刀具断裂检测模型的生成方法、检测方法、设备及介质技术

本发明专利技术公开了一种刀具断裂检测模型的生成方法、检测方法、设备及介质，方法包括：获取若干第一加工数据；根据若干第一加工数据构建训练集；通过训练集训练预设分布体系模型以获取刀具断裂检测模型，刀具断裂检测模型用于获取待检测刀具的异常度，根据异常度及异常度阈值判断是否具有断裂的风险。本发明专利技术仅需要若干次正常加工的数据即可构建训练集来训练预设分布体系模型，能够应对各种复杂工艺工序；本发明专利技术无需进行复杂的环境搭建来建立深度学习模型，提高了数据处理效率；并且本发明专利技术基于高度的数学抽象，可以得到稳定有效且能够精确检测刀具断裂的模型。此外，本发明专利技术能够在加工的过程中实时检测刀具是否具有断裂的风险，时效性更高。性更高。性更高。

【技术实现步骤摘要】
刀具断裂检测模型的生成方法、检测方法、设备及介质


[0001]本专利技术涉及刀具检测领域，特别涉及一种刀具断裂检测模型的生成方法、检测方法、设备及介质。

技术介绍

[0002]现阶段的刀具断裂检测分为直接法和间接法。直接法通过物理接触或激光检测，对刀具的外形尺寸、几何形貌等进行测量，从而实现对刀具断裂的判断，现阶段代表性的实现已经有接触式或激光刀具对刀仪等产品。直接法的刀具断裂检测虽然简单精确，但需要在一段加工结束后额外留出用于刀具的断裂检测步骤，这无疑增加了加工的时间成本。
[0003]间接法是一种利用加工中伴随加工所产生的数据，来辅助对当前加工状态进行间接判断的方法，例如经验丰富的操作人员通常能够通过设备的声音与振动，来觉察到当前设备是否正常运行。间接法的优势在于，设备的当前加工状态会实时地反应在加工数据上，加工工艺与数据来源深度绑定，因此设备的异常在加工过程中或者完成时就能够判别出来，不需要额外增加步骤与加工时长。但也正因为数据与加工的深度关联，设备加工过程中的随机噪声、干扰等因素都会真实地反应在加工数据中，导致了模式识别中的不稳本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种刀具断裂检测模型的生成方法，其特征在于，所述生成方法包括以下步骤：获取若干第一加工数据，所述第一加工数据表示刀具在预设切削工艺下切削目标工件的加工数据；根据所述若干第一加工数据构建训练集；通过所述训练集训练预设分布体系模型以获取刀具断裂检测模型以及异常度阈值，所述刀具断裂检测模型用于获取待检测刀具的异常度，以及根据所述异常度及所述异常度阈值判断所述待检测刀具是否具有断裂的风险。2.如权利要求1所述的刀具断裂检测模型的生成方法，其特征在于，所述根据所述若干第一加工数据构建训练集的步骤包括：对于每一第一加工数据，预处理所述第一加工数据以获取第二加工数据，所述第二加工数据为去除所述第一加工数据中的干扰数据后所形成的数据；根据若干所述第二加工数据构建训练集。3.如权利要求2所述的刀具断裂检测模型的生成方法，其特征在于，所述第一加工数据包括机台数据；当所述第一加工数据为所述机台数据时，所述预处理所述第一加工数据的步骤包括：获取在预设切削工艺下的第三加工数据，及对应的主轴转速数据；获取所述主轴转速数据对应的波动范围，当所述波动范围小于或等于预设波动范围时，则将所述第三加工数据作为第二加工数据。4.如权利要求2所述的刀具断裂检测模型的生成方法，其特征在于，所述第一加工数据包括传感器数据；当所述第一加工数据为所述传感器数据时，所述对于每一第一加工数据，预处理所述第一加工数据以获取第二加工数据的步骤包括：对于每一第一加工数据，对所述第一加工数据进行低通滤波以获取第二加工数据。5.如权利要求2所述的刀具断裂检测模型的生成方法，其特征在于，当所述第一加工数据为传感器数据时，所述对于每一第一加工数据，预处理所述第一加工数据以获取第二加工数据的步骤包括：获取第四加工数据，所述第四加工数据为所述刀具在所述预设切削工艺下不切削工件的加工数据；对于每一第一加工数据，根据所述第一加工数据及所述第四加工数据的差异筛选出目标加工数据，将所述目标加工数据作为第二加工数据。6.如权利要求5所述的刀具断裂检测模型的生成方法，其特征在于...

【专利技术属性】
技术研发人员：贾昌武，李鸿峰，黄筱炼，盛英杰，
申请(专利权)人：深圳市玄羽科技有限公司，
类型：发明
国别省市：