基于数据驱动的数控机床防碰撞检测方法及系统技术方案

本发明专利技术公开了一种基于数据驱动的数控机床防碰撞检测方法及系统，属于电数据处理技术领域，该方法包括：基于DPC聚类算法进行异常检测获得异常值；基于第三参数重要性、异常值差值、参数值异常性确定聚类效果评价指标；基于聚类效果评价指标与指标阈值的对比结果调整初始截断距离，并基于异常值差值与差值阈值的对比结果确定数控机床防碰撞检测结果。基于历史参数值确定参数的重要性和相关程度，进而获得对当前参数的距离效果评价指标，以供对DPC聚类算法的异常检测结果进行评价，基于评价结果继续调整从而获得自适应截断距离，实现了DPC聚类算法的自适应截断距离，提高了异常检测的准确性，提高了数控机床防碰撞检测的准确性。性。性。

【技术实现步骤摘要】
基于数据驱动的数控机床防碰撞检测方法及系统


[0001]本专利技术涉及点数据处理
，尤其涉及一种基于数据驱动的数控机床防碰撞检测方法及系统。

技术介绍

[0002]随着数控机床在制造业中的广泛应用，数控机床防碰撞检测是数控机床运作的一个重要环节。传统的防碰撞检测方法主要基于规则和经验，需要事先定义碰撞阈值和规则，这种方式难以灵活应用于新工件、新加工路径。
[0003]当前的数控机床防碰撞检测方法利用机器学习、模式识别和信号处理等技术，通过分析实时采集的传感器数据，自动学习和识别碰撞模式，从而实现更灵活、准确和可靠的防碰撞检测。在基于DPC算法对数控机床的历史参数值进行聚类分析时，不同截断距离会产生不同的聚类效果，继而获得不同的聚类分析结果。当前通过DPC算法进行数控机床防碰撞检测难以获得检测效果较好的截断距离。

技术实现思路

[0004]本专利技术提供一种基于数据驱动的数控机床防碰撞检测方法及系统，旨在自适应调整DPC聚类算法的截断距离，提高异常数据判断的准确性。
[0005]为实现上述目的，本专利技术提供一种基于数据驱动的数控机床防碰撞检测方法，所述方法包括：基于自适应截断距离的DPC聚类算法按初始截断距离对数控机床的当前参数值和各个参数的历史参数值进行异常检测，获得当前参数值的第一异常值和第二异常值；确定对应参数值的第一参数值异常性，并基于所述第一参数值异常性、历史发生碰撞的次数、以及异常参数值数量确定各个参数的第一参数重要性；基于发生碰撞的历史时间进行聚类，基于聚类簇确定各个参数对碰撞的碰撞影响程度，并从各个碰撞影响程度中筛选出最大碰撞影响程度；基于参数的第一参数重要性、参数相关性确定参数的第二参数重要性，并基于所述第二参数重要性和最大碰撞影响程度确定当前参数的第三参数重要性；基于当前参数的第三参数重要性、异常值差值、当前参数对应的各个参数值的第一参数值异常性确定当前参数的聚类效果评价指标，其中，所述异常值差值为当前参数对应的各个参数值的第一异常值与对应的第二异常值之差；基于所述聚类效果评价指标与指标阈值的对比结果调整所述初始截断距离，并基于所述异常值差值与差值阈值的对比结果确定数控机床防碰撞检测结果。
[0006]可选地，所述基于自适应截断距离的DPC聚类算法按初始截断距离对数控机床的当前参数值和各个参数的历史参数值进行异常检测，获得当前参数值的第一异常值和第二异常值包括：获取数控机床运行的各个参数的历史参数值，根据自适应截断距离的DPC聚类算
法对所述当前参数值和历史参数值进行异常检测，获得当前参数值的第一异常值；确定当前参数值对应的当前参数，根据自适应截断距离的DPC聚类算法对所述当前参数的所有历史参数值和所述当前参数值进行异常值检测，获得当前参数值的第二异常值。
[0007]可选地，所述确定各个参数值的第一参数值异常性，并基于所述第一参数值异常性、历史发生碰撞的次数、以及异常参数值数量确定各个参数的第一参数重要性包括：计算参数值与邻域目标历史参数值的欧式距离与参数值的局部密度的比值，将所述比值的归一化值确定为对应参数值的第一参数值异常性；基于各个参数对应的所有参数值的第一参数值异常性、历史发生碰撞的次数、各个参数对应的异常参数值数量确定各个参数的第一参数重要性。
[0008]可选地，基于发生碰撞的历史时间进行聚类，基于聚类结果确定当前参数对碰撞的碰撞影响程度包括：基于发生碰撞的历史时间对所有的历史参数值进行DBSCAN聚类，获得多个聚类簇；基于各个参数所在的聚类簇的聚类簇内元素个数、对应参数值在聚类簇内的第一参数值异常性，对应参数值在其它聚类簇内的第二参数值异常性、确定各个参数对碰撞的碰撞影响程度。
[0009]可选地，所述基于参数的第一参数重要性、参数相关性确定参数的第二参数重要性，并基于所述第二参数重要性和最大碰撞影响程度确定当前参数的第三参数重要性包括：基于参数的第一重要性和参数之间的参数相关性确定当前参数的第二参数重要性；将所述最大碰撞影响程度与当前参数的第二参数重要性的乘积确定为当前参数的第三参数重要性。
[0010]可选地，所述基于参数的第一重要性和参数之间的参数相关性确定当前参数的第二参数重要性包括：基于当前参数与其它参数之间的皮尔逊相关系数、当前参数与其它参数对碰撞的碰撞影响程度差值、发生碰撞时对应参数值的参数值异常性确定当前参数与其它参数之间的参数相关性；基于当前参数的第一参数重要性、其它各个参数的第一参数重要性，以及当前参数与其它各个参数之间的参数相关性确定当前参数的第二参数重要性。
[0011]可选地，所述基于当前参数与其它参数之间的皮尔逊相关系数、当前参数与其它参数对碰撞的碰撞影响程度差值、发生碰撞时对应参数值的参数值异常性确定当前参数与其它参数之间的参数相关性之前，还包括：基于发生碰撞时的历史异常参数值获得各个参数之间的皮尔逊相关系数。
[0012]可选地，基于自适应截断距离的DPC聚类算法按初始截断距离对数控机床的当前参数值和各个参数的历史参数值进行异常检测，获得当前参数值的第一异常值和第二异常值之前还包括：通过仿真模拟软件获取各个参数的及其对应的历史参数值，其中所述参数包括刀
具或砂轮的直径、长度，工件尺寸，工件初始位置坐标，机床的工件坐标系设置或机床零点设置；对各个历史参数值进行碰撞情况标注，其中标注1表示发生碰撞，标注0表示没有发生碰撞。
[0013]可选地，所述基于所述聚类效果评价指标与指标阈值的对比结果调整所述初始截断距离，并基于所述异常值差值与差值阈值的对比结果确定数控机床防碰撞检测结果包括：将聚类效果评价指标与指标阈值进行对比，若聚类效果评价指标小于或等于指标阈值，则调整截断距离，基于新的截断距离进行DPC聚类，直到获得的聚类效果评价指标大于指标阈值；将聚类效果评价指标大于指标阈值对应的异常值差值与差值阈值进行对比，当所述异常值差值大于差值阈值，则将对应的当前参数值确定为异常参数值，并输出防碰撞提示。
[0014]此外，本专利技术还提供一种基于数据驱动的数控机床防碰撞检测系统，所述系统包括：DPC聚类模块，用于基于自适应截断距离的DPC聚类算法按初始截断距离对数控机床的当前参数值和各个参数的历史参数值进行异常检测，获得当前参数值的第一异常值和第二异常值；第一参数重要性获得模块，用于确定对应参数值的第一参数值异常性，并基于所述第一参数值异常性、历史发生碰撞的次数、以及异常参数值数量确定各个参数的第一参数重要性；碰撞影响程度获得模块，用于基于发生碰撞的历史时间进行聚类，基于聚类簇确定各个参数对碰撞的碰撞影响程度，并从各个碰撞影响程度中筛选出最大碰撞影响程度；第三参数重要性获得模块，用于基于参数的第一参数重要性、参数相关性确定参数的第二参数重要性，并基于所述第二参数重要性和最大碰撞影响程度确定当前参数的第三参数重要性；聚类效果评价指标获得模块，用于基于当前参数的第三参数重要性、异常值差值、当前参数对应的各个参数值的第一参数值异常性确定当前参数的聚类效果评价指标，其中，所述异常值差值为当前参数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据驱动的数控机床防碰撞检测方法，其特征在于，所述方法包括：基于自适应截断距离的DPC聚类算法按初始截断距离对数控机床的当前参数值和各个参数的历史参数值进行异常检测，获得当前参数值的第一异常值和第二异常值；确定对应参数值的第一参数值异常性，并基于所述第一参数值异常性、历史发生碰撞的次数、以及异常参数值数量确定各个参数的第一参数重要性；基于发生碰撞的历史时间进行聚类，基于聚类簇确定各个参数对碰撞的碰撞影响程度，并从各个碰撞影响程度中筛选出最大碰撞影响程度；基于参数的第一参数重要性、参数相关性确定参数的第二参数重要性，并基于所述第二参数重要性和最大碰撞影响程度确定当前参数的第三参数重要性；基于当前参数的第三参数重要性、异常值差值、当前参数对应的各个参数值的第一参数值异常性确定当前参数的聚类效果评价指标，其中，所述异常值差值为当前参数对应的各个参数值的第一异常值与对应的第二异常值之差；基于所述聚类效果评价指标与指标阈值的对比结果调整所述初始截断距离，并基于所述异常值差值与差值阈值的对比结果确定数控机床防碰撞检测结果。2.根据权利要求1所述的基于数据驱动的数控机床防碰撞检测方法，其特征在于，所述基于自适应截断距离的DPC聚类算法按初始截断距离对数控机床的当前参数值和各个参数的历史参数值进行异常检测，获得当前参数值的第一异常值和第二异常值包括：获取数控机床运行的各个参数的历史参数值，根据自适应截断距离的DPC聚类算法对所述当前参数值和历史参数值进行异常检测，获得当前参数值的第一异常值；确定当前参数值对应的当前参数，根据自适应截断距离的DPC聚类算法对所述当前参数的所有历史参数值和所述当前参数值进行异常值检测，获得当前参数值的第二异常值。3.根据权利要求1所述的基于数据驱动的数控机床防碰撞检测方法，其特征在于，所述确定各个参数值的第一参数值异常性，并基于所述第一参数值异常性、历史发生碰撞的次数、以及异常参数值数量确定各个参数的第一参数重要性包括：计算参数值与邻域目标历史参数值的欧式距离与参数值的局部密度的比值，将所述比值的归一化值确定为对应参数值的第一参数值异常性；基于各个参数对应的所有参数值的第一参数值异常性、历史发生碰撞的次数、各个参数对应的异常参数值数量确定各个参数的第一参数重要性。4.根据权利要求1所述的基于数据驱动的数控机床防碰撞检测方法，其特征在于，基于发生碰撞的历史时间进行聚类，基于聚类结果确定当前参数对碰撞的碰撞影响程度包括：基于发生碰撞的历史时间对所有的历史参数值进行DBSCAN聚类，获得多个聚类簇；基于各个参数所在的聚类簇的聚类簇内元素个数、对应参数值在聚类簇内的第一参数值异常性，对应参数值在其它聚类簇内的第二参数值异常性、确定各个参数对碰撞的碰撞影响程度。5.根据权利要求1所述的基于数据驱动的数控机床防碰撞检测方法，其特征在于，所述基于参数的第一参数重要性、参数相关性确定参数的第二参数重要性，并基于所述第二参数重要性和最大碰撞影响程度确定当前参数的第三参数重要性包括：基于参数的第一重要性和参数之间的参数相关性确定当前参数的第二参数重要性；将所述最大碰撞影响程度与当前参数的第二参数重要性的乘积确定为当前参数的第
三参数重要性。6.根据权利要求5所述的基于数据驱动的数控机床防碰撞检测方法，其特征在于，所述基于参...

【专利技术属性】
技术研发人员：陈希硕，马义茹，杨智全，刘哲，赵仲龙，
申请(专利权)人：山东惠硕重工机械有限公司，
类型：发明
国别省市：