【技术实现步骤摘要】
基于在线增量磨损演化模型的切削状态边缘智能监控方法
本技术涉及加工装备刀具磨损监控领域，尤其涉及基于在线增量磨损演化模型的切削状态边缘智能监控方法。
技术介绍
在机械加工领域，刀具磨损量有着重要的意义，其直接影响着刀具的剩余寿命及加工工件的尺寸、表面粗糙度等，但在切削加工过程中，刀具不可避免的存在着磨损现象。到目前为止，监控刀具磨损的方式主要分为直接法和间接法，其中直接法是指接触法和光学图像法，但由于测试条件的限制，直接法需分不同时间阶段将加工装备停机，且需要的基础设施较复杂，不易操作；间接法是指通过监控切削力信号、刀具振动信号、声发射信号、噪声信号等，并对其进行预处理之后再提取刀具切削过程中的特征信息，来判断刀具的磨损状态，其监控结果的准确程度主要取决于使用者的智能学习模型构建水平及经验。智能学习工具选择的是否合理对刀具磨损量监控效率与诊断服务水平有着很大影响。当前技术用于刀具磨损量监控的智能学习工具均采用批量学习方法与离线训练方式，为了满足在线监控的要求，需要放弃以前的学习成果，而且需要根据新增加的数据和过去所有...
【技术保护点】
1.一种基于边缘计算的刀具磨损智能监控方法，其特征在于，包括如下：/nS1：建立刀具边缘智能监控系统；/nS2：利用刀具边缘智能监控系统中的感知层的三向切削力传感器实时采集加工装备加工过程中X轴、Y轴、Z轴的切削力信号，同时利用三向振动传感器及声发射传感器分别采集加工装备加工过程中的振动信号及声发射信号；/nS3：利用边缘网关中的ZigBee模块、Wi-Fi模块、蓝牙模块构成无线数据传输网络，并利用域控制器控制数据传输的路径，最后将数据从感知层传输到边缘计算层；/nS4：利用边缘计算层的FPGA硬件系统对数据进行预处理得到训练样本，并结合训练样本的特征数和样本数确定在线序贯...
【技术特征摘要】
1.一种基于边缘计算的刀具磨损智能监控方法，其特征在于，包括如下：
S1：建立刀具边缘智能监控系统；
S2：利用刀具边缘智能监控系统中的感知层的三向切削力传感器实时采集加工装备加工过程中X轴、Y轴、Z轴的切削力信号，同时利用三向振动传感器及声发射传感器分别采集加工装备加工过程中的振动信号及声发射信号；
S3：利用边缘网关中的ZigBee模块、Wi-Fi模块、蓝牙模块构成无线数据传输网络，并利用域控制器控制数据传输的路径，最后将数据从感知层传输到边缘计算层；
S4：利用边缘计算层的FPGA硬件系统对数据进行预处理得到训练样本，并结合训练样本的特征数和样本数确定在线序贯增量极限学习机的内部拓扑结构，最后在同一工况下将传感器采集的数据传输到训练完成的边缘计算层；
S5：利用刀具边缘智能监控系统中的SDN技术层将实时监控结果发送到云计算层；
S6：利用云计算层中的应用服务对刀具磨损监控结果进行应用。
2.根据权利要求1所述的基于边缘计算的刀具磨损智能监控方法，其特征在于，所述S3中，利用域控制器控制数据的传输路径，利用边缘传输及内部传输的方法对传输路径进行优化，实现对感知层与边缘计算层之间的数据传输路径的调整。
3.根据权利要求1所述的基于边缘计算的刀具磨损智能监控方法，其特征在于，所述S4中，利用FPGA硬件系统中的自编码器特征提取模块对传感器实时采集的信息进行特征提取。
4.根据权利要求1所述的基于边缘计算的刀具磨损智能监控方法，其特征在于，所述S4中，利用FPGA硬件系统中的在线序贯增量极限学习机模块对特征提取后的信息进行在线序贯增量学习。
5.根据权利要求1所述的基于边缘计算的刀具磨损智能监控方法，其特征在于，所述S5中，SND控制器使用运行在运输层安全协议之上的OpenFlow协议与兼容OpenFlow的交换机通信，并利用SND应用定义的规则将接收到的刀具磨损量数据沿着指定的数据转发路径转发到云计算层。
6.根据权利要求1所述...
【专利技术属性】
技术研发人员：杨文安，刘学为，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。