【技术实现步骤摘要】
刀具剩余寿命预测方法、装置、设备、介质和程序产品
[0001]本申请涉及数控加工
,特别是涉及一种刀具剩余寿命预测方法、装置、设备、介质和程序产品。
技术介绍
[0002]数控机床作为工业母机,对国家工业生产的发展有着最直接的影响。而刀具是数控机床的重要部件,刀具的磨损程度会直接影响被加工工件的精度和质量,磨损严重时甚至会引发安全事故。因此,准确地判断刀具的剩余使用寿命十分重要。
[0003]传统技术中,通过采集数控机床运行过程中的电流信号,并提取该电流信号的特征值,以基于该电流信号对数控机床的刀具进行剩余寿命预测。
[0004]然而,数控机床是一个机、电、液一体化的复杂设备,传统技术中,仅基于电流信号并不能充分反映刀具的剩余寿命的所有信息,因此,基于电流信号得到的刀具的剩余寿命预测结果准确性较低。
技术实现思路
[0005]基于此,有必要针对上述技术问题,提供一种能够提升数控机床的刀具的剩余寿命预测的准确性的刀具剩余寿命预测方法、装置、设备、介质和程序产品。
[0006]第一方面,本申请提供了一种刀具剩余寿命预测方法。该方法包括:
[0007]在数控机床加工过程中,获取该数控机床中刀具的信号样本,该信号样本包括多种类型的刀具信号,各刀具信号包括多个数据点;对该信号样本进行预处理,得到预测信号;将该预测信号输入至预先建立的剩余寿命预测模型中,得到该剩余寿命预测模型输出的该刀具的剩余寿命值。
[0008]在其中一个实施例中,该剩余寿命预测模型包括T个级联的特 ...
【技术保护点】
【技术特征摘要】
1.一种刀具剩余寿命预测方法,其特征在于,所述方法包括:在数控机床加工过程中,获取所述数控机床中刀具的信号样本,所述信号样本包括多种类型的刀具信号,各所述刀具信号包括多个数据点;对所述信号样本进行预处理,得到预测信号;将所述预测信号输入至预先建立的剩余寿命预测模型中,得到所述剩余寿命预测模型输出的所述刀具的剩余寿命值。2.根据权利要求1所述的方法,其特征在于,所述剩余寿命预测模型包括T个级联的特征学习模块以及全连接网络;所述将所述预测信号输入至预先建立的剩余寿命预测模型中,得到所述剩余寿命预测模型输出的所述刀具的剩余寿命值,包括:将所述预测信号输入至所述T个级联的特征学习模块中第1个特征学习模块,以由所述T个级联的特征学习模块依次进行特征学习,并将所述T个级联的特征学习模块中最后1个特征学习模块输出的多尺度特征数据输入至所述全连接网络,得到所述全连接网络输出的所述刀具的剩余寿命值。3.根据权利要求2所述的方法,其特征在于,第i个特征学习模块包括第一特征提取单元、特征切分单元、S个权重提取单元、特征加权单元、第二特征提取单元以及拼接单元,所述第i个特征学习模块的特征学习过程包括:获取所述第i个特征学习模块的输入数据;将所述输入数据输入至所述第一特征提取单元进行第一特征提取,得到所述第一特征提取单元输出的第一特征数据;将所述第一特征数据输入至所述特征切分单元进行特征切分,得到所述特征切分单元输出的S个第二特征数据;将所述S个第二特征数据分别对应输入至各所述权重提取单元,得到各所述权重提取单元分别输出的初始权重,得到S个初始权重;将所述S个初始权重以及所述S个第二特征数据输入至所述特征加权单元进行特征拼接,得到所述特征加权单元输出的第一多尺度特征数据;将所述输入数据输入至所述第二特征提取单元进行第二特征提取,得到所述第二特征提取单元输出的第二多尺度特征数据;将所述第一多尺度特征数据以及所述第二多尺度特征数据输入至所述拼接单元进行叠加处理,得到所述拼接单元输出的所述多尺度特征数据。4.根据权利要求3所述的方法,其特征在于,所述获取所述第i个特征学习模块的输入数据,包括:若i=1,将所述预测信号作为所述输入数据;若i>1,将第i
‑
1个特征学习模块输出的多尺度特征数据作为所述输入数据。5.根据权利要求3所述的方法,其特征在于,所述第一特征提取单元的处理过程包括:对所述输入数据进行第一卷积处理,得到第一卷积特征数据;采用线性整流函数对所述第一卷积特征数据进行第一非线性激活处理,得到所述第一特征数据。6.根据权利要求3所述的方法,其特征在于,所述特征切分单元的处理过程包括:对所述第一特征数据进行平均切分处理,得到所述S个第二特征数据。
7.根据权利要求3所述的方法,其特征在于,所述权重提取单元的处理过程包括:对所述第二特征数据进行第二卷积处理,得到所述第二特征数据对应的第二卷积特征数据;对所述第二卷积特征数据进行全局平均最大池化处理得到最大池化特征数据;对所述第二卷积特征数据进行全局平均池化处理,得到平均池化特征数据;根据所述最大池化特征数据以及所述平均池化特征数据,...
【专利技术属性】
技术研发人员:胡宁,刘振国,蒋诗新,李泉洲,钟书棋,陈冰泉,
申请(专利权)人:中国电子产品可靠性与环境试验研究所工业和信息化部电子第五研究所中国赛宝实验室,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。