一种刀具寿命预测方法及智能刀具管理系统技术方案

本发明专利技术涉及一种刀具寿命预测方法及智能刀具管理系统，该方法中包括以下步骤：S1：设定n种影响刀具寿命的参数，并选择m组刀具的数据组成训练数据集，每组刀具数据均包括n个对应于每种参数的参数值和刀具寿命值；S2：建立刀具寿命预测模型，将训练数据集中的各参数值作为输入数据，刀具寿命值作为输出数据，对刀具寿命预测模型进行训练，确定刀具寿命预测模型的参数；S3：将待测刀具的数据输入最优的刀具寿命预测模型中，根据模型的输出确定刀具寿命的预测值。本发明专利技术将刀具寿命预测模型应用在智能刀具管理系统中，能够有效的提高刀具剩余寿命预测的精准性。

【技术实现步骤摘要】
一种刀具寿命预测方法及智能刀具管理系统
本专利技术涉及精密加工
，尤其涉及一种刀具寿命预测方法及智能刀具管理系统。
技术介绍
随着制造业的不断发展，自动化水平的不断提高，数控机床的应用更加广泛，而刀具作为数控机床核心部件，其重要性不言而喻。尤其在精密加工领域，刀具是否合理配置、科学使用、精准预测直接影响着零部件的加工质量、企业的生产效率及单位的用工成本。离散制造过程中对复杂刀具的在线监测、寿命预测需求广泛，然而传统的刀具管理系统仅仅针对于刀具生产流程中的信息化管理，对刀具工况、刀具磨损、刀具寿命等方面缺乏科学有效的智能化监测预警措施，且复杂刀具从设计、制造、加工产品、维修和报废等全生命周期中存在数据链断流、状态不可控和业务链割裂等问题，这使得刀具管理问题愈发突出，企业厂家的产品质量难以得到保障、生产效率低下、用工成本提高，直接影响着企业厂家的核心竞争力。
技术实现思路
为解决上述问题，本专利技术一种刀具寿命预测方法，将其应用在智能刀具管理系统中，能够有效的提高刀具剩余寿命预测的精准性。具体方案如下：一种刀具寿命预测方法，包括以下步骤：S1：设定n种影响刀具寿命的参数，并选择m组刀具的数据组成训练数据集，每组刀具数据均包括n个对应于每种参数的参数值和刀具寿命值；S2：建立刀具寿命预测模型，将训练数据集中的各参数值作为输入数据，刀具寿命值作为输出数据，对刀具寿命预测模型进行训练，确定刀具寿命预测模型的参数；S3：将待测刀具的数据输入最优的刀具寿命预测模型中，根据模型的输出确定刀具寿命的预测值。进一步的，步骤S1中，设定训练数据集的输入数据集X＝[xm1,xm2,xm3,…,xmn]T，输出数据集Y＝[y1,y2,y3,…,ym]T；步骤S2具体包括以下步骤：S21：对模型参数进行初始化设定：输入层个数为n个；隐含层个数为k个；输出层神经元个数为1个；输入层至第i个隐含层之间的连接权值ai＝[ai1,ai2,……,ain]T；第i个隐含层的阈值bi；输出权值矩阵ci＝[c1,c2,……,ck]T；激励函数g(x)；其中，连接权值ai和阈值bj的取值范围为[-1,1]；S22：对刀具寿命预测模型进行多次训练，确定最优的连接权值和隐含层的阈值，生成最优的刀具寿命预测模型；进一步的，步骤S22具体包括以下步骤，S221：设定最大迭代次数Hmax、群体数目NP、交叉因子CR和变异因子F；S222：随机生成初始种群其中，H代表迭代次数，NP代表群体数目，D代表种群维数；S223：设定m个样本的输出矩阵G：S224：根据m个样本的输出矩阵G和输出数据集Y计算m个样本的输出权值矩阵C＝[c1,c2,……,ck]T：C＝(GTG)-1GT*Y其中，(GTG)-1GT为输出矩阵G的广义逆矩阵；S225：计算适应度值PE：其中，为表示二阶范数的平方，PE越小，精确度越高。S226：从种群中随机选择三个个体r1、r2、r3∈[1,NP]，且r1≠r2≠r3，根据下式生成变异后的种群：式中：是变异种群Pv中的个体，F为变异因子，0<F<2；S227：变异个体与父代个体离散交叉得到更新的新生代个体式中：交叉因子CR∈[0,1]，jrand为[1,D]间随机整数，rand(.)表示随机数；S228：新生代个体与父代个体的适应度值PE进行比较，两者之间值较小者进入下一代，否则保留；S229：重复步骤S223到步骤S228，直到迭代次数H达到最大迭代次数Hmax设定此时的连接权值和隐含层的阈值为最优的连接权值和隐含层的阈值，生成最优的刀具寿命预测模型。一种智能刀具管理系统，用于实现本专利技术实施例中所述的方法，包括智能刀具全生命周期管理模块、统计分析管理模块、可视化管理模块和基础信息管理模块；所述智能刀具全生命周期管理模块、统计分析管理模块、可视化管理模块和基础信息管理模块均部署在应用服务器上，智能刀具管理系统还包括数据服务器用以管理刀具数据。进一步的，所述智能刀具全生命周期管理模块用于提供复杂刀具全生命周期状态追溯服务，包括刀具采购单元、刀具入库单元、刀具出库单元、刀具拆卸单元、刀具零部件更换单元和寿命监测单元和预警单元；所述刀具采购单元用于对刀具采购流程中信息的维护服务；所述刀具入库单元用于对刀具入库流程中信息的维护服务；所述刀具出库单元用于对刀具出库流程中信息的维护服务；所述刀具拆卸单元用于对刀具的拆卸、配置流程中的信息维护服务；所述刀具零部件更换单元用于在刀具构件需要更换零部件时提供流程管理服务；所述寿命监测单元通过在线监测技术对刀具进行实时的可视化监测服务，其采用本专利技术实施例所述的方法，为刀具提供剩余寿命预测服务；所述预警单元用于对刀具全生命周期状态的追溯及预警，对刀具状态进行实时预警，并将预警信息及时告知相关人员。进一步的，所述统计分析管理模块用于统计刀具作业流程产生的数据，并将分析结果以报表单据的形式展现。进一步的，所述可视化管理模块包括刀具信息单元、刀具柜与刀具存储单元、零部件与夹具存储单元和机床刀具存储单元，通过可视化界面来展示各类刀具相关信息。进一步的，所述基础信息管理模块包括对刀具类型、单把刀具、刀具柜、夹具、零部件和机床的基本信息进行统一维护管理。进一步的，所述智能刀具全生命周期管理模块、统计分析管理模块、可视化管理模块和基础信息管理模块在应用服务器上的部署方式采用分布式数据库、服务器集群和负载均衡的方式。本专利技术采用如上技术方案，提出了一种刀具寿命预测模型，将其应用在智能刀具管理系统中，能够有效的提高刀具剩余寿命预测的精准性；本专利技术中所述系统是集国外先进的刀具管理理念与国内典型用户的具体需求相结合研制开发而成，拥有规范的出入库操作，智能的组合刀具拆装，及时的刀具寿命预警，丰富的库存统计和成本分析，集成刀具全生命周期的业务链，实现对刀具的全生命周期智能化管控，能够最大化的满足企业对刀具管理的通用需求。附图说明图1所示为本专利技术实施例一的流程示意图。图2所示为本专利技术实施例二的结构示意图。具体实施方式为进一步说明各实施例，本专利技术提供有附图。这些附图为本专利技术揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本专利技术的优点。现结合附图和具体实施方式对本专利技术进一步说明。本专利技术实施例提供了一种刀具寿命预测方法，如图1所示，其为本专利技术实施例所述的刀具寿命预测方法的流程示意图，所述方法可包括以下步骤：S1：设定n种影响刀具寿命的参数，并选择m组刀具的数据组成训练数据集，每组刀具数据均包括n个对应于每种参数的参数值和刀具寿命值，则训练数据集中样本的个数为m，训练数据集的输入数据集X＝[xm1,xm2,xm3,…,xmn]T，输出数据集Y＝[y1,y2,y3,…,ym]T。该实施例中，设定影响刀具寿命的参数为5种，即n＝5，分别为切削速度、进给量、切削深度、切削宽度、刀具可加工性。选择了m＝20组刀具的数据，如表1所示。上述数据均通过高精密仪器实验测量所得。表1S2：建立刀具寿命预测模型，将训练数据集中的各参数值作为输入数据，刀具寿命值作为输出数据，对刀具寿命预测模型进行训练，确定刀具寿命预测模型的参数。该实施例中，将表1本文档来自技高网...

【技术保护点】
1.一种刀具寿命预测方法，其特征在于，包括以下步骤：S1：设定n种影响刀具寿命的参数，并选择m组刀具的数据组成训练数据集，每组刀具数据均包括n个对应于每种参数的参数值和刀具寿命值；S2：建立刀具寿命预测模型，将训练数据集中的各参数值作为输入数据，刀具寿命值作为输出数据，对刀具寿命预测模型进行训练，确定刀具寿命预测模型的参数；S3：将待测刀具的数据输入最优的刀具寿命预测模型中，根据模型的输出确定刀具寿命的预测值。

【技术特征摘要】
1.一种刀具寿命预测方法，其特征在于，包括以下步骤：S1：设定n种影响刀具寿命的参数，并选择m组刀具的数据组成训练数据集，每组刀具数据均包括n个对应于每种参数的参数值和刀具寿命值；S2：建立刀具寿命预测模型，将训练数据集中的各参数值作为输入数据，刀具寿命值作为输出数据，对刀具寿命预测模型进行训练，确定刀具寿命预测模型的参数；S3：将待测刀具的数据输入最优的刀具寿命预测模型中，根据模型的输出确定刀具寿命的预测值。2.根据权利要求1所述的刀具寿命预测方法，其特征在于：步骤S1中，设定训练数据集的输入数据集X＝[xm1,xm2,xm3,…,xmn]T，输出数据集Y＝[y1,y2,y3,…,ym]T；步骤S2具体包括以下步骤：S21：对模型参数进行初始化设定：输入层个数为n个；隐含层个数为k个；输出层神经元个数为1个；输入层至第i个隐含层之间的连接权值ai＝[ai1,ai2,……,ain]T；第i个隐含层的阈值bi；输出权值矩阵ci＝[c1,c2,……,ck]T；激励函数g(x)；其中，连接权值ai和阈值bj的取值范围为[-1,1]；S22：对刀具寿命预测模型进行多次训练，确定最优的连接权值和隐含层的阈值，生成最优的刀具寿命预测模型。3.根据权利要求2所述的刀具寿命预测方法，其特征在于：步骤S22具体包括以下步骤，S221：设定最大迭代次数Hmax、群体数目NP、交叉因子CR和变异因子F；S222：随机生成初始种群其中，H代表迭代次数，NP代表群体数目，D代表种群维数；S223：设定m个样本的输出矩阵G：S224：根据m个样本的输出矩阵G和输出数据集Y计算m个样本的输出权值矩阵C＝[c1,c2,……,ck]T：C＝(GTG)-1GT*Y其中，(GTG)-1GT为输出矩阵G的广义逆矩阵；S225：计算适应度值PE：其中，为表示二阶范数的平方，PE越小，精确度越高。S226：从种群中随机选择三个个体r1、r2、r3∈[1,NP]，且r1≠r2≠r3，根据下式生成变异后的种群：式中：是变异种群Pv中的个体，F为变异因子，0<F<2；S227：变异个体与父代个体离散交叉得到更新的新生代个体式中：交叉因子CR∈[0,1]，jrand为[1,D]间随机整数，rand(.)表示随机数；S228：新生代个体与父代个...

【专利技术属性】
技术研发人员：王维龙，杨开益，潘钟强，梁伟达，
申请(专利权)人：厦门嵘拓物联科技有限公司，
类型：发明
国别省市：福建,35