一种刀具磨损及寿命预测方法及装置制造方法及图纸

本发明专利技术提供一种刀具磨损及寿命预测方法，包括获取刀具实时状态的各类信号并进行预处理，且进一步对预处理后的各类信号均进行特征提取，得到刀具各类信号的特征样本；根据所得到的刀具各类信号的特征样本，使用预先训练好的刀具磨损预测模型进行预测，得到刀具磨损预测结果；其中，刀具磨损预测模型是由随机森林预测模型和卷积神经网络预测模型采用stacking融合策略融合而成的；将所得到的刀具各类信号的特征样本与所得到的刀具磨损预测结果结合，使用预先训练好的刀具寿命预测模型进行预测，得到刀具寿命预测结果。实施本发明专利技术，能对刀具实时的磨损状态和寿命进行较为精确的预测，在一定程度上降低刀具损坏而导致的生产效益下降问题。产效益下降问题。产效益下降问题。

【技术实现步骤摘要】
一种刀具磨损及寿命预测方法及装置


[0001]本专利技术涉及计算机
和刀具
，尤其涉及一种刀具磨损及寿命预测方法及装置。

技术介绍

[0002]在现今的制造业中，人工智能和大数据处理分析挖掘等技术的迅速发展，机械设备的健康状态监测也逐渐从加工设备的事后故障诊断慢慢发展到对于加工设备的故障提前预警维护和寿命预测管理。
[0003]目前，数控机床的刀具实时工作状态也需要实现智能化的预警维护和寿命预测管理，主要在于刀具生产中的工作状态对工件的质量起着决定性作用。一旦刀具受损，可能会损害工件，甚至造成机床事故，从而影响产品生产效率。因此，对刀具实时工作状态的监测能够提高产品生产的稳定性和保障产品的生产效率。
[0004]传统的监测方法包括直接监测(光学图谱法、接触法、放电性技术)和间接监测(切削温度测量法、声发射检测法、振动监测法、切削力监测法)。直接监测虽然操作性强，能够得到直观数据，但受环境干扰，导致数据有误差，精度不够。间接监测虽然可以采集相对准确数据，但是实时的监测是不够的，还要智能预测未来一段工作时间段内刀具的磨损本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种刀具磨损及寿命预测方法，其特征在于，所述方法包括以下步骤：获取刀具实时状态的各类信号，并对各类信号均进行预处理，且进一步对预处理后的各类信号均进行特征提取，得到刀具各类信号的特征样本；根据所得到的刀具各类信号的特征样本，使用预先训练好的刀具磨损预测模型进行预测，得到刀具磨损预测结果；其中，所述刀具磨损预测模型是由随机森林预测模型和卷积神经网络预测模型采用stacking融合策略融合而成的；将所得到的刀具各类信号的特征样本与所得到的刀具磨损预测结果结合，使用预先训练好的刀具寿命预测模型进行预测，得到刀具寿命预测结果。2.如权利要求1所述的刀具磨损及寿命预测方法，其特征在于，各类信号预处理的步骤均包括无效值的去除、异常值的处理和降噪操作。3.如权利要求2所述的刀具磨损及寿命预测方法，其特征在于，各类信号的特征样本均由时域特征、频域特征及二者通过嵌入法特征提取的特征混合组成。4.如权利要求3所述的刀具磨损及寿命预测方法，其特征在于，各类信号包括刀具切削速度信号、刀具背吃刀量信号、刀具切削宽度信号、刀具直径信号、刀...

【专利技术属性】
技术研发人员：谢兆贤，王震，孙冠楠，宋辉，邵长彬，倪建成，
申请(专利权)人：曲阜师范大学，
类型：发明
国别省市：