[发明专利]一种铣削刀具故障监测与识别方法及系统

摘要

本发明实施例公开了一种铣削刀具故障监测与识别方法，包括在历史数据中，获取刀具状态种类及各种刀具状态下所得振动时域信号；计算振动时域信号的特征值并与刀具状态种类组合成样本后，划分训练样本集和测试样本集；构成基础弱分类器集，并由训练样本集确定基础弱分类器模型；利用测试样本集测试，计算基础弱分类器模型的权重；采集待测铣削刀具的振动时域信号并计算特征值，在基础弱分类器模型中得到分类结果集；根据权重及分类结果集，计算待测铣削刀具的类别概率，并以类别概率最大对应的刀具状态种类为故障类别。本发明实施例，能够在不增加试验成本的基础上，为铣削刀具故障识别过程提供更丰富的样本集合，并能提高铣削刀具故障识别的整体精度。

主权项

一种铣削刀具故障监测与识别方法，其特征在于，所述方法包括：在已测铣削刀具的历史数据中，获取刀具状态的种类及各种刀具状态下所得振动时域信号；确定所得振动时域信号都需计算的共同特征参数项，并计算所得振动时域信号各自对应所述共同特征参数项的特征值，且将已计算出特征值的振动时域信号与各自对应的刀具状态种类组合成样本后，形成刀具状态样本集，进一步将所述刀具状态样本集划分得到训练样本集和测试样本集；在预设的分类算法中选取一定量，得到由所选分类算法构成的基础弱分类器集，并进一步确定每个所选分类算法各自对应的基础弱分类器模型；其中，所述每个所选分类算法的基础弱分类器模型均是采用Bootstrap方法对所述训练样本集重复抽样，并利用重复抽样得到的子训练样本集进行训练学习而获得；利用所述测试样本集对所述基础弱分类器集中每个所选分类算法的基础弱分类器模型分别进行测试，并根据测试结果，计算出每个所选分类算法的基础弱分类器模型的总正确率，且进一步根据所述计算出的每个所选分类算法的基础弱分类器模型的总正确率，得到每个所选分类算法的基础弱分类器模型的权重；采集待测铣削刀具的振动时域信号，并计算待测铣削刀具的振动时域信号各自对应所述共同特征参数项的特征值，且将已计算出特征值的待测铣削刀具的振动时域信号送入所述每个所选分类算法的基础弱分类器模型进行分类，得到所述待测铣削刀具的分类结果集；根据所述每个所选分类算法的基础弱分类器模型的权重以及所述待测铣削刀具的分类结果集，计算所述待测铣削刀具的类别概率，并进一步筛选出类别概率最大所对应的刀具状态种类作为所述待测铣削刀具的故障类别。