[发明专利]一种基于HDP-HSMM的磨削声砂轮钝化状态检测方法

摘要

本发明公开了一种基于HDP‑HSMM的磨削声砂轮钝化状态检测方法。首先由声发射传感器实时采集加工现场的声发射信号；然后利用小波软阈值降噪方法进行降噪；再对经过降噪的声发射信号进行分帧操作，并提取每帧信号的8个统计特征，组成8维声发射数据集；最后，使用8维声发射数据集训练HDP‑HSMM；利用训练好的HDP‑HSMM就可以去预测新的加工过程产生的声发射信号所代表的砂轮钝化状态。本发明所提出的HDP‑HSMM方法是一种非监督学习方法，相比于现有技术方案，该方法不需要先验的砂轮钝化状态知识，而是通过对采集到的声发射信号自动聚类实现对砂轮钝化程度的有效划分，进而得到整个加工过程中砂轮所处的状态。本发明可以准确识别磨削加工中砂轮的不同钝化状态，并能对砂轮钝化程度进行量化分级，从而大大减小了对熟练工人的依赖，提高了加工效率，具有极重要的工业应用价值。

主权项

1.一种基于HDP‑HSMM的磨削声砂轮钝化状态检测方法，其特征在于，包括以下步骤：(1)采集磨削加工过程中的声发射信号：由声发射传感器实时采集加工现场的声发射信号；(2)小波阈值降噪预处理：采集的声发射信号采用小波软阈值降噪方法做降噪处理，降噪后的信号仅包含磨削加工过程中材料塑形变形所产生的声发射信号；(3)分帧处理和特征提取：对经过降噪的声发射信号进行分帧操作，每帧信号都保持相同的长度，且帧与帧之间有重叠；分帧之后，提取每帧信号的8个统计特征，组成8维声发射数据集，通过这样的方法8维声发射数据集将代替原始声发射信号，用来作为判断砂轮状态的依据；(4)学习训练HDP‑HSMM：使用步骤(3)中得到的声发射数据集训练HDP‑HSMM，通过设置最大类别数目，观测概率分布，状态驻留概率分布，运行吉布斯采样循环，得到包括状态转移概率矩阵，观测概率分布，状态驻留概率分布的参数以及隐状态序列即砂轮钝化状态序列；(5)砂轮状态判断：使用训练好的HDP‑HSMM，通过Viterbi算法去预测新的加工过程产生的声发射信号所代表的砂轮钝化状态。