一种基于函数型数据主成分分析的刀具健康监测方法技术

本发明专利技术提供了一种基于函数型数据主成分分析的刀具健康监测方法，包括：（Ⅰ）获取刀具加工过程中传感器的时域监测信号，输入传感器数据选择与数据预处理，再进行时频域变换得到频域信号；（Ⅱ）根据频率和对应频率的幅值，利用函数基将频域信号转换为函数型信号；（Ⅲ）采用函数型数据主成分分析方法，对转换为函数型信号的频域信号进行主成分提取和主成分分值计算；（Ⅳ）确定作为健康指标的主成分，构建健康指标；（

【技术实现步骤摘要】
一种基于函数型数据主成分分析的刀具健康监测方法


[0001]本专利技术属于数控机床
，涉及一种基于函数型数据主成分分析的刀具健康监测方法。

技术介绍

[0002]制造业是国民经济的基础，数控机床作为基础制造能力的核心，其关键部件的意外状况将直接降低机床加工效率，因而对关键部件进行实时状态监测与性能评估尤为关键。刀具是数控机床的关键部件之一，其磨损退化是机械加工中不可避免的过程，过度磨损的刀具表面会有撕裂，抗疲劳能力降低，容易对加工产品甚至机床本身造成损害。
[0003]据相关资料统计，刀具费用约占制造总成本的2.5%~4%，其中由于刀具管理、修磨、检测等流程相关的间接成本，大约是刀具本身费用的四倍。准确监测刀具的磨损情况和健康状况，可及时在加工间隙安排刀具的修复或更换，从而提高生产效率，对于保持刀具的加工精度也具有重大意义。然而，在机械加工过程中，在线直接测量刀具的磨损情况需要频繁暂停加工过程，且测量采用显微镜等仪器，时间成本和人工成本都较高。
[0004]刀具的非接触式健康状态监测问题可以认为是一个健康指标的设计问题，需要建立数控机床的传感器监控数据和刀具磨损情况和健康状况之间的映射关系。在训练阶段，根据机床加工过程中的历史监控数据和通过传统接触式测量方法测量的刀具加工后的磨损数据构建训练集，完成上述映射关系的分析和验证，从而根据映射关系设计出可以反映刀具磨损情况和健康状况的健康指标。之后在监控过程中，即可根据数据机床加工过程中的传感器监控数据，得到刀具健康指标数值，根据该值判断该次加工结束后刀具的健康状况，安排刀具的修磨和更换计划。这个过程需综合应用多种传感器数据和多种信号处理技术，利用已有的高维高频数据建立起一个与刀具磨损相关的单调映射关系，挖掘出刀具磨损的状态信息，及时有效的监测加工刀具的健康状况对于保障加工质量、降低制造成本是一件意义重大但是极具挑战的任务。

技术实现思路

[0005]针对现有技术存在的不足，本专利技术的目的在于提供一种基于函数型数据主成分分析的刀具健康监测方法，实现了非接触式地监控数控机床加工过程中刀具的磨损情况和健康状况，保障加工质量和加工效率，利用在加工过程中对振动、主轴电流、工况等的在线监测数据，对实时采集的多源状态传感器信息进行分析处理，通过无监督式的设计健康指标值从而间接预测刀具的磨损情况，不影响机床的正常加工作业的情况下即可准确地监测刀具的健康状况，为机床的刀具管理、维修和更换提供了技术支持。
[0006]为达此目的，本专利技术采用以下技术方案：本专利技术提供了一种基于函数型数据主成分分析的刀具健康监测方法，所述基于函数型数据主成分分析的刀具健康监测方法包括：（Ⅰ）获取数控机床刀具加工过程中传感器的时域监测信号，输入传感器数据选择，
并进行数据预处理，再对时域监控信号进行时频域变换，得到频域信号；（Ⅱ）根据步骤（Ⅰ）中的频率和对应频率的幅值，利用函数基将所述频域信号转换为函数型信号；（Ⅲ）采用函数型数据主成分分析方法，对转换为函数型信号的频域信号进行主成分提取和主成分分值计算；（Ⅳ）基于步骤（Ⅲ）中函数型信号的主成分分析的结果，确定作为健康指标的主成分，构建健康指标；（
Ⅴ
）实时采集数控机床刀具加工过程中的实际时域监测信号，并依次进行预处理以及时频域变换，根据步骤（Ⅳ）中所述健康指标进行刀具健康状态监控。
[0007]作为本专利技术一个优选技术方案，步骤（Ⅰ）中，所述输入数据选择与数据预处理，具体包括如下步骤：S101数控机床加工过程刀具健康状态监测模型中进行变量的选择和确定；S102输入传感器数据，构建数据矩阵，实现变量初始化；S103根据传感器数据的采样频率，利用快速傅里叶变换对每次加工过程中的传感器数据进行时频域变换，将时域监测信号转换为频域信号。
[0008]作为本专利技术一个优选技术方案，步骤（Ⅰ）中，所述传感器包括电流传感器、电压传感器、振动传感器、噪声传感器或声发射传感器中的任一种或至少两种的组合。
[0009]作为本专利技术一个优选技术方案，步骤（Ⅱ）中，所述转换为函数型信号具体包括如下步骤：S201选择合适的函数基类型和函数数量；S202确定正则项及正则项系数进行降噪处理，得到训练数据，如下式所示：，其中，；S203，再求解优化问题，进行函数型数据变换：；其中，为频率信号；为函数型信号；λ为正则项系数；为正则项；为加工次数，；为传感器，；为函数基；Q为函数数量；为频率幅值；为对应函数基的系数项。
[0010]作为本专利技术一个优选技术方案，步骤（Ⅱ）中，所述函数基包括三角函数基、样条函数基或多项式函数基中的任一种。
[0011]作为本专利技术一个优选技术方案，步骤（Ⅲ）中，所述主成分提取和主成分分值计算具体包括如下步骤：S301构建函数型数据主成分分析模型；S302求解优化问题，得到函数型数据主成分及主成分分值；S303确定需要保留的主成分数据。
[0012]作为本专利技术一个优选技术方案，步骤S301中，所述构建函数型数据主成分分析模
型具体包括：设为定义在区间[0,W]上的随机过程的独立同分布数据，分别计算的均值和方差：；其中，为函数型数据模型；为的均值；为的方差；根据Karhunen
–
Loeve定理，分解方差函数，得到表达式：Loeve定理，分解方差函数，得到表达式：其中，为正则项系数，为有序非负特征值；为函数型主成分；为函数基；Q为函数数量；为对应函数基的系数项。
[0013]作为本专利技术一个优选技术方案，步骤S302中，所述函数型数据主成分的表达式如下所示；；所述主成分分值的表达式如下所示；其中，为函数型主成分；为的均值；为函数型主成分的主成分分值；为函数型主成分。
[0014]作为本专利技术一个优选技术方案，步骤（Ⅳ）中，所述构建健康指标包括：比较主成分分值和刀具磨损值之间的相关性关系，选择相关性最大的若干主成分分值作为健康指标。
[0015]步骤（Ⅳ）中，针对多个传感器数据集，对不同的主成分分值进行分析，确定最能反映健康状况的若干主成分，并进行主成分分值融合，构建健康指标。
[0016]作为本专利技术一个优选技术方案，步骤（
Ⅴ
）中，所述刀具健康状态监控具体包括如下步骤：S401基于健康指标的主成分分值的构成，读取需要输入的实际传感器数据，并对所述实际传感器数据进行数据预处理；S402将经过数据预处理的实际传感器数据进行函数型数据变换，得到实际函数型数据，并根据所述实际函数型数据计算具体主成分分值；S403基于计算的主成分分值，得到刀具的实际健康指标值，并根据健康指标判断是否要进行刀具的维修或更换。
[0017]与现有技术相比，本专利技术的有益效果为：本专利技术提供的一种基于函数型数据主成分分析的刀具健康监测方法，针对数控机床的刀具健康状况监测问题，实现了非接触式的健康监测技术，无需停机拆装刀具进行检
测，而是通过利用数控机床在加工过程中采集传感器信号，将传感器信号通过一系列的信号处理技术转换成函数型数据，再利用函数型数据主本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于函数型数据主成分分析的刀具健康监测方法，其特征在于，所述基于函数型数据主成分分析的刀具健康监测方法包括：（Ⅰ）获取数控机床刀具加工过程中传感器的时域监测信号，输入传感器数据选择，并进行数据预处理，再对时域监控信号进行时频域变换，得到频域信号；（Ⅱ）根据步骤（Ⅰ）中的频率和对应频率的幅值，利用函数基将所述频域信号转换为函数型信号；（Ⅲ）采用函数型数据主成分分析方法，对转换为函数型信号的频域信号进行主成分提取和主成分分值计算；（Ⅳ）基于步骤（Ⅲ）中函数型信号的主成分分析的结果，确定作为健康指标的主成分，构建健康指标；（
Ⅴ
）实时采集数控机床刀具加工过程中的实际时域监测信号，并依次进行预处理以及时频域变换，根据步骤（Ⅳ）中所述健康指标进行刀具健康状态监控。2.根据权利要求1所述的基于函数型数据主成分分析的刀具健康监测方法，其特征在于，步骤（Ⅰ）中，所述输入数据选择与数据预处理，具体包括如下步骤：S101数控机床加工过程刀具健康状态监测模型中进行变量的选择和确定；S102输入传感器数据，构建数据矩阵，实现变量初始化；S103根据传感器数据的采样频率，利用快速傅里叶变换对每次加工过程中的传感器数据进行时频域变换，将时域监测信号转换为频域信号。3.根据权利要求1或2所述的基于函数型数据主成分分析的刀具健康监测方法，其特征在于，步骤（Ⅰ）中，所述传感器包括电流传感器、电压传感器、振动传感器、噪声传感器或声发射传感器中的任一种或至少两种的组合。4.根据权利要求1所述的基于函数型数据主成分分析的刀具健康监测方法，其特征在于，步骤（Ⅱ）中，所述转换为函数型信号具体包括如下步骤：S201选择合适的函数基类型和函数数量；S202确定正则项及正则项系数进行降噪处理，得到训练数据，如下式所示：，其中，；S203再求解优化问题，进行函数型数据变换：其中，为频率信号；为函数型信号；λ为正则项系数；为正则项；为加工次数，；为传感器，；为函数基；Q为函数数量；为频率幅值；为对应函数基的系数项。5.根据权利要求4所述的基于函数型数据主成分分析的刀具健康监测方法，其特征在于，步骤（Ⅱ）中，所述函数基包括三角函数基、样条函数基或多项式函数基中的任一种。6...

【专利技术属性】
技术研发人员：李彦夫，钱敏，
申请(专利权)人：清华大学，
类型：发明
国别省市：