[发明专利]基于振动信号和Stacking集成模型的刀具磨损状态监测方法

摘要

本发明公开了一种基于振动信号和Stacking集成模型的刀具磨损状态监测方法，利用加工过程机床主轴的振动信号，采用时域分析、频域分析和集成经验模式分解(EEMD)对振动信号进行特征提取，再利用ReliefF‑SVM算法对已提取的特征进行筛选得到最优特征集，将刀具磨损刃带宽度作为磨损标签值，利用最优特征集和磨损标签值基于Stacking集成策略建立集成监测模型。建立模型后，监测加工过程振动信号，经过处理后得到信号特征集输入到集成监测模型中，得到刀具磨损标签值，即刀具磨损状态。本发明基于振动信号和Stacking集成模型，可实现刀具磨损状态监测。

主权项

1.一种基于振动信号和Stacking集成模型的刀具磨损状态监测方法，其特征在于，包括以下步骤：步骤1，使用加速度传感器采集加工过程机床主轴的振动信号，同时对每次走刀完成后的刀具后刀面刃带进行拍照，将测量刀具刃带磨损的宽度作为刀具磨损标签值；步骤2，对机床主轴的振动信号通过去趋势项和异常值处理，得到纯净的加工过程的振动信号；步骤3，采用时域分析、频域分析和集成经验模式分解对振动信号进行特征提取，得到多个特征信号；其中，对振动信号进行集成经验模式分解后得到本征模式分量，将多个本征模式分量的能量比作为信号特征；步骤4，再利用ReliefF‑SVM算法对步骤3已提取的信号特征进行筛选得到最优特征集；步骤5，利用最优特征集和磨损标签值基于Stacking集成策略，选用支持向量机、朴素贝叶斯和决策树作为初级分类器，选用支持向量机作为次级分类器，将初级分类器的输出数据作为次级分类器的输入数据，建立刀具磨损状态集成监测模型；步骤6，监测机床主轴加工过程振动信号，将经过处理后的信号特征集输入到所述集成监测模型中，得到刀具磨损标签值，即刀具磨损状态。