一种工况无关的基于主轴驱动电流的铣刀磨损状态识别方法技术

本发明专利技术公开了一种工况无关的基于主轴驱动电流的铣刀磨损状态识别方法，该方法基于刀具磨损和振动异常会导致主轴驱动电流信号出现不规则杂波成分的试验结果，利用傅里叶级数拟合将主轴驱动电流波形分解为反映电流有效值准静态变化的谐波成分和反映铣刀刃口和后刀面磨损状态以及振动异常的电流杂波信号，然后将电流杂波信号输入到卷积神经网络中进行铣刀状态特征提取和分类。通过上述方式，本发明专利技术能够实现复杂工况变切削条件下的铣刀状态的在线准确辨识，为复杂工况下预测铣刀剩余寿命和科学合理制定铣刀更换规则打下基础。

【技术实现步骤摘要】
一种工况无关的基于主轴驱动电流的铣刀磨损状态识别方法
本专利技术涉及一种工况无关的基于主轴驱动电流的铣刀磨损状态识别方法，属于数控机床状态检测

技术介绍
在金属铣削加工过程中，铣刀的后刀面及刀刃受切削应力与工件摩擦会逐渐累积磨损。同时，刀具与工件之间会产生相对振动，刀具磨损和振动异常不仅直接影响被加工表面质量和加工精度，使工件表面粗糙度增大，并且随着刀具磨损以及振动的加剧导致切削力不断的增大，严重的会造成刀具破损，致使工件报废、机床损坏，甚至影响工厂生产正常进行，给企业带来经济损失。目前国内外的刀具状态监测方法主要分为直接法和间接法两类。直接法采用测量刀刃外观、几何尺寸等，虽然对刀具状态识别精度高，但是大部分直接监测法需要停机检测，只适用于非加工过程，不能满足在线监测的要求，在实际生产加工过程中实用性不强。而间接法主要通过采集与刀具磨损相关的物理信号，例如，力信号、振动信号、电流信号和声发射信号等，然后运用信号处理技术提取与刀具磨损状态相关的特征，达到准确识别刀具磨损状态的目的。间接法主要优势在于可以实时监测刀具磨损状态，提高了生产效本文档来自技高网...

【技术保护点】
1.一种工况无关的基于主轴驱动电流的铣刀磨损状态识别方法，其特征在于：包括以下步骤，/na.采集加工时主轴驱动电流的原始信号和主轴的振动信号；/nb.对主轴驱动电流的原始信号进行数据预处理；/nc.将处理后的数据输入到深度学习神经网络中进行训练；/nd.将所需数据输入到训练已完成的深度学习神经网络中进行铣刀磨损状态识别；深度学习神经网络采用的式一维卷积神经网络；/n深度学习神经网络训练包含网络训练，随机初始化网络参数之后开始逐层训练，得到训练结果；网络优化，根据训练结果与样本标签之间的误差进行误差反向传播调整各层参数，通过不断地训练和调整参数，使得整个网络识别效果达到最优。/n

【技术特征摘要】
1.一种工况无关的基于主轴驱动电流的铣刀磨损状态识别方法，其特征在于：包括以下步骤，
a.采集加工时主轴驱动电流的原始信号和主轴的振动信号；
b.对主轴驱动电流的原始信号进行数据预处理；
c.将处理后的数据输入到深度学习神经网络中进行训练；
d.将所需数据输入到训练已完成的深度学习神经网络中进行铣刀磨损状态识别；深度学习神经网络采用的式一维卷积神经网络；
深度学习神经网络训练包含网络训练，随机初始化网络参数之后开始逐层训练，得到训练结果；网络优化，根据训练结果与样本标签之间的误差进行误差反向传播调整各层参数，通过不断地训练和调整参数，使得整个网络识别效果达到最优。


2.根据权利要求1所述的一种工况无关的基于主轴驱动电流的铣刀磨损状态识别方法，其特征在于：铣削加工过程中的铣刀磨损状态分为正常磨损、急剧磨损、磨损振动异常和锋利振动异常四种状态。


3.根据权利要求1所述的一种工况无关的基于主轴驱动电流的铣刀磨损状态识别方法，其特征在于：主轴驱动电流的原始信号是由基波信号和杂波信号组成。


4.根据权利要求3中所述的一种工况无关的基于主轴驱动电流的铣刀磨损状态识别方法，其特征在于：基波信号反应的是切削力的准静态分量。


5.根据权利要求4中所述的一种工况无关的基于主轴驱动电流的铣刀磨损状态识别方法，其特征在于：影响基波信号幅值大小的因素是主轴转速、轴向切深、径向切深、进给速度等与工况相关...

【专利技术属性】
技术研发人员：王民，宋铠钰，刘利明，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11