本发明专利技术公开了一种车床刀具使用寿命预测方法，该方法逐个利用多个刀具对工件进行加工，并获取各刀具自使用至被更换过程中的信号数据集；信号数据集包含振动信号数据以及功率信号数据，根据信号数据集建立与多种特征分别对应的特征集，根据斯皮尔曼相关系数从各特征集中选择指定数量的特征作为敏感特征，从各刀具的信号数据集中筛选敏感特征以构建各刀具的健康指标集，根据健康指标集以及信号数据集建立指数退化模型，并根据指数退化模型对车床的其他刀具的使用寿命进行预测。在增强泛化能力的基础上，提高了刀具加工效率，实现了刀具磨损的准确监测及寿命预测。磨损的准确监测及寿命预测。磨损的准确监测及寿命预测。
【技术实现步骤摘要】
一种车床刀具使用寿命预测方法及装置、电子设备及存储介质
[0001]本专利技术涉及数据处理
，特别涉及一种车床刀具使用寿命预测方法。本专利技术同时还涉及一种车床刀具使用寿命预测装置、电子设备及存储介质。
技术介绍
[0002]制造业是振兴强国的核心行业，工业4.0的本质特征是“互联数据+集成制造”。近年来，
ꢀ“
智能制造”的概念越来越受到人们的重视。车床作为制造业的核心设备，其智能化程度直接反映了“智能制造”及“工业4.0”的发展程度，也直接代表了一个国家制造业的水平。在各类机床中，刀具是最为关键的组成部分，刀具磨损会影响刀具的加工性能，是最为主要的故障之一，过早或过晚更换刀具都会对正常生成造成影响。据统计，在工业中，约有62%的刀具未完全使用，各类刀具不规范使用所引起的制造成本增加高达数十亿美元。此外，研究表明，具有刀具状态监测系统的车床，故障时间可以减少75%，生产效率可以提高10%
ꢀ‑ꢀ
60%，机床利用率可以提高50%。因此，对刀具磨损状态的监测已成为行业研究的热点。
[0003]目前，针对刀具磨损状态的实时监测方法，按原理不同，可以分为三类：模型驱动、数据驱动与数模联合驱动。其中，模型驱动方法是基于物理系统识别开发的，随着系统趋于复杂，难以对系统建立有效的模型，因而监测模型的精度也无法保证，且这一方法也不能有效利用生成过程中丰富的数据资源，造成了一定的资源浪费；数据驱动方法是基于传感器信号开发的，但由于数据驱动的方式过度依赖训练数据，因而在有限的数据样本下，其监测精度也不能保证。数模联合驱动方法从各种信号中提取有效特征并用以估计退化模型参数，融合了模型与数据的优势，但目前的各类研究多适用于实验室状态，难以适应工况复杂、环境恶劣的实际加工场景。此外，切削过程中采集的原始信号信噪比较低，特征不明显，也难以直接用于车刀状态监测。
[0004]由此可见，如何对刀具磨损状态进行准确监测，并精确预测刀具剩余寿命，从而提高车床智能化程度、降低车床故障率，成为本领域技术人员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车床刀具使用寿命预测方法及装置、电子设备及存储介质，用以解决当前刀具磨损监测技术难以适应工况复杂、环境恶劣的实际加工场景。并同时解决切削过程中采集的原始信号信噪比较低，特征不明显，难以直接用于车刀状态监测的问题。
[0006]第一方面，提供一种车床刀具使用寿命预测方法方法，所述方法应用于设有刀具的车床，所述刀具尾部设有功率传感器以及振动传感器，该方法包括：逐个利用多个刀具对工件进行加工，并获取各所述刀具自使用至被更换过程中的信号数据集；所述信号数据集包含振动信号数据以及功率信号数据；
根据所述信号数据集建立与多种特征分别对应的特征集，所述特征至少包括时域特征、频域特征以及时频特征；根据斯皮尔曼相关系数从各所述特征集中选择指定数量的特征作为敏感特征；从各所述刀具的信号数据集中筛选所述敏感特征以构建各所述刀具的健康指标集；根据所述健康指标集以及所述信号数据集建立指数退化模型，并根据所述指数退化模型对所述车床的其他刀具的使用寿命进行预测。
[0007]在一些实施例中，根据斯皮尔曼相关系数从各所述特征集中选择指定数量的特征作为敏感特征，具体为：将各所述特征集对应的斯皮尔曼相关系数，所述斯皮尔曼相关系数与各所述特征对应；按照所述斯皮尔曼相关系数从大至小的关系选择所述指定数量的特征，并将选择出的特征作为所述敏感特征。
[0008]在一些实施例中，从各所述刀具的信号数据集中筛选所述敏感特征以构建各所述刀具的健康指标集，具体为：从各所述刀具的信号数据集中筛选所述敏感特征；将筛选出的特征按相同时间长度对齐以构建各所述刀具的样本矩阵；对所述样本矩阵进行主成分分析以及奇异值分解以生成分解矩阵；将所述分解矩阵的第一列作为健康指标，并根据各所述刀具的健康指标生成所述健康指标集。
[0009]在一些实施例中，根据所述健康指标集以及所述信号数据集建立指数退化模型，具体为：将所述健康指标集以及所述信号数据集代入所述指数退化模型中作为训练集；获取所述指数退化模型中待估计参数的后验分布。
[0010]在一些实施例中，根据所述指数退化模型对所述车床的其他刀具的使用寿命进行预测，具体为：将所述其他刀具的原始数据逐个代入所述指数退化模型，以获取所述其他刀具的预测值；根据所述预测值以及预设寿命阈值，对所述其他刀具的使用寿命进行预测。
[0011]第二方面，提供一种车床刀具使用寿命预测装置，所述装置应用于设有刀具的车床，所述刀具尾部设有功率传感器以及振动传感器，该装置包括：获取模块，逐个利用多个刀具对工件进行加工，并获取各所述刀具自使用至被更换过程中的信号数据集；所述信号数据集包含振动信号数据以及功率信号数据；第一建立模块，根据所述信号数据集建立与多种特征分别对应的特征集，所述特征至少包括时域特征、频域特征以及时频特征；选择模块，根据斯皮尔曼相关系数从各所述特征集中选择指定数量的特征作为敏感特征；第二建立模块，从各所述刀具的信号数据集中筛选所述敏感特征以构建各所述刀具的健康指标集；
第三建立模块，根据所述健康指标集以及所述信号数据集建立指数退化模型，并根据所述指数退化模型对所述车床的其他刀具的使用寿命进行预测。
[0012]在一些实施例中，所述选择模块，具体用于：将各所述特征集对应的斯皮尔曼相关系数，所述斯皮尔曼相关系数与各所述特征对应；按照所述斯皮尔曼相关系数从大至小的关系选择所述指定数量的特征，并将选择出的特征作为所述敏感特征。
[0013]在一些实施例中，所述筛选模块，具体用于：从各所述刀具的信号数据集中筛选所述敏感特征；将筛选出的特征按相同时间长度对齐以构建各所述刀具的样本矩阵；对所述样本矩阵进行主成分分析以及奇异值分解以生成分解矩阵；将所述分解矩阵的第一列作为健康指标，并根据各所述刀具的健康指标生成所述健康指标集。
[0014]第三方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；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车床刀具使用寿命预测方法。
[0015]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车床刀具使用寿命预测方法。
[0016]通过应用以上技术方案，该方法逐个利用多个刀具对工件进行加工，并获取各刀具自使用至被更换过程中的信号数据集；信号数据集包含振动信号数据以及功率信号数据，根据信号数据集建立与多种特征分别对应的特征集，根据斯皮尔曼相关系数从各特征集中选择指定数量的特征作为敏感特征，从各刀具的信号数据集中筛选敏感特征以构建各刀具的健康指标集，根据健康指标集以及信号数据集建立指数退化模型，并根据指数退化模型对车床的其他刀具的使用寿命进行预测。在增强泛化能力的基础上，提高了刀具加工效率，实现了刀具磨损的准确监测及寿命预测。
附图说明
...
【技术保护点】
【技术特征摘要】
1.一种车床刀具使用寿命预测方法，其特征在于，所述方法应用于设有刀具的车床，所述刀具尾部设有功率传感器以及振动传感器，该方法包括：逐个利用多个刀具对工件进行加工，并获取各所述刀具自使用至被更换过程中的信号数据集；所述信号数据集包含振动信号数据以及功率信号数据；根据所述信号数据集建立与多种特征分别对应的特征集，所述特征至少包括时域特征、频域特征以及时频特征；根据斯皮尔曼相关系数从各所述特征集中选择指定数量的特征作为敏感特征；从各所述刀具的信号数据集中筛选所述敏感特征以构建各所述刀具的健康指标集；根据所述健康指标集以及所述信号数据集建立指数退化模型，并根据所述指数退化模型对所述车床的其他刀具的使用寿命进行预测。2.如权利要求1所述的方法，其特征在于，根据斯皮尔曼相关系数从各所述特征集中选择指定数量的特征作为敏感特征，具体为：将各所述特征集对应的斯皮尔曼相关系数，所述斯皮尔曼相关系数与各所述特征对应；按照所述斯皮尔曼相关系数从大至小的关系选择所述指定数量的特征，并将选择出的特征作为所述敏感特征。3.如权利要求2所述的方法，其特征在于，从各所述刀具的信号数据集中筛选所述敏感特征以构建各所述刀具的健康指标集，具体为：从各所述刀具的信号数据集中筛选所述敏感特征；将筛选出的特征按相同时间长度对齐以构建各所述刀具的样本矩阵；对所述样本矩阵进行主成分分析以及奇异值分解以生成分解矩阵；将所述分解矩阵的第一列作为健康指标，并根据各所述刀具的健康指标生成所述健康指标集。4.如权利要求3所述的方法，其特征在于，根据所述健康指标集以及所述信号数据集建立指数退化模型，具体为：将所述健康指标集以及所述信号数据集代入所述指数退化模型中作为训练集；获取所述指数退化模型中待估计参数的后验分布。5.如权利要求4所述的方法，其特征在于，根据所述指数退化模型对所述车床的其他刀具的使用寿命进行预测，具体为：将所述其他刀具的原始数据逐个代入所述指数退化模型，以获取所述其他刀具的预测值...
【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。