【技术实现步骤摘要】
基于粒子滤波算法的刀具磨损状态预测算法
[0001]本专利技术属于数控机床刀具磨损状态预测领域，特别是涉及一种基于粒子滤波算法的刀具磨损状态预测算法
。
技术介绍
[0002]金属切削时，刀具切销工件的同时自身也会发生损坏，达到一定程度时，就需要更换刀具或者切削刃
。
刀具磨损后，会使加工工件的表面粗糙度增加从而使精度降低，并导致切削力增加，切削温度升高，不能正常切削
。
据文献
(
王志伟，周益军
.
数控机床刀具磨损监测系统开发关键技术研究
[J].
内燃机与配件，
2021
，
325(01)
：
59
‑
60.)
显示在大型加工中心因未及时更换磨损严重的刀具而造成刀具损坏的数量每天达到
40
至
50
把；在文献
(
林杨，高思煜，刘同舜，等基于深度学习的高速铣削刀具磨损状态预测方法
[J].
机械与电...
【技术保护点】
【技术特征摘要】
1.
一种基于粒子滤波算法的刀具磨损状态预测算法，其特征在于，包括以下步骤：获取刀具磨损相关信息，对所述刀具磨损相关信息进行预处理；对预处理后的刀具磨损相关信息进行特征抽取，获取特征集；基于所述特征集，采用随机森林算法进行刀具磨损状态预测，获得初始刀具磨损状态预测值；基于所述初始刀具磨损状态预测值构建粒子滤波的观测方程和状态方程；基于粒子滤波的观测方程和状态方程初始化粒子滤波产生粒子后，执行重要性采样，获得迭代加权粒子集；基于预设粒子规模值对所述迭代粒子集进行动态更新，获得更新粒子集；构建适应度函数，基于所述适应度函数计算所述更新粒子集中各个粒子的适应度，基于适应度计算结果判断是否对所述更新粒子集中的粒子进行移动，直至更新粒子集中存在粒子的适应度为零或达到预设迭代次数，取各粒子的均值作为最终刀具磨损状态预测值，实现刀具磨损状态预测
。2.
根据权利要求1所述的基于粒子滤波算法的刀具磨损状态预测算法，其特征在于，所述刀具磨损相关信息包括但不限于刀面磨损量
、
切深
、
进给率
、
加工材质
、
交流主轴电机电流
、
直流主轴电机电流
、
主轴振动
、
主轴声音信号
。3.
根据权利要求1所述的基于粒子滤波算法的刀具磨损状态预测算法，其特征在于，预处理的过程包括：对所述刀具磨损相关信息中的无效数据
、
异常数据进行删除或采用平滑插值填补方式进行处理
。4.
根据权利要求1所述的基于粒子滤波算法的刀具磨损状态预测算法，其特征在于，特征抽取获得特征集的过程包括：采用基于统计的时域特征对预处理后的刀具磨损相关信息进行特征抽取，获得特征集
。5.
根据权利要求1所述的基于粒子滤波算法的刀具磨损状态预测算法，其特征在于，将所述初始刀具磨损状态预测值作为真实磨损量的一个测量值，构建粒子滤波的观测方程和状态方程，观测方程和状态方程如下：式中，
x k
是
k
时刻刀具的真实磨损量，
y k
是
k
时刻随机森林预测值，
u k
,v k
分别为
k
时刻状态噪声和测量噪声，均服从高斯分布
。6.
根据权利要求1所述的基于粒子滤波算法的...
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。