一种基于声信号检测的超声刀具磨损状态识别方法与系统技术方案

本发明专利技术公开一种基于声信号检测的超声刀具磨损状态识别方法，包括：采集刀具切削过程的声信号，获取刀具状态的种类及各种刀具状态下的声信号；将采集到的声信号与各自对应的刀具状态种类组合，形成不同状态的刀具样本集，并分为测试样本集和训练样本集；对所述测试样本集进行时域分析、频域分析、小波包分析，获取多个特征参数；选取n个特征参数，n组特征向量分别输入到n个BP网络分类器，通过训练样本集对每个分类器进行训练；将待测样本输入到训练好的各个分类器中，自适应获取每个分类器的权值，由多分类器线性加权融合判决，得出超声刀具磨损状态类别。本发明专利技术在不改变机床本身的机械结构前提下，通过采集超声刀具切削时的声信号，提高了超声刀具磨损状态实时监测的准确率。

A Method and System for Wear State Recognition of Ultrasound Tools Based on Acoustic Signal Detection

The invention discloses a method for identifying the wear state of ultrasonic tool based on acoustic signal detection, which includes: acquiring the acoustic signal of cutting process of tool, acquiring the kinds of Tool States and the acoustic signals of various tool states; combining the collected acoustic signals with the corresponding types of tool states, forming tool samples of different states, and dividing them into test samples and training samples. The test sample set is analyzed in time domain, frequency domain and wavelet packet to obtain multiple feature parameters; n feature parameters are selected and N sets of feature vectors are input into n BP network classifiers respectively, and each classifier is trained by training sample set; the test samples are input into each trained classifier, and the weights of each classifier are acquired adaptively from multiple classifiers. Classifier linear weighted fusion judgment is used to get the wear status category of ultrasonic tool. Without changing the mechanical structure of the machine tool itself, the method improves the accuracy of real-time monitoring of the wear state of the ultrasonic tool by collecting the acoustic signal of the ultrasonic tool during cutting.

【技术实现步骤摘要】
一种基于声信号检测的超声刀具磨损状态识别方法与系统
本专利技术主要涉及航空用蜂窝复合材料加工领域，特别涉及一种基于声信号检测的超声刀具磨损状态识别方法与系统。
技术介绍
omax蜂窝复合材料是一种轻型结构材料，具有最优比强度、比刚度、最大抗疲劳性能、表面平整光滑等特点，已在我国航天领域得到较为广泛地应用。随着我国航空航天工业的不断发展，Nomax蜂窝复合材料的应用变得也更加广泛，同时对于蜂窝材料产品的复杂性，以及产品的精度也有了更高的要求。超声切削加工技术作为一种新兴的加工技术，凭借其在高硬度、难加工材料加工过程中的优越性，被广泛应用于现代加工领域。超声刀具作为超声加工过程中的直接作用部件，它的实时状态对材料的切削质量有着至关重要的影响，所以对于超声刀具的实时检测就显得极为重要。目前，企业在蜂窝材料的加工过程中，大多是停机对刀具状态进行检测，这样会严重影响企业的生产效率。由于检测过程不够智能化，导致效率低下以及资源的浪费。一方面，若刀具更换不及时，坏刀会直接影响蜂窝材料的表面质量、尺寸精度等，严重时，甚至导致加工的材料不合格，蜂窝材料的报废，增加企业生产成本。另一方面，若换刀过早，刀本文档来自技高网...

【技术保护点】
1.一种基于声信号检测的超声刀具磨损状态识别方法，其特征在于，包括以下步骤：S1，采集刀具切削过程的声信号，获取刀具状态的种类及各种刀具状态下的声信号；S2，将采集到的刀具切削声信号与各自对应的刀具状态种类组合，形成不同状态的刀具样本集，将所述刀具样本集区分为测试样本集和训练样本集；S3，对所述测试样本集进行时域分析、频域分析、小波包分析，获取多个反映刀具状态的特征参数；S4，选取n个特征参数，将每n‑1个不同特征参数组成一个特征向量，n组特征向量分别输入到n个BP网络分类器，通过训练样本集对每个分类器进行训练；S5，将待测样本输入到训练好的各个分类器中，自适应获取每个分类器的权值，由多分类器...

【技术特征摘要】
1.一种基于声信号检测的超声刀具磨损状态识别方法，其特征在于，包括以下步骤：S1，采集刀具切削过程的声信号，获取刀具状态的种类及各种刀具状态下的声信号；S2，将采集到的刀具切削声信号与各自对应的刀具状态种类组合，形成不同状态的刀具样本集，将所述刀具样本集区分为测试样本集和训练样本集；S3，对所述测试样本集进行时域分析、频域分析、小波包分析，获取多个反映刀具状态的特征参数；S4，选取n个特征参数，将每n-1个不同特征参数组成一个特征向量，n组特征向量分别输入到n个BP网络分类器，通过训练样本集对每个分类器进行训练；S5，将待测样本输入到训练好的各个分类器中，自适应获取每个分类器的权值，由多分类器线性加权融合判决，得出刀具的类别概率最大的状态，输出超声刀具磨损状态类别。2.如权利要求1所述的方法，其特征在于，所述刀具状态的种类包括初期磨损、中期磨损、后期磨损和破损。3.如权利要求1所述的方法，其特征在于，步骤S3之前，还包括滤噪处理，对所述刀具样本集进行小波滤噪。4.如权利要求1所述的方法，其特征在于：步骤S3具体为：S31，对刀具切削的声信号在时域上进行均方根计算；S32，分析空切状态下环境噪音频域分布；S33，通过小波包分解提取合适特征频段的能量百分比特征；S34，确定各刀具状态下，切削蜂窝材料时的T次声信号的共同特征参数项。5.如权利要求4所述的方法，其特征在于：所述共同特征参数项为5个，包括2个时域参数项均方根和3个小波分解后特征频段能量百分比特征。6.如权利要求1所述的方法，其特征在于，步骤S5包括以下步骤：S51，由测试样本集中的特征向量找到训练样本集中欧氏距离最近的k个最近邻，计算每个特征参数最近邻与单分类器输出类别的相关性，若相关性低于阈值S，则直接剔除，得到剩下的有效近邻Q；S52，根据所述有效近邻Q...

【专利技术属性】
技术研发人员：胡小平，王志兵，孔立阳，于保华，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33