刀具加工后的磨损数据构建训练集，完成上述映射关系的分析和验证，从而根据映射关系设计出可以反映刀具磨损情况和健康状况的健康指标。之后在监控过程中，即可根据数据机床加工过程中的传感器监控数据，得到刀具健康指标数值，根据该值判断该次加工结束后刀具的健康状况，安排刀具的修磨和更换计划。这个过程需综合应用多种传感器数据和多种信号处理技术，利用已有的高维高频数据建立起一个与刀具磨损相关的单调映射关系，挖掘出刀具磨损的状态信息，及时有效的监测加工刀具的健康状况对于保障加工质量、降低制造成本是一件意义重大但是极具挑战的任务。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种基于函数型数据主成分分析的刀具健康监测方法，实现了非接触式地监控数控机床加工过程中刀具的磨损情况和健康状况，保障加工质量和加工效率，利用在加工过程中对振动、主轴电流、工况等的在线监测数据，对实时采集的多源状态传感器信息进行分析处理，通过无监督式的设计健康指标值从而间接预测刀具的磨损情况，不影响机床的正常加工作业的情况下即可准确地监测刀具的健康状况，为机床的刀具管理、维修和更换提供了技术支持。

为达此目的，本发明采用以下技术方案：

本发明提供了一种基于函数型数据主成分分析的刀具健康监测方法，所述基于函数型数据主成分分析的刀具健康监测方法包括：

（Ⅰ）获取数控机床刀具加工过程中传感器的时域监测信号，输入传感器数据选择，并进行数据预处理，再对时域监控信号进行时频域变换，得到频域信号；

（Ⅱ）根据步骤（Ⅰ）中的频率和对应频率的幅值，利用函数基将所述频域信号转换为函数型信号；

（Ⅲ）采用函数型数据主成分分析方法，对转换为函数型信号的频域信号进行主成分提取和主成分分值计算；

（Ⅳ）基于步骤（Ⅲ）中函数型信号的主成分分析的结果，确定作为健康指标的主成分，构建健康指标；

（Ⅴ）实时采集数控机床刀具加工过程中的实际时域监测信号，并依次进行预处理以及时频域变换，根据步骤（Ⅳ）中所述健康指标进行刀具健康状态监控。