一种基于FisherScore的刀具磨损特征融合评价方法技术

本发明专利技术涉及金属切削加工过程中刀具的诊断与健康管理领域，公开了一种基于Fisher Score的刀具磨损特征融合评价方法。本发明专利技术的目的是为了解决金属切削过程刀具磨损特征难以选择、难以精准判断刀具磨损状态问题，结合Fisher Score与特征评价准则（单调性、鲁棒性）构建一种特征评价方法。考虑到多故障特征分布不均匀和重叠性问题，采用Fisher Score算法计算特征重要度评分；同时，其次考虑刀具磨损单调递增分阶段变化特点，利用特征单调性与特征鲁棒性构建特征评价系数，实现了刀具磨损特征的融合评价方法，本发明专利技术所述的方法实现了刀具加工过程中其磨损特征的融合评价。加工过程中其磨损特征的融合评价。

【技术实现步骤摘要】
一种基于Fisher Score的刀具磨损特征融合评价方法


[0001]本专利技术涉及金属切削加工环境中的刀具故障诊断与健康管理领域，具体涉及一种基于Fisher Score的刀具磨损特征融合评价方法。

技术介绍

[0002]刀具是金属加工过程中极为重要的部件，其磨损状态的变化对产品质量有着十分重要的影响，一旦发生故障，将会影响设备的生产效率，造成财产损失乃至人员伤亡，故而刀具磨损状态识别对生产加工及整个设备都有重大意义。刀具磨损随着加工工况及使用时间逐渐增加，一般表现分为三个阶段；初期磨损状态、平稳磨损状态、急剧磨损状态。当刀具发生故障时，现有处理方法一般为更换翻新，这会增加设备的维护费用而且会造成不必要的资源浪费。因此，准确识别刀具的磨损状态，实现精确的刀具磨损状态在线识别，具有重要的理论意义和工程价值。
[0003]与故障诊断中的信号特征提取不同，对于刀具的性能退化特征，需要对信号进行持续性的特征分析，而且信号会随着刀具的退化呈现出很强的随机性，提取的性能退化特征应具备同类个体普适性、退化一致性、变动范围大等特点。目前一些相关的研究方法还不够成熟，且人为地进行特征选取往往会导致选取特征不够准确且受主观经验影响较大，缺乏普适性。同时，刀具退化特征在全寿命周期内所呈现出的分阶段递增的特点也没有充分考虑。

技术实现思路

[0004]本专利技术提出了基于Fisher Score的特征融合评价方法，用于刀具性能退化特征选择与刀具磨损状态识别，改善刀具磨损状态识别结果的准确性，并具有很好的普适性。<br/>[0005]本专利技术的上述任务目的是通过以下技术方案得以实现的：
[0006]一种基于Fisher Score的刀具磨损特征融合评价方法，包括：
[0007]步骤1规整特征集，降低不同特征量纲的影响；对含有c个类别的刀具退化特征集F
org
进行归一化处理，得到归一化的特征样本集F，其中，退化特征数目为M，样本数目为N；f
i
表示第i个特征，i∈[1,M]。
[0008]步骤2输入特征集F，计算特征综合评价准则
[0009]步骤2.1计算第i个特征f
i
的特征单调性Von
i
[0010][0011]特征f
i
的单调性Von
(fi)
的值越大，越能有效刻画退化趋势和性能退化的一致性，其值限定在[0,1]。性能退化特征f
i
的单调性越接近于1，则表明随着性能退化的加剧，该性能退化特征表现出很好的单调性趋势。
[0012]步骤2.2计算第i个特征f
i
的特征鲁棒性Dos
i
[0013][0014]特征f
i
的鲁棒性Dos
i
的值越大，表明退化特征对外界干扰的鲁棒性越强，更加有效刻画退化趋势，其值限定在[0,1]。
[0015]步骤2.3综合考虑特征单调性与鲁棒性两个指标，构建特征f
i
的综合评价准则Ra
i
，公式如下
[0016][0017]其中，Ra
i
表示第i个特征的综合评价值，Von
i
表示第i个特征的单调性，Dos
i
表示第i个特征的鲁棒性，δ为权重，在通常情况下取为0.5。
[0018]步骤3提出特征融合评价方法
[0019]步骤3.1将Ra
i
作为特征融合评价系数与Fisher Score方法结合，计算公式如下：
[0020][0021]其中，表示类别p、q特征的交叉系数，表示第i个特征下第k类样本的均值，表示第p和q类样本在第i个特征下的均值，表示第k类样本中第j个样本在第i个特征f
i
下的取值。
[0022]步骤3.2计算特征集F中每一个特征f
i
的重要度得分并记作F
g
，对特征集F按F
g
的高低进行降序排序，实现刀具磨损特征的融合评价。
[0023]步骤4根据步骤3.2的融合评价结果选择最优刀具磨损特征子集，用于实现精准的刀具磨损识别。
[0024]有益效果
[0025](1)在构建综合评价准则时，考虑刀具磨损分阶段单调递增变化的特点和避免其他因素的干扰，利用特征单调性与特征鲁棒性提出特征综合评价准则，融合过程考虑兼顾了特征的阶段性趋势的。
[0026](2)在Fisher Score方法中，引入交叉系数，考虑了特征的重叠性和特征之间的相互作用，更能完整刻画特征类间离散度，另外，综合评价准则可以兼顾退化特征的单调性与鲁棒性。
具体实施方式
[0027]采用IEEE PHM 2010数据挑战赛的实验数据，来验证所提方法的效果。由于刀具在x及y方向信号在时域上呈现的趋势相似，故选取IEEE PHM 2010数据集中刀具x方向的振动信号进行实验。首先提取其时域、频域及时频域的多维特征，分别如表1至表3所示。实验均匀选取完整周期中的150个样本进行分析，分别选取了3类刀具磨损状态：初期磨损状态、平
稳磨损状态、急剧磨损状态，每类状态各50组样本。
[0028]表1时域特征
[0029][0030]表2频域特征
[0031][0032]表3时频域特征
[0033][0034][0035]提取出刀具的x方向振动信号的35维特征后，首先，利用特征单调性和鲁棒性构建综合评价指标，之后提出将综合评价指标作为NFS的整体修正系数进行特征选择，以特征的重要度评分高低为依据选取最优特征，最终得到10个最优特征。本实施例选取了综合评价结果排名前10的特征进行展示，如表4所示。
[0036]表4特征综合评价结果
[0037][0038]表4中的前10个特征即为基于Fisher Score的特征融合评价方法选择的最优特征构建刀具性能退化最优特征集有10个特征，分别是：有效值、方根幅值、峭度、小波包分解第六频带能量比、频率标准差、重心频率、峰值指标、均方频率、峰峰值、脉冲因子。
[0039]对IEEE PHM 2010数据集中的刀具特征数据进行最优特征提取之后，通过分类器模型准确率为判断依据并与mRMR、Relief、PCA特征选择方法进行对比分析，如表5所示。
[0040]表5刀具磨损故障特征集测试结果
[0041][0042]通过表5可以看出，相比于传统的特征选择方法，基于Fisher Score的特征融合评价方法，筛选出的特征子集效果较好，且对于刀具的退化状态表征较为灵敏，有利于刀具磨损状态识别。
[0043]最后应说明的是：以上所述仅为本专利技术专利的优选实施例而已，并不用于限制本专利技术专利，尽管参照前述实施例对本专利技术专利进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各种实施例所记载的技术方案进行修改，或者对于其中部分技术特征进行等同替换。凡在本专利技术专利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Fisher Score的刀具磨损特征融合评价方法，其特征在于，包括：步骤1规整特征集，降低不同特征量纲的影响；对含有c个类别的刀具退化特征集F
org
进行归一化处理，得到归一化的特征样本集F，其中，退化特征数目为M，样本数目为N；f
i
表示第i个特征，i∈[1，M]；步骤2输入特征集F，计算特征综合评价准则步骤2.1计算第i个特征f
i
的特征单调性Von
i
特征f
i
的单调性Von
(fi)
的值越大，越能有效刻画退化趋势和性能退化的一致性，其值限定在[0，1]，性能退化特征f
i
的单调性越接近于1，则表明随着性能退化的加剧，该性能退化特征表现出很好的单调性趋势；步骤2.2计算第i个特征f
i
的特征鲁棒性Dos
i
特征f
i
的鲁棒性Dos
i
的值越大，表明退化特征对外界干扰的鲁棒性越强，更加有效刻画退化趋势，其值限定...

【专利技术属性】
技术研发人员：齐晓轩，付宁，刘英英，
申请(专利权)人：沈阳大学，
类型：发明
国别省市：