[发明专利]一种铣削加工刀具运行可靠性的评估方法

摘要

本发明公开了一种铣削加工刀具运行可靠性的评估方法。本发明先通过霍尔传感器采集加工机床主轴与进给轴三相电流信号，然后通过小波分析提取时域均值特征与齿频率能量特征。针对这些特征向量，通过均值算法，获得观测向量输出函数：混合高斯分布密度函数。然后采用鲍姆-韦尔奇（Baum-Welch）算法训练连续“隐-半马尔可夫”模型，得到参数估计结果，采用切普曼-柯尔莫哥洛夫微分方程，来计算铣削加工刀具运行可靠性水平。本发明为铣削加工刀具预防性维修提供决策支持。

主权项

1.一种铣削加工刀具运行可靠性的评估方法，其步骤为：1）根据铣削加工刀具的设计数据和使用历史，确定其运行状态总数M；铣削加工刀具运行状态集表示为S={S₁,S₂,…，S_m，…,S_M}，s_M为铣削加工刀具完全失效；2）针对铣削刀具加工工况，记录切削参数，利用传感器采集机床主轴和进给轴三相电流信号，从中提取时域上的均值和齿频率信号的能量值作为特征量；3）根据铣削加工刀具运行状态总数M，确定每个铣削加工刀具运行状态所对应的高斯分布函数数目k_m，_m为铣削加工刀具运行状态s_m的下标，用来代表s_m；针对铣削加工刀具某一运行状态，对上述采集的特征信号进行平均分段，并将特征信号中属于一个段的参数组成一个大的矩阵，对每一段的矢量进行K均值聚类，得到铣削加工刀具某个状态所对应的连续混合高斯概率密度函数bm=(oρt)=Σk=1kmcmkbmk(oρt)=Σk=1kmcmkN(oρt,μρmk,Σmk),]]>其中：为t时刻观测向量，t为时刻，k_m为状态s_m对应高斯分布函数数目，为高斯分布均值参数，Σ_mk为高斯分布协方差矩阵，c_mk是状态s_m对应每个高斯分量的权重；重复步骤3），得到铣削加工刀具所有运行状态的连续混合高斯概率密度函数；4）采用连续隐半马尔科夫模型来对刀具运行状态进行可靠性水平估计；首先对连续隐半马尔科夫模型CHSMM给定初值，接着采用Baum-Welch算法对模型进行训练，完成参数估计，进行铣削加工刀具运行可靠性水平计算；其中，状态持续时间模型采用Gamma分布，即v_m,w_m>0，v_m为尺度参数，w_m为形状参数；观测值模型采用混合高斯分布，即bm=(oρt)=Σk=1kmcmkbmk(oρt)=Σk=1kmcmkN(oρt,μρmk,Σmk).]]>