一种刀具寿命动态预测方法技术

本发明专利技术涉及刀具寿命预测领域，公开了一种刀具寿命动态预测方法，包括如下步骤：S1确定影响刀具寿命的特征并采集相关的信息数据，得到历史数据，将历史数据进行标准化处理；S2将历史数据进行相关性分析，删除相关性在临界范围内的特征；S3将特征进行主成分分析，对历史数据进行降维并简化，得到建模数据；S4使用梯度提升回归树对建模数据进行训练，建立刀具寿命预测模型；S5根据建模数据的特征采集实时数据，将实时数据进行标准化处理后输入刀具寿命预测模型，输出得到刀具寿命；本发明专利技术的一种刀具寿命动态预测方法，通过对影响刀具寿命的信息数据进行优化，建立完善的刀具寿命预测模型，进一步提高了刀具寿命预测的准确率。进一步提高了刀具寿命预测的准确率。进一步提高了刀具寿命预测的准确率。

【技术实现步骤摘要】
一种刀具寿命动态预测方法


[0001]本专利技术涉及刀具寿命预测领域，特别是一种刀具寿命动态预测方法。

技术介绍

[0002]刀具是机床加工的重要组成部分，在加工过程中，刀具不断磨损，当磨损到达一定程度时，继续加工会导致零件出现质量问题，刀具寿命的预测是长久以来困扰机床加工的难题，刀具实际使用时间小于刀具寿命时会造成刀具浪费、零件制造成本增加，刀具实际加工时间大于刀具寿命时会带来巨大的质量风险，可能出现零件铣伤、超差等问题，造成零件报废。
[0003]现阶段业内的刀具寿命主要仍凭借经验确定，当同一把刀具进行粗加工时，转速快、大进给、切深大、切宽大，刀具磨损较快，进行精加工时，转速较慢、进给较小、切深较小、切宽较小，刀具磨损较慢，为了保证零件的加工质量和批量化生产的加工效率，通常采用保守的刀具寿命进行判断，即刀具切削时间达到刀具理论寿命就报废更换，从而存在刀具破损较小的情况下就报废更换，造成了刀具的大量浪费。
[0004]专利CN109465676B公开了一种刀具寿命预测方法，其中仅采集电流信号，没有考虑包括温度、工艺参数、设备、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种刀具寿命动态预测方法，其特征在于，包括如下步骤：S1：确定影响刀具寿命的特征并采集相关的信息数据，得到历史数据，将历史数据进行标准化处理；S2：将历史数据进行相关性分析，删除相关性在临界范围内的特征；S3：将特征进行主成分分析，对历史数据进行降维并简化，得到建模数据；S4：使用梯度提升回归树对建模数据进行训练，建立刀具寿命预测模型；S5：根据建模数据的特征采集实时数据，将实时数据进行标准化处理后输入刀具寿命预测模型，输出得到刀具寿命。2.根据权利要求1所述的一种刀具寿命动态预测方法，其特征在于，步骤S1中的特征分为零件因素、设备因素、工艺因素、刀具因素和环境因素，零件因素、设备因素和工艺因素基于生产线管控系统进行采集，刀具因素基于刀具管理系统进行采集，环境因素基于传感器进行采集。3.根据权利要求2所述的一种刀具寿命动态预测方法，其特征在于，工艺因素相关的信息数据根据NC程序进行划分采集。4.根据权利要求2所述的一种刀具寿命动态预测方法，其特征在于，零件因素的特征包括零件材质、装夹方式；设备因素的特征包括主轴类型、设备类型、设备型号；工艺因素的特征包括零件特征、材料去除量、切削深度、切削宽度、转速、进给量；刀具因素的特征包括刀具类别、刃口材料、刀具直径、底角半径、刀具齿数、刀具结构、是否内冷、刀柄类型、刀具磨损量；环境因素的特征包括温度和振动。5.根据权利要求4所述的一种刀具寿命动态预测方法，其特征在于，采集历史数据时，刀具磨损量为本次加工的刀具磨损量δk，δk＝k
cur
‑
k
last
，k
cur
是当前刀具磨损量，k
last
是上次加工完成时的刀具磨损量；采集实时数据时，刀具磨损量为剩余刀具磨损量δk
’
，δk
’
＝k
max
‑
k
cur
k
cur
是当前刀具磨损量，k
max
是刀具最大磨损量；刀具磨损量包括：后刀面磨损量、前刀面磨损量和底角磨损量，根据刀具的使用工况选取对应的刀具磨损量参与数据处理。6.根据权利要求4所述的一种刀具寿命动态预测方法，其特征在于，采集刀具磨损量的方法如下：在机床加工区域对加工完成每个零件特征后的刀具进行图像采集，对图像识别处理得到刀具磨损量的数据。7.根据权利要求1所述的一种刀具寿命动态预测方法，其特征在于，步骤S1和步骤S5中，标准化处理包括消除量纲、填充...

【专利技术属性】
技术研发人员：褚福舜，宋戈，郭国彬，刘宽，申俊，龚皓宁，舒建国，
申请(专利权)人：成都飞机工业集团有限责任公司，
类型：发明
国别省市：