一种铁芯智能冲剪监测方法技术

本发明专利技术涉及材料的物理性能检测技术领域，具体涉及一种铁芯智能冲剪监测方法。该方法通过对铁芯的三个磨损评价指标铁芯的翘曲度、剪切时的声音频率和升降导轨的震动幅度进行获取，进而计算得到对应的刀具磨损状态指数，将对应的刀具磨损状态指数序列输入训练好的各类别对应的预测磨损状态网络中得到预测刀具磨损状态指数，实现对冲剪刀具的磨损情况的预测，根据计算得到的刀具磨损状态指数和预测刀具磨损状态指数实现对冲剪机床的实时检测和预测。预测。预测。

【技术实现步骤摘要】
一种铁芯智能冲剪监测方法


[0001]本专利技术涉及材料的物理性能检测
，具体涉及一种铁芯智能冲剪监测方法。

技术介绍

[0002]目前，铁芯自动剪切生产线所剪切出的铁芯质量参差不齐，主要问题体现在加工精度、剪切速度与自动化程度等方面的差距。铁芯冲剪过程中冲剪刀具随着使用时间的增加是会不断磨损的，磨损会导致所冲剪出的铁芯不仅有毛边而且可能出现形状不规则发生扭曲，以及铁芯片的片形不达标的问题出现。故如果不能及时对冲剪刀具进行更换，会导致出现生产质量问题。
[0003]目前，常见的对铁芯冲剪过程进行异常监测的方法为将实施采集到的冲剪数据与数据库中正常冲剪时的数据进行对比，以实现冲剪过程的异常监测。仅采用正常冲剪时的数据进行对比，未考虑其他因素的影响，对冲剪异常的容错率较低。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种铁芯智能冲剪监测方法，所采用的技术方案具体如下：获取铁芯的翘曲度、剪切时的声音频率和升降导轨的震动幅度；基于所述翘曲度在不同时刻的差异得到第一磨损因子；基于所述声音频率在不同时刻的差异得到第二磨损因子；基于所述震动幅度在不同时刻的差异得到第三磨损因子；根据所述翘曲度和初始翘曲度的差异、所述声音频率和初始声音频率的差异、所述震动幅度和初始震动幅度的差异，得到剪切质量下降因子；由多个时刻的所述第一磨损因子、所述第二磨损因子、所述第三磨损因子和所述剪切质量下降因子构建刀具磨损矩阵；基于所述刀具磨损矩阵对多个冲剪机床进行分类，得到多个类别；基于所述第一磨损因子和所述第三磨损因子计算刀具磨损状态指数，将刀具磨损状态指数序列输入所属类别对应的预测磨损状态网络得到预测刀具磨损状态指数；根据所述预测刀具磨损状态指数对铁芯的冲剪刀具监测。
[0005]优选的，所述基于所述翘曲度在不同时刻的差异得到第一磨损因子，包括：所述第一磨损因子的计算公式为：其中，为第时刻的第一磨损因子；为第时刻的翘曲度；为第时刻的翘曲度；为绝对值函数。
[0006]优选的，所述根据所述翘曲度和初始翘曲度的差异、所述声音频率和初始声音频率的差异、所述震动幅度和初始震动幅度的差异，得到剪切质量下降因子，包括：
所述剪切质量下降因子的计算公式为：其中，为第时刻的剪切质量下降因子；为第时刻的翘曲度；为第时刻的声音频率；为第时刻的震动幅度；为初始翘曲度；为初始声音频率；为初始震动幅度；为自然常数。
[0007]优选的，所述基于所述刀具磨损矩阵对多个冲剪机床进行分类，得到多个类别，包括：计算两两刀具磨损矩阵对应的明氏距离；基于所述明氏距离，利用K
‑
M算法将多个冲剪机床进行分类，得到多个类别。
[0008]优选的，所述基于所述第一磨损因子和所述第三磨损因子计算刀具磨损状态指数，包括：所述刀具磨损状态指数的计算公式为：其中，为第时刻的所述刀具磨损状态指数；为第时刻的第一磨损因子；为第时刻的第三磨损因子；为绝对值函数；为自然常数。
[0009]优选的，所述基于所述声音频率在不同时刻的差异得到第二磨损因子，包括：所述第二磨损因子的计算公式为：其中，为第时刻的第二磨损因子；为第时刻的声音频率；为第时刻的声音频率；为绝对值函数。
[0010]优选的，所述基于所述震动幅度在不同时刻的差异得到第三磨损因子，包括：所述第三磨损因子的计算公式为：其中，为第时刻的第三磨损因子；为第时刻的声音频率；为第时刻的声音频率；为绝对值函数。
[0011]优选的，所述将刀具磨损状态指数序列输入所属类别对应的预测磨损状态网络得到预测刀具磨损状态指数，包括：获取第一个小于等于预设最低阈值的刀具磨损状态指数作为初始刀具磨损状态指数，获取以所述初始刀具磨损状态指数为起始元素的刀具磨损状态指数序列，作为目标
刀具磨损状态指数序列，将所述目标刀具磨损状态指数序列输入所属类别对应的预测磨损状态网络中，得到预测刀具磨损状态指数。
[0012]本专利技术实施例至少具有如下有益效果：本专利技术涉及材料的物理性能检测
该方法获取铁芯的翘曲度、剪切时的声音频率和升降导轨的震动幅度；分别基于翘曲度、声音频率和震动幅度在不同时刻的差异得到第一磨损因子、第二磨损因子和第三磨损因子；分别根据翘曲度、声音频率、震动幅度与对应的初始数据的差异计算得到剪切质量下降因子；由多个时刻的第一磨损因子、第二磨损因子、第三磨损因子和剪切质量下降因子构建刀具磨损矩阵；基于刀具磨损矩阵对多个冲剪机床进行分类，得到多个类别；基于第一磨损因子和第三磨损因子计算刀具磨损状态指数。通过对铁芯的三个磨损评价指标翘曲度、声音频率和震动幅度进行获取，进而计算得到对应的刀具磨损状态指数，实现对冲剪刀具的磨损情况的实时监控。
[0013]将刀具磨损状态指数输入所属类别对应的预测磨损状态网络得到预测刀具磨损状态指数，实现对冲剪刀具的磨损情况的预测。并根据预测刀具磨损状态指数对铁芯的冲剪刀具的状态进行预测。
附图说明
[0014]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0015]图1为本专利技术一个实施例所提供的一种铁芯智能冲剪监测方法的方法流程图。
具体实施方式
[0016]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种铁芯智能冲剪监测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0017]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0018]本专利技术实施例提供了一种铁芯智能冲剪监测方法的具体实施方法，该方法适用于冲剪机床自动化冲剪铁芯的场景。该场景下原始铁芯片的长方形，冲剪后的铁芯片为梯形。该冲剪机床后方的加工完成后的后输送带上方安装有光电反射式传感器，用于采集冲剪后的铁芯的翘曲度；在不影响正常冲剪加工的情况下，在冲剪刀具旁安装微型的音频传感器，用于采集声音频率；在不影响正常冲剪加工的情况下，在升降滑轨上安装震动传感器，用于采集震动幅度。该升降滑轨为冲剪刀具剪切铁芯片时的升降滑轨，每个升降一次为一次剪切工作。为了解决仅采用正常冲剪时的数据进行对比，未考虑其他因素的影响，对冲剪异常的容错率较低的问题。本专利技术通过对铁芯的三个磨损评价指标翘曲度、声音频率和震动幅度进行获取，进而得到对应的刀具磨损状态指数，实现对冲剪刀具的磨损情况的实时检测。
[0019]下面结合附图具体的说明本专利技术所提供的一种铁芯智能冲剪监测方法的具体方案。
[0020]请参阅图1，其示出了本专利技术一个实施例提供的一种铁本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种铁芯智能冲剪监测方法，其特征在于，该方法包括以下步骤：获取铁芯的翘曲度、剪切时的声音频率和升降导轨的震动幅度；基于所述翘曲度在不同时刻的差异得到第一磨损因子；基于所述声音频率在不同时刻的差异得到第二磨损因子；基于所述震动幅度在不同时刻的差异得到第三磨损因子；根据所述翘曲度和初始翘曲度的差异、所述声音频率和初始声音频率的差异、所述震动幅度和初始震动幅度的差异，得到剪切质量下降因子；由多个时刻的所述第一磨损因子、所述第二磨损因子、所述第三磨损因子和所述剪切质量下降因子构建刀具磨损矩阵；基于所述刀具磨损矩阵对多个冲剪机床进行分类，得到多个类别；基于所述第一磨损因子和所述第三磨损因子计算刀具磨损状态指数，将刀具磨损状态指数序列输入所属类别对应的预测磨损状态网络得到预测刀具磨损状态指数；根据所述预测刀具磨损状态指数对铁芯的冲剪刀具监测。2.根据权利要求1所述的一种铁芯智能冲剪监测方法，其特征在于，所述基于所述翘曲度在不同时刻的差异得到第一磨损因子，包括：所述第一磨损因子的计算公式为：其中，为第时刻的第一磨损因子；为第时刻的翘曲度；为第时刻的翘曲度；为绝对值函数。3.根据权利要求1所述的一种铁芯智能冲剪监测方法，其特征在于，所述根据所述翘曲度和初始翘曲度的差异、所述声音频率和初始声音频率的差异、所述震动幅度和初始震动幅度的差异，得到剪切质量下降因子，包括：所述剪切质量下降因子的计算公式为：其中，为第时刻的剪切质量下降因子；为第时刻的翘曲度；为第时刻的声音频率；为第时刻的震动幅度；为初始翘曲度；为初始声音频率；为初始震动幅度；为自然常数。4.根据权利要求1所述的一种铁芯智能冲剪监测方法，其...

【专利技术属性】
技术研发人员：刘伟，胡惠国，谢庆梅，
申请(专利权)人：南通三优佳磁业有限公司，
类型：发明
国别省市：