[发明专利]基于功率检测的铣床加工过程刀具磨损量预测方法有效
| 申请号： | 201710719144.6 | 申请日： | 2017-08-21 |
| 公开（公告）号： | CN107363645B | 公开（公告）日： | 2019-03-01 |
| 发明（设计）人： | 郑蓓蓉;薛伟 | 申请（专利权）人： | 温州大学激光与光电智能制造研究院 |
| 主分类号： | B23Q17/09 | 分类号： | B23Q17/09 |
| 代理公司： | 上海信好专利代理事务所(普通合伙) 31249 | 代理人： | 朱成之;周乃鑫 |
| 地址： | 325000 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于功率检测的铣床加工过程刀具磨损量预测方法，它主要包含数据采集步骤、特征提取步骤、特征后处理步骤和预测模型步骤。通过功率信号采集和磨损测量进行数据采集，然后进行功率有效值特征的提取和相关性计算，得到选择的敏感特征，再进行保序回归和指数平滑来实现特征后处理，最后训练样本，进行SBL模型预测，得到验证样本后进行验证。本发明能实现准确、高效的刀具运行状态自我识别和自动预警，提高机床的智能水平，有效地节约成本，提高效率。 | ||
| 搜索关键词： | 刀具磨损量 后处理 功率检测 铣床加工 验证 数据采集步骤 特征提取步骤 功率信号 敏感特征 模型预测 磨损测量 数据采集 训练样本 预测模型 运行状态 指数平滑 智能水平 自动预警 有效地 预测 刀具 机床 样本 采集 回归 节约 | ||
【主权项】：
1.一种基于功率检测的铣床加工过程刀具磨损量预测方法，其特征在于，其步骤为：S1、数据采集：采集功率信号和测量刀具磨损量；S2、特征提取：提取功率有效值特征，计算所述功率有效值特征与所述刀具磨损量的相关系数，得到敏感特征；S3、特征后处理：先对所述敏感特征的所有特征值进行保序回归，再进行指数平滑；S4、预测模型：通过训练样本，进行稀疏贝叶斯学习方法SBL模型预测，进行验证样本。
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温州大学激光与光电智能制造研究院，未经温州大学激光与光电智能制造研究院许可，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/201710719144.6/，转载请声明来源钻瓜专利网。
