本发明专利技术公开了一种刀具剩余寿命确定方法，该方法采集刀具自安装至机床使用至被更换过程中的振动信号以及功率信号，并在针对振动信号以及功率信号进行特征指标提取后生成指标矩阵，指标矩阵包含过程包含的工步的数量以及对应工步的指标数量；根据指标矩阵以及提取后的特征指标生成趋势性序列，并根据趋势性序列的趋势性信息获取寿命因子，寿命因子基于筛选指标序列生成，筛选指标序列根据趋势性信息生成；根据指标矩阵以及寿命因子生成刀具寿命预测模型；当采集到新刀具的振动信号以及功率信号时，根据刀具寿命预测模型对新刀具的剩余寿命进行获取。本技术充分利用了信号的有效信息，提高了预测的准确度，实现了对刀具寿命的精准预测。精准预测。精准预测。
【技术实现步骤摘要】
一种刀具剩余寿命确定方法及装置、电子设备及存储介质
[0001]本专利技术涉及数据处理
，特别涉及一种刀具剩余寿命确定方法。本专利技术同时还涉及一种刀具剩余寿命确定装置、电子设备及存储介质。
技术介绍
[0002]在机械加工过程中，刀具的状态直接影响着零部件的加工质量和加工效率。因此，准确识别刀具的磨损状况，实时掌握刀具的剩余寿命，对提高工件加工精度、延长数控机床运行寿命有着重要的意义。近年来，快速发展的人工智能理论为机械装备的智能诊断提供了有力的工具，并在刀具寿命预测领域取得了一定的成果。
[0003]专利技术人在实现本专利技术的过程中发现，虽然现有技术针对刀具寿命预测进行了许多有益探索，然而上述方法的应用过程中，一方面提取的特征数量繁多，且相互之间存在冗余性，使得在构建模型时，模型参数对于特征的敏感度低；另一方面，实际加工环境中难以采集刀具完整的磨损周期数据，无法为常规深度学习算法提供大量训练样本，这就需要提高从有限数据中提取有效信息的能力。
[0004]由此可见，如何在实际工况下，更加合理有效地选择刀具信号特征并将其充分利用且避免冗余、减少模型的计算量，是亟待解决的技术问题。
技术实现思路
[0005]本专利技术实施例提供一种刀具剩余寿命确定方法及装置、电子设备及存储介质，用以解决当前刀具磨损模型建立及使用过程中信息冗余、模型计算量大的问题。
[0006]第一方面，提供一种刀具剩余寿命确定方法，所述方法应用于设有加速度传感器以及功率传感器的机床中，该方法包括：/>[0007]采集刀具自安装至所述机床使用至被更换过程中的振动信号以及功率信号，并在针对所述振动信号以及所述功率信号进行特征指标提取后生成指标矩阵，所述指标矩阵包含所述过程包含的工步的数量以及对应所述工步的指标数量；
[0008]根据所述指标矩阵以及提取后的特征指标生成趋势性序列，并根据所述趋势性序列的趋势性信息获取寿命因子，所述寿命因子基于筛选指标序列生成，所述筛选指标序列根据所述趋势性信息生成；
[0009]根据所述指标矩阵以及所述寿命因子生成刀具寿命预测模型；
[0010]当采集到新刀具的振动信号以及功率信号时，根据所述刀具寿命预测模型对所述新刀具的剩余寿命进行获取。
[0011]在一些实施例中，在针对所述振动信号以及所述功率信号进行特征指标提取后生成指标矩阵，具体为：
[0012]以每一个工步为单位对所述振动信号以及所述功率信号进行特征指标提取；
[0013]根据所述特征指标提取后得到的统计指标生成所述指标矩阵。
[0014]在一些实施例中，根据所述指标矩阵以及提取后的特征指标生成趋势性序列，具
体为：
[0015]根据所述指标矩阵的每一列生成第一统计量，以及根据所述指标矩阵的每一列的逆序列生成第二统计量；
[0016]根据所述第一统计量对应的趋势以及所述第二统计量对应的趋势，生成所述特征指标的趋势性信息；
[0017]基于所述趋势性信息生成所述趋势性序列；
[0018]将所述趋势性序列内的元素按照数值从大至小的顺序进行排列。
[0019]在一些实施例中，根据所述趋势性序列的趋势性信息获取寿命因子，具体为：
[0020]对所述趋势性序列进行一维聚类处理，并确定类的数量；
[0021]确定各所述类中元素的数值总和，将所述数值综合最大的一类作为趋势性最大的一类；
[0022]将所述趋势性最大的一类对应的特征指标作为所述筛选指标序列；
[0023]根据所述筛选指标序列中的所有指标构建寿命矩阵，并基于所述寿命矩阵获取所述寿命因子。
[0024]在一些实施例中，根据所述指标矩阵以及所述寿命因子生成刀具寿命预测模型，具体为：
[0025]将所述寿命因子以及所述指标矩阵进行归一化处理；
[0026]将所述归一化处理后的寿命因子以及指标矩阵输入待学习模型进行参数学习；
[0027]将所述参数学习后的模型作为所述刀具寿命预测模型。
[0028]在一些实施例中，根据所述刀具寿命预测模型对所述新刀具的剩余寿命进行获取，具体为：
[0029]将所述新刀具的振动信号以及功率信号转换为所述新刀具的指标数据集；
[0030]利用所述刀具寿命预测模型对所述新刀具的指标数据集进行分析，以确定所述新刀具在下一工步对应的寿命因子；
[0031]基于所述下一工步对应的寿命因子确定所述新刀具在所述下一工步是否满足工作要求。
[0032]第二方面，提供一种刀具剩余寿命确定装置，所述装置应用于设有加速度传感器以及功率传感器的机床中，该装置包括：
[0033]采集模块，采集刀具自安装至所述机床使用至被更换过程中的振动信号以及功率信号，并在针对所述振动信号以及所述功率信号进行特征指标提取后生成指标矩阵，所述指标矩阵包含所述过程包含的工步的数量以及对应所述工步的指标数量；
[0034]第一生成模块，根据所述指标矩阵以及提取后的特征指标生成趋势性序列，并根据所述趋势性序列的趋势性信息获取寿命因子，所述寿命因子基于筛选指标序列生成，所述筛选指标序列根据所述趋势性信息生成；
[0035]第二生成模块，根据所述指标矩阵以及所述寿命因子生成刀具寿命预测模型；
[0036]获取模块，当采集到新刀具的振动信号以及功率信号时，根据所述刀具寿命预测模型对所述新刀具的剩余寿命进行获取。
[0037]在一些实施例中，所述设置模块，具体用于：
[0038]基于所述各层的样本允许条件选择所述各层的样本集，所述样本允许条件至少包
括数据使用成本；
[0039]根据所述各数据样本的来源分类、数据性能设置所述各层的特征列表。
[0040]第三方面，提供一种电子设备，包括：
[0041]处理器；以及
[0042]存储器，用于存储所述处理器的可执行指令；
[0043]其中，所述处理器配置为经由执行所述可执行指令来执行第一方面中任意一项所述的光缆形变检测方法。
[0044]第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面中所述的基于风控模型的数据预测处理方法。
附图说明
[0045]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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他的附图。
[0046]图1为本专利技术提出的一种刀具剩余寿命确定方法的流程示意图；
[0047]图2为本专利技术提出的一种刀具剩余寿命确定装置的示意图；
[0048]图3为本专利技术提出的一种刀具剩余寿命确定方法流程图；
[0049]图4为本专利技术具体实施例提出的实施例试验台传感器安装的示意图；
[0050]图5为本专利技术具体实施例提出的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种刀具剩余寿命确定方法，其特征在于，所述方法应用于设有加速度传感器以及功率传感器的机床中，该方法包括：采集刀具自安装至所述机床使用至被更换过程中的振动信号以及功率信号，并在针对所述振动信号以及所述功率信号进行特征指标提取后生成指标矩阵，所述指标矩阵包含所述过程包含的工步的数量以及对应所述工步的指标数量；根据所述指标矩阵以及提取后的特征指标生成趋势性序列，并根据所述趋势性序列的趋势性信息获取寿命因子，所述寿命因子基于筛选指标序列生成，所述筛选指标序列根据所述趋势性信息生成；根据所述指标矩阵以及所述寿命因子生成刀具寿命预测模型；当采集到新刀具的振动信号以及功率信号时，根据所述刀具寿命预测模型对所述新刀具的剩余寿命进行获取。2.如权利要求1所述的方法，其特征在于，在针对所述振动信号以及所述功率信号进行特征指标提取后生成指标矩阵，具体为：以每一个工步为单位对所述振动信号以及所述功率信号进行特征指标提取；根据所述特征指标提取后得到的统计指标生成所述指标矩阵。3.如权利要求2所述的方法，其特征在于，根据所述指标矩阵以及提取后的特征指标生成趋势性序列，具体为：根据所述指标矩阵的每一列生成第一统计量，以及根据所述指标矩阵的每一列的逆序列生成第二统计量；根据所述第一统计量对应的趋势以及所述第二统计量对应的趋势，生成所述特征指标的趋势性信息；基于所述趋势性信息生成所述趋势性序列；将所述趋势性序列内的元素按照数值从大至小的顺序进行排列。4.如权利要求3所述的方法，其特征在于，根据所述趋势性序列的趋势性信息获取寿命因子，具体为：对所述趋势性序列进行一维聚类处理，并确定类的数量；确定各所述类中元素的数值总和，将所述数值综合最大的一类作为趋势性最大的一类；将所述趋势性最大的一类对应的特征指标作为所述筛选指标序列；根据所述筛选指标序列中的所有指标构建寿命矩阵，并基于所述寿命矩阵获取所述寿命因子。5.如权利要求4所述的方法...
【专利技术属性】
技术研发人员：江金根，陈阳，
申请(专利权)人：友机技术上海有限公司，
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。