本发明专利技术实施例提供一种基于应变的刀具磨损监测方法、装置、设备和存储介质，涉及刀具磨损监测技术领域。其中，这种刀具磨损监测方法包含步骤S1至步骤S3。S1、获取刀具的第一应变信号。S2、根据第一应变信号提取特征值，获取第一特征集。其中，第一特征集包括应变频率均方根、应变标准差和应变均值。S3、将第一特征集输入基于SVR回归模型构建的刀具磨损识别模型中，获取刀具的磨损阶段。基于刀具磨损对应信号的刀具磨损曲线对数据信号进行划分，获得准确的特征类型组成第一特征集。通过基于SVR回归模型构建的刀具磨损识别模型对第一特征集进行识别，能够准确的判断刀具的磨损阶段，准确还原刀具磨损情况，从而提高加工质量，具有很好的实际意义。很好的实际意义。很好的实际意义。
【技术实现步骤摘要】
基于应变的刀具磨损监测方法、装置、设备和存储介质
[0001]本专利技术涉及刀具磨损监测
，具体而言，涉及一种基于应变的刀具磨损监测方法、装置、设备和存储介质。
技术介绍
[0002]刀具是机械制造中用于切削加工的工具。刀具磨损作为最主要的刀具失效形式，其关乎着制造的精度及产品的表面质量。
[0003]测量刀具磨损的方法主要分为直接观察法和间接观察法。直接法一般是离线监测，比如利用切削间隙通过一定的手段直接对刀具磨损情况进行评估。具体方法有光学测量技术、放射性检测、工件与刀具接触电阻测量、工件尺寸精度测量等。这种方法有两个明显的缺点：一是需要对生产设备进行停机才能对刀具或工件检测，这会损害生产的连续性。二是无法保证实时性，检测效率低下。间接法是利用传感器实时监测与切削状态密切相关的信号。通过监测切削信号的变化间接获得刀具的状态。这种方式有以下优点：一是能够对切削状态进行实时监控，能广泛应用于各种加工工艺中。二是对加工过程基本无影响或影响较小，确保生产加工不间断。
[0004]传统的间接在线测量方法大多通过机床驱动电机电流的变化来判断切削的状态。此外，还有以切削力信号为主要检测信号，来对刀具状态监测的技术。切削力是刀具状态最直接的反映，切削力信号直接真实、抗干扰能力较强，灵敏度高、可以感知切削力的微小变化。刀具的磨损状态与切削力的变化存在很好的对应关系，但是切削力的测量设备昂贵，无法用于实际加工生产，并且其传感器的安装需要对机床做些改动，适用性较差。
[0005]有鉴于此，申请人在研究了现有的技术后特提出本申请。
技术实现思路
[0006]本专利技术提供了一种基于应变的刀具磨损监测方法、装置、设备和存储介质，以改善上述技术问题中的至少一个。
[0007]第一方面、
[0008]本专利技术实施例提供了一种基于应变的刀具磨损监测方法，其包含步骤S1至步骤S3。
[0009]S1、获取刀具的第一应变信号。
[0010]S2、根据第一应变信号提取特征值，获取第一特征集。其中，第一特征集包括应变频率均方根、应变标准差和应变均值。
[0011]S3、将第一特征集输入基于SVR回归模型构建的刀具磨损识别模型中，获取刀具的磨损阶段。
[0012]在一个可选的实施例中，基于SVR回归模型构建刀具磨损识别模型，包括步骤A1至步骤A6。
[0013]A1、获取刀具在不同磨损状态下，以不同的切削参数进行切削的第二应变信号，以
及刀具磨损值。其中，切削参数包括切削速度、切削深度和进给量。
[0014]A2、根据第二应变信号，提取第二特征集。其中，第二特征集包括时域信号的应变均值、应变标准差、应变均方差、应变峰值、应变波形因子、应变偏斜度值和应变峰值，以及频域信号的频率均值、频率均方根、均方频率、最大频率和最小频率。
[0015]A3、通过逻辑回归算法，从第二特征集中选取和刀具磨损相关的第三特征集。
[0016]A4、根据刀具磨损值，拟合得到刀具磨损曲线。
[0017]A5、根据刀具磨损曲线，将第三特征集分为初期磨损特征集、正常磨损特征集和急剧磨损特征集，以获取模型训练特征集。
[0018]A6、根据模型训练特征集，基于SVR回归模型训练得到刀具磨损识别模型。
[0019]在一个可选的实施例中，步骤A3包括步骤A31至步骤A33。
[0020]A31、将第二特征集进行归一化处理，并把归一化处理后的第二特征集输入逻辑回归算法模型中。
[0021]A32、通过逻辑回归算法模型计算第二特征集中各个特征的得分。
[0022]A33、根据得分，从第二特征集中选取第三特征集。其中，第三特征集包括频率均方根、应变标准差和应变均值。
[0023]在一个可选的实施例中，刀具磨损监测方法还包含步骤S4。
[0024]S4、根据磨损阶段进行数控补偿或提示用户换刀。
[0025]第二方面、
[0026]本专利技术实施例提供了一种基于应变的刀具磨损监测装置，其包含：
[0027]第一信号获取模块，用于获取刀具的第一应变信号。
[0028]第一特征获取模块，用于根据第一应变信号提取特征值，获取第一特征集。其中，第一特征集包括应变频率均方根、应变标准差和应变均值。
[0029]第一识别模块，用于将第一特征集输入基于SVR回归模型构建的刀具磨损识别模型中，获取刀具的磨损阶段。
[0030]在一个可选的实施例中，刀具磨损监测装置还包含识别模型构建模块。识别模型构建模块包括：
[0031]第二信号获取单元，用于获取刀具在不同磨损状态下，以不同的切削参数进行切削的第二应变信号，以及刀具磨损值。其中，切削参数包括切削速度、切削深度和进给量。
[0032]第二特征获取单元，用于根据第二应变信号，提取第二特征集。其中，第二特征集包括时域信号的应变均值、应变标准差、应变均方差、应变峰值、应变波形因子、应变偏斜度值和应变峰值，以及频域信号的频率均值、频率均方根、均方频率、最大频率和最小频率。
[0033]第三特征获取单元，用于通过逻辑回归算法，从第二特征集中选取和刀具磨损相关的第三特征集。
[0034]拟合单元，用于根据刀具磨损值，拟合得到刀具磨损曲线。
[0035]阶段划分单元，用于根据刀具磨损曲线，将第三特征集分为初期磨损特征集、正常磨损特征集和急剧磨损特征集，以获取模型训练特征集。
[0036]模型构建单元，用于根据模型训练特征集，基于SVR回归模型训练得到刀具磨损识别模型。
[0037]在一个可选的实施例中，第三特征获取单元，包括：
[0038]归一化子单元，用于将第二特征集进行归一化处理，并把归一化处理后的第二特征集输入逻辑回归算法模型中。
[0039]评分子单元，用于通过逻辑回归算法模型计算第二特征集中各个特征的得分。
[0040]特征选取子单元，用于根据得分，从第二特征集中选取第三特征集。其中，第三特征集包括频率均方根、应变标准差和应变均值。
[0041]在一个可选的实施例中，刀具磨损监测装置还包含后处理模块。
[0042]后处理模块，用于根据磨损阶段进行数控补偿或提示用户换刀。
[0043]第三方面、
[0044]本专利技术实施例提供了一种基于应变的刀具磨损监测设备，其包括处理器、存储器，以及存储在存储器内的计算机程序。计算机程序能够被处理器执行，以实现如第一方面任意一段所说的基于应变的刀具磨损监测方法。
[0045]第四方面、
[0046]本专利技术实施例提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行如第一方面任意一段所说的基于应变的刀具磨损监测方法。
[0047]通过采用上述技术方案，本专利技术可以取得以下技术效果：
[0048]本专利技术实施例，基于刀具磨损对应信号的刀具本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于应变的刀具磨损监测方法，其特征在于，包含：获取刀具的第一应变信号；根据所述第一应变信号提取特征值，获取第一特征集；其中，所述第一特征集包括应变频率均方根、应变标准差和应变均值；将所述第一特征集输入基于SVR回归模型构建的刀具磨损识别模型中，获取刀具的磨损阶段。2.根据权利要求1所述的基于应变的刀具磨损监测方法，其特征在于，基于SVR回归模型构建刀具磨损识别模型，包括：获取刀具在不同磨损状态下，以不同的切削参数进行切削的第二应变信号，以及刀具磨损值；其中，所述切削参数包括切削速度、切削深度和进给量；根据所述第二应变信号，提取第二特征集；其中，所述第二特征集包括时域信号的应变均值、应变标准差、应变均方差、应变峰值、应变波形因子、应变偏斜度值和应变峰值，以及频域信号的频率均值、频率均方根、均方频率、最大频率和最小频率；通过逻辑回归算法，从所述第二特征集中选取和刀具磨损相关的第三特征集；根据所述刀具磨损值，拟合得到刀具磨损曲线；根据所述刀具磨损曲线，将第三特征集分为初期磨损特征集、正常磨损特征集和急剧磨损特征集，以获取模型训练特征集；根据所述模型训练特征集，基于SVR回归模型训练得到所述刀具磨损识别模型。3.根据权利要求1所述的基于应变的刀具磨损监测方法，其特征在于，通过逻辑回归算法，从所述第二特征集中选取和刀具磨损相关的第三特征集，具体包括：将所述第二特征集进行归一化处理，并把归一化处理后的第二特征集输入逻辑回归算法模型中；通过逻辑回归算法模型计算第二特征集中各个特征的得分；根据所述得分，从所述第二特征集中选取第三特征集；其中，所述第三特征集包括频率均方根、应变标准差和应变均值。4.根据权利要求1至3任意一项所述的基于应变的刀具磨损监测方法，其特征在于，刀具磨损监测方法还包含：根据所述磨损阶段进行数控补偿或提示用户换刀。5.一种基于应变的刀具磨损监测装置，其特征在于，包含：第一信号获取模块，用于获取刀具的第一应变信号；第一特征获取模块，用于根据所述第一应变信号提取特征值，获取第一特征集；其中，所述第一特征集包括应变频率均方根、应变标准差和应变均值；第一识别模块...
【专利技术属性】
技术研发人员：姜峰，叶文昌，郭必成，王福增，吴贤，黄身桂，谭援强，
申请(专利权)人：华侨大学，
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。