【技术实现步骤摘要】
基于多任务学习的刀具健康情况评估方法
[0001]本申请涉及刀具检测
,特别涉及一种基于多任务学习的刀具健康情况评估方法
。
技术介绍
[0002]在汽车制造
、
模具生产
、
航空航天等行业中,刀具是关键的加工工具
。
刀具的磨损程度直接影响着加工效率和精度
。
如果在加工过程中提前更换刀具,会增加成本;而等到刀具损坏后再进行更换,则可能导致工件损坏
。
因此,实际生产中通常会在刀具损坏之前提前更换,但往往只使用了预期寿命的
50%
至
80%。
若不能及时更换刀具,将影响零件质量,从而导致巨大的资源浪费
。
为确保设备的安全性和降低运维成本,准确的健康状态评估和合理的运维方案是必要的
。
刀具健康状态评估包括健康阶段划分
、
磨损值预测以及可靠性评估
。
然而,由于设备运行的复杂多变的工况以及技术的快速更新,精准的设备健康状态评估变得困难
。
因此,对设备进行准确的健康状态评估,制定合理运维方案,保障设备安全性的同时花费较低的运维成本成为设备运维的核心挑战
。
[0003]目前,刀具健康状态评估的研究主要集中在三个方面:健康阶段划分
、
可靠性评估和磨损值预测
。
相关技术中,采用独立的模型进行三方面的刀具健康状态评估
。
之后通过量化汇总的方式, ...
【技术保护点】
【技术特征摘要】
1.
一种基于多任务学习的刀具健康情况评估方法,其特征在于,所述方法应用于计算机设备中,所述方法包括:获取与目标刀具对应的刀具数据集,所述刀具数据集为所述目标刀具工作过程中传感器接收到的数据;对所述刀具数据集进行特征提取,得到与所述目标刀具对应的至少两个刀具特征;通过卷积自编码器对所述刀具特征进行特征融合,得到刀具融合特征;将所述刀具融合特征输入刀具健康情况评估模型,输出得到与所述目标刀具在刀具健康情况评估结果,所述刀具健康情况评估结果包括刀具健康状态子结果,刀具可靠性子结果以及刀具磨损值子结果,所述刀具健康状态子结果用于指示刀具的健康阶段,所述刀具磨损值子结果用于指示所述目标刀具的磨损情况,所述刀具可靠性子结果用于指示所述目标刀具的可靠程度,所述刀具健康状态子结果
、
所述刀具可靠性子结果以及所述刀具磨损值子结果均实现为标签形式
。2.
根据权利要求1所述的方法,其特征在于,所述刀具特征包括最大值特征
、
最小值特征
、
均值特征
、
峰峰值特征
、
绝对平均值特征
、
均方根值特征
、
方根幅值特征
、
标准差特征
、
峭度特征
、
偏度特征
、
裕度指标特征
、
峭度指标特征
、
频率中心特征
、
平均频率特征
、
频域均方根特征以及频率方差特征
。3.
根据权利要求1所述的方法,其特征在于,所述刀具数据集是以目标刀具的工作时刻为采集基准得到的
。4.
根据权利要求1所述的方法,其特征在于,所述通过卷积自编码器对所述刀具特征进行特征融合,得到刀具融合特征,包...
【专利技术属性】
技术研发人员:袁烨,丁珈,尹晓宇,程骋,张永,
申请(专利权)人:华中科技大学无锡研究院,
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。