一种基于变分自动编码器与极限学习机的刀具磨损状态监测方法技术

一种基于变分自动编码器与极限学习机的刀具磨损状态监测方法，采集加工过程中机床主轴电机三相电流信号，将其融合成电流有效值并转化为三维矩阵形式生成图片样本，作为VAE

【技术实现步骤摘要】
一种基于变分自动编码器与极限学习机的刀具磨损状态监测方法


[0001]本专利技术属于高速铣削加工
，涉及到刀具磨损状态监测问题，具体为一种基于变分自动编码器和极限学习机的刀具磨损状态监测方法。

技术介绍

[0002]近年来，高速铣削加工由于极高的加工精度、极快的加工效率和极好的加工表面质量等优势，已经成为先进加工制造业的重要组成部分。在实际的加工生产过程中，刀具作为机械加工过程的执行件，在工件的切削加工过程中不可避免的会发生磨损、破损的情况。研究表明，刀具状态的变化不仅直接影响工件的加工精度和表面质量，甚至会中断整个加工系统的运行，造成加工效率降低和生产成本提高。因此，在加工过程中，对刀具状态进行实时监测具有重要意义。
[0003]刀具的状态监测主要分为直接监控法和间接监控法。直接监控法主要通过光学测量和计算机图像处理等方式直接测量刀具表面的形状变化量。虽然直接监控法的测量精度高，但是必须进行离线监测，无法满足在线监控要求，会造成切削过程不连续，产生延长加工时间的问题，不利于实际应用。因此，间接监控法更能满足数控生产线的需求，也是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于变分自动编码器与极限学习机的刀具磨损状态监测方法，其特征包括以下步骤：步骤1：样本数据获取和预处理利用闭环霍尔效应电流传感器采集不同刀具磨损状态下机床主轴电机三相交流电信号；将三相交流电信号合成电流有效值；将经过归一化处理后的电流有效值信号进行分割，得到多个等长度的时间序列样本数据，将分割的样本数据转化为三维矩阵形式，生成图片样本；根据得到的多个图片样本与对应的刀具磨损状态组合成为训练集和测试集；步骤2：搭建变分自动编码器模型变分自动编码器模型主要由编码器模块、解码器模块和输出模块三部分组成；编码器模块包括输入层、卷积层、ReLu激活层和全连接层；解码器模块包括输入层、反卷积层和ReLu激活层；编码器模块以全连接层作为输出层，输入至解码器模块后，通过反卷积和ReLu激活操作实现输入信息的还原；变分自动编码器模型是建立在贝叶斯理论基础上，通过训练学习输入信息的概率分布，进行输出重构；输出模块由极限学习机组成，产生变分自动编码器模型的输出结果；步骤3：变分自动编码器模型训练；变分自动编码器模型的训练过程分为无监督预训练和有监督识别两个阶段；在无监督预训练阶段，由于VAE网络是建立在贝叶斯理论基础上的网络模型，需要注意“后验失效”现象，用变分分布q(Z|X)去估计后验；因此输入样本，以证据下界ELBO作为目标函数函数对步骤2搭建的网络的编码器模块和解码器模块进行无监督训练；证据下界表示为：ELBO＝E
q(Z|X)
[logp(X|Z)]
‑
D
KL
(q(Z|X)||p(x))其中，第一项E
q(Z|X)

【专利技术属性】
技术研发人员：李宏坤，刘博，欧佳玉，代月帮，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：