[发明专利]一种数控机床切削加工的刀具磨损状态识别方法有效

专利信息
申请号: 201210160153.3 申请日: 2012-05-22
公开(公告)号: CN103105820A 公开(公告)日: 2013-05-15
发明(设计)人: 谢锋云;胡友民;吴波;贾广飞;金超;王小岑;程瑶 申请(专利权)人: 华中科技大学
主分类号: G05B19/4065 分类号: G05B19/4065
代理公司: 华中科技大学专利中心 42201 代理人: 李佑宏
地址: 430074 湖北*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种数控机床切削加工的刀具磨损状态识别方法,具体包括如下步骤:(1)数据采集(2)采集数据区间化,获得区间数据集(3)对采集信号进行小波包分解,获得各频段的能量百分比和相应各频段的上界小波包系数和下界小波包系数;(4)获取多观察序列(5)求取广义隐马尔科夫初始模型λ=(A,B,π);(6)模型训练获得最优模型库λ=(λ1,...,λn);(7)把待识别磨损状态的刀具磨损信号数据作为多观察输入代入上述最优模型库,识别刀具磨损状态。本发明通过广义区间概率来解决数据机床加工中研究刀具磨损状态时,信息处理中出现的不确定性问题,识别准确率显著提高。
搜索关键词: 一种 数控机床 切削 加工 刀具 磨损 状态 识别 方法
【主权项】:
1.一种数控机床切削加工的刀具磨损状态识别方法,具体包括如下步骤:(1)数据采集测量获取数控机床切削加工中刀具在各种磨损状态下的测量数据,形成刀具磨损信号数据集X={x1,x2,...,xk},其中k=1,2,...,m,m为测量数据的个数;(2)采集数据区间化将所述数据集X中的每个元素转换成区间形式,即则数据集X转换为区间数据集X={[x1,x1],[x2,x2],...,[xk,xk]};]]>(3)对采集信号进行小波包分解,具体为:对所述数据集X={x1,x2,...,xk}进行小波包分解,获得各频段的能量百分比;对区间数据集X′进行小波包分解,即分别对X′各元素的上下界分别进行小波包分解,得到相应各频段的上界小波包系数和下界小波包系数;(4)获取多观察序列(4.1对数据集X进行小波包分解后得到各频段能量百分比进行区间化,然后将区间化了的各频段的能量百分比的上下界分别进行量化和编码,得到编码后的能量百分比的上界序列O1和下界序列(4.2)对各频段的上界小波包系数和下界小波包系数,求得相应的上界小波包系数的均方根值和下界小波包系数的均方根值,从而得到上界的均方根值序列O2和下界的均方根值序列(4.3)组合步骤(4.1)和(4.2)的序列,得到多观察序列O=[O1,O1,O2,O2];]]>(5)模型训练将所述多观察序列作为输入,代入数控机床的广义隐马尔科夫初始模型中,逐步训练改进初始模型参数,直至多观察序列在模型中的区间概率p(O|λ)的上、下界都收敛为止,即可得到刀具在各个磨损状态相应的最优广义隐马尔科夫模型并构成最优模型库其中,i为最优广义隐马尔科夫模型序号,代表刀具磨损状态类型,且i=1,2,...,n,n为刀具磨损状态数;(6)刀具磨损状态识别把待识别磨损状态的刀具的磨损信号数据,经过步骤(2)~(4)的处理,得到多观察序列将其划分为上界观测序列O′=[O1O2]和下界观测序列分别作为多观察输入,代入所述最优模型库中,分别计算得到区间概率进一步得到区间概率的对数似然值其中p(O|λ~i):=p(O|λ~i)×p(O|λ~i),]]>由区间比较法求出最大的此时,i对应的状态即为待识别样本的刀具磨损状态。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华中科技大学,未经华中科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201210160153.3/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top