一种基于多特征融合的断刀监控方法及电子设备技术

本发明专利技术涉及数控机床技术领域，公开了一种基于多特征融合的断刀监控方法及电子设备。断刀监控方法包括：获取刀具的加工信号，根据多个信号提取模型，从加工信号中提取出对应的特征信号，融合多个信号提取模型的特征信号，得到融合特征值，根据融合特征值，监控刀具。本实施例可对多个信号提取模型的特征信号进行融合，得到简单易判的、便于监控刀具是否发生断刀的融合特征值，由于融合特征值综合了多个信号提取模型预测断刀发生的概率，可补偿单一信号提取模型预测断刀发生的概率与实际情况的偏差量，避免单一信号提取模型进行断刀预测的片面性，从而提高断刀预测的准确性，进而可靠监控刀具。监控刀具。监控刀具。

【技术实现步骤摘要】
一种基于多特征融合的断刀监控方法及电子设备


[0001]本专利技术涉及数控机床
，特别是涉及一种基于多特征融合的断刀监控方法及电子设备。

技术介绍

[0002]刀具是自动化加工设备中关键或价值较高零部件，如果刀具在生产过程中出现断刀的情况，将影响产品质量，并且会因此导致设备非计划停产，造成不必要的损失。因此，为了保证产品质量，避免设备非计划停产，对刀具进行断刀监控是非常有必要的。
[0003]在传统的刀具断刀监控技术中，一般是根据单一特征信号来对判断刀具是否发生断刀的，由于此种判断机制存在片面性，容易发生误判的风险，因此，传统技术存在断刀判断结果不够准确的不足之处。

技术实现思路

[0004]本专利技术实施例提供了一种基于多特征融合的断刀监控方法及电子设备，能够改善相关技术中断刀判断结果不够准确的技术问题。
[0005]本专利技术实施例为改善上述技术问题提供了如下技术方案：
[0006]在第一方面，本专利技术实施例提供了一种基于多特征融合的断刀监控方法，包括：
[0007]获取刀具的加工信号本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多特征融合的断刀监控方法，其特征在于，包括：获取刀具的加工信号；根据多个信号提取模型，从所述加工信号中提取出对应的特征信号；融合多个所述信号提取模型的特征信号，得到融合特征值；根据所述融合特征值，监控所述刀具。2.根据权利要求1所述的方法，其特征在于，所述融合多个所述信号提取模型的特征信号，得到融合特征值包括：根据每个所述信号提取模型的各个特征信号，计算每个所述信号提取模型的层级概率特征；融合每个所述信号提取模型的层级概率特征，得到融合特征值。3.根据权利要求2所述的方法，其特征在于，每个所述信号提取模型包括一个或多个层级，每个所述层级对应一个特征信号，所述根据每个所述信号提取模型的各个特征信号，计算每个信号提取模型的层级概率特征包括：将每个所述信号提取模型的各个特征信号转换成对应的归一化特征值，其中，每个所述层级具有对应的权重系数；根据各个所述归一化特征值及其对应层级的权重系数，计算每个信号提取模型的层级概率特征。4.根据权利要求3所述的方法，其特征在于，所述层级概率特征的计算公式如下：4.根据权利要求3所述的方法，其特征在于，所述层级概率特征的计算公式如下：其中，i表示各个所述信号提取模型的序号，j表示每个所述信号提取模型中各个层级的序号，P
i
表示第i个所述信号提取模型的层级概率特征，g
ij
表示根据第i个所述信号提取模型中第j个层级对应的权重系数，Y
ij
表示将第i个所述信号提取模型中第j个层级对应的特征信号进行转换得到的归一化特征值。5.根据权利要求3所述的方法，其特征在于，每个所述信号提取模型具有对应的调节系数，所述融合每个所述信号提取模型的层级概率特征，得到融合特征值包括：根据每个所述信号提取模型的层级概率特征和对应的调节系数，计算每个信号提取模型初始的断刀预测概率；将每个所述信号提取模型初始的断刀预测概率、层级概率特征和对应的调节系数输入神经网络，得到每个所述信号提取模型更新后的调节系数；根据每个信号提取模型的层级概率特征和对应的更新后的调节系数，计算每个信号提取模型最终的断刀预测概率；融合每个所述信号提取模型...

【专利技术属性】
技术研发人员：黄杰，毕雪峰，王进，王晋生，
申请(专利权)人：深圳吉兰丁智能科技有限公司，
类型：发明
国别省市：