【技术实现步骤摘要】
基于退化模型的铣削刀具剩余寿命预测方法
[0001]本专利技术属于机械产品的运行可靠性与寿命预测领域，具体涉及基于退化模型的铣削刀具剩余寿命预测方法，可用于指导加工过程中刀具的寿命跟踪。
技术介绍
[0002]刀具作为切削加工的执行者，切削加工过程中刀具的实时状态直接影响零件加工质量、加工精度和加工效率，甚至会引起整个机械加工系统发生严重障碍，导致巨大的经济损失。铣床刀具的主要失效模式是磨损和断裂，实际上其退化过程是不能被直接观测的，只能利用退化过程中表现出的特征指标来间接表达。
[0003]目前关于刀具剩余寿命的预测方法主要分为三类，一类是基于经验模型的方法，如Taylor公式及其扩展方程；一类是基于数值仿真分析的方法，如有限元分析模型；还有一类是基于机器学习的方法，是目前应用最为广泛的方法，其主要包括浅层机器学习方法和深度学习方法两种。
[0004]随着高精密监测传感器和智能算法的开发和利用，在线、实时的追踪刀具退化过程的表征得以实现，因此利用在线监测信号估计退化状态成为可能。
技术实现思路
【技术保护点】
【技术特征摘要】
1.基于退化模型的铣削刀具剩余寿命预测方法，其特征在于，包括如下步骤：步骤1：获取包括加工过程信号数据及刀具磨损值的样本数据；步骤2：对加工过程信号数据进行时域、频域和时频域的信号特征提取，生成包括时域特征、频域特征和时频域特征的海量特征池矩阵；步骤3：根据特征时序对海量特征池矩阵进行三轮信号筛选，所述三轮信号筛选分别是单调性排序、相关性优选和冗余性剔除；步骤4：将筛选后的特征拼接构成多维特征矩阵，采用主成分分析方法分析多维特征矩阵，将主成分作为驱动剩余寿命预测的健康因子；步骤5：基于健康因子构建退化模型，将刀具磨损值作为标签，读取标签和健康因子作为样本数据集，对退化模型进行训练；步骤6：根据训练好的退化模型，进行刀具剩余寿命预测。2.如权利要求1所述的基于退化模型的铣削刀具剩余寿命预测方法，其特征在于：所述步骤1中，所述加工过程信号数据包括振动信号、负载电流、主轴功率信号以及PLC信息。3.如权利要求1所述的基于退化模型的铣削刀具剩余寿命预测方法，其特征在于：所述步骤2具体如下：在时域上，对加工过程信号数据计算间隙系数、波峰系数、脉冲系数、峰度、平均值、峰值、均方根、失真率、信噪比、形状因子、偏斜、标准差以及总谐波失真13个特征，形成时域特征池，，表示第l个时域特征，l表示时域特征的个数；在频域上，对加工过程信号数据计算峰值振幅、峰值频率、自然频率、阻尼系数和波段功率5个特征，形成频域特征池，，表示第m个频域特征，m表示频域特征的个数；在时频域上，基于小波包分解加工过程信号数据得到时频域信号特征，形成时频域特征池，，表示第n个时频域特征，n表示时频域特征的个数；整合时域特征池、频域特征池和时频域特征池，形成海量特征池矩阵，。4.如权利要求1所述的基于退化模型的铣削刀具剩余寿命预测方法，其特征在于：所述步骤3中，按照下式进行单调性排序：，式中，为通过单调性排序的特征集合，为基于斯皮尔曼等级相关系数评判的排序算法，表示到的特征集合，M表示时间序列长度，为海量特征池矩阵中第j个特征，为第j个时间序列，为对时间序列求秩，为协方差计算。5.如权利要求1所述的基于退化模型的铣削刀具剩余寿命预测方法，其特征在于：所述步骤3中，按照下式进行相关性优选：，优
选出与刀具磨损值变化规律相一致的信号特征；式中，为通过两类变量之...
【专利技术属性】
技术研发人员：赵正彩，李尧，朱夏林，张创，傅玉灿，徐九华，吴尚霖，
申请(专利权)人：南京晨光集团有限责任公司，
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。