一种木材切割过程中刀片磨损程度的检测方法技术

本发明专利技术涉及数据处理技术领域，具体涉及一种木材切割过程中刀片磨损程度的检测方法，该方法获取刀片的切割力时序数据，对切割力时序数据进行周期分量消除，得到目标时序数据；取目标时序数据中的任一数据作为当前数据，构建当前数据的局部窗口，获取对局部窗口中的所有数据进行数据拟合时数据的拟合权重；根据当前数据的局部窗口中每个数据的拟合权重，获取当前数据的局部窗口中每个数据的拟合值；取目标时序数据中任一数据作为目标数据，获取目标数据的所有拟合值，得到目标数据的趋势特征值，根据趋势特征值获取对应采样时刻下刀片的磨损程度，提高了获取刀片切割力变化的趋势信息的准确性，使得基于趋势信息得到的刀片磨损程度也更加严谨

【技术实现步骤摘要】
一种木材切割过程中刀片磨损程度的检测方法


[0001]本专利技术涉及数据处理
，具体涉及一种木材切割过程中刀片磨损程度的检测方法
。

技术介绍

[0002]为了保证工业木材切割过程中的木材切割质量与木材切割效率，需要对切割过程中所使用的刀片进行磨损程度的检测，进而根据磨损程度对刀片的使用寿命进行判断，在刀片磨损程度到达一定阈值之后，进行刀片的更换
。
[0003]目前针对于木材切割过程中刀片磨损程度的检测方法为：通过刀片的切割力传感器对刀片切割木材过程的刀片切割力进行数据采集，由于每次切割的时长会随着刀片的磨损程度越来越大，使得采集的刀片切割力时序数据存在周期性的数值变化，因此，对采集到的刀片切割力时序数据进行周期分量的去除，然后通过逐点进行的加权回归平滑算法（
LOESS
）对周期分量去除后的刀片切割力时序数据进行刀片切割力变化的趋势信息提取，进而根据提取的趋势信息获取刀片磨损程度
。
[0004]其中，现有技术通过逐点进行的加权回归平滑算法（
LOESS
）对周期分量去除后的刀片切割力时序数据进行刀片切割力变化的趋势信息提取包括：通过加权最小二乘法对周期分量去除后的刀片切割力时序数据中的每个数据进行局部线性拟合，根据拟合结果获取任一数据的局部窗口中每个数据的平滑值，进而根据周期分量去除后的刀片切割力时序数据中的每个数据的平滑值，获取刀片切割力变化的趋势信息
。
但是，加权最小二乘法中的权重分配仅是通过局部窗口中的每个数据与中心数据之间的距离来衡量的，而在木材切割过程中，随着刀片的磨损，单次切割木材的时长也会变化，进而导致刀片切割力变化的趋势信息的提取过程中会存在一些残留周期噪声，这些残留周期噪声会使得加权最小二乘法的拟合结果出现偏差，从而导致提取的刀片切割力变化的趋势信息不准确，基于趋势信息得到的刀片磨损程度也不准确
。
[0005]因此，如何提高加权最小二乘法的拟合结果的准确性，以提高刀片磨损程度的评估结果成为亟待解决的问题
。

技术实现思路

有鉴于此，本专利技术实施例提供了一种木材切割过程中刀片磨损程度的检测方法，以解决如何提高加权最小二乘法的拟合结果的准确性，以提高刀片磨损程度的评估结果的问题
。
[0006]本专利技术实施例中提供了一种木材切割过程中刀片磨损程度的检测方法，所述检测方法包括：获取连续至少切割两次的木材切割过程中刀片的切割力时序数据，获取所述切割力时序数据的平均切割周期，利用所述平均切割周期对所述切割力时序数据进行周期分量消除，得到目标时序数据；
取所述目标时序数据中的任一数据作为当前数据，构建所述当前数据的局部窗口，根据所述局部窗口中任一数据与所述当前数据之间的局部差异，获取对所述局部窗口中的所有数据进行数据拟合时所述数据的拟合权重；根据所述当前数据的局部窗口中每个数据的拟合权重，对所述当前数据的局部窗口中的所有数据进行加权回归平滑算法，获取所述当前数据的局部窗口中每个数据的拟合值；获取所述目标时序数据中每个数据的局部窗口中的每个数据的拟合值，取所述目标时序数据中任一数据作为目标数据，获取所述目标数据的所有拟合值，根据所述所有拟合值得到所述目标数据的趋势特征值，根据所述趋势特征值获取所述目标数据对应的采样时刻下所述刀片的磨损程度
。
[0007]进一步的，所述获取所述切割力时序数据的平均切割周期，包括：在所述切割力时序数据所对应的木材切割过程中，获取每次的切割时长，根据所有的切割时长计算切割时长均值作为所述切割力时序数据的平均切割周期
。
[0008]进一步的，所述利用所述平均切割周期对所述切割力时序数据进行周期分量消除，得到目标时序数据，包括：对所述平均切割周期进行取整操作，得到对应的取整结果；将所述取整结果作为待构建时间窗口的长度，得到时间窗口，利用所述时间窗口将所述切割力时序数据划分为至少两个子数据序列；针对任一两个相邻的子数据序列，计算所述两个相邻的子数据序列之间的每个相同位置处的数据差值，得到所述两个相邻的子数据序列中的后一个子数据序列的数据差值序列；按照所述切割力时序数据中的数据位置顺序，将所有数据差值序列组成目标时序数据，其中，所述切割力时序数据的第一个子数据序列的数据差值序列中的每个数据均为零
。
[0009]进一步的，所述根据所述局部窗口中任一数据与所述当前数据之间的局部差异，获取对所述局部窗口中的所有数据进行数据拟合时所述数据的拟合权重，包括：针对所述局部窗口中的任一数据，获取所述数据与所述局部窗口的中心数据之间的采样时刻差值；将所述局部窗口中的所有数据组成第一子序列，将所述数据的局部窗口中的所有数据组成第二子序列，利用
DTW
算法对所述第一子序列和所述第二子序列之间进行动态时间规整，得到所述第一子序列和所述第二子序列之间的动态时间规整结果，获取所述动态时间规整结果中出现的相位差数量；获取所述数据与其前相邻数据之间的数据差值，根据所述局部窗口中所有相邻数据之间的数据差值，计算数据差值均值，获取所述数据差值与所述数据差值均值之间的差值；根据所述采样时刻差值
、
所述相位差数量和所述差值，获取对所述局部窗口中的所有数据进行数据拟合时所述数据的拟合权重
。
[0010]进一步的，所述根据所述采样时刻差值
、
所述相位差数量和所述差值，获取对所述局部窗口中的所有数据进行数据拟合时所述数据的拟合权重，包括：
其中，表示对当前数据
i
的局部窗口中的所有数据进行数据拟合时，当前数据
i
的局部窗口中第
j
个数据的拟合权重，表示当前数据
i
的局部窗口中第
j
个数据与当前数据
i
的局部窗口的中心数据之间的采样时刻差值，表示归一化指数函数，表示当前数据
i
的局部窗口中第
j
个数据与当前数据
i
之间的动态时间规整结果中出现的相位差数量，表示当前数据
i
的局部窗口中第
j
个数据的局部窗口的所有数据与当前数据
i
的局部窗口的所有数据之间的动态时间规整结果，表示当前数据
i
的局部窗口对应的子序列，表示当前数据
i
的局部窗口中第
j
个数据的局部窗口对应的子序列，表示当前数据
i
的局部窗口，表示当前数据
i
的局部窗口中第
o
个数据的局部窗口对应的子序列，表示归一化函数，表示当前数据
i
的局部窗口中第
j
个数据与第
j
‑1个数据之间的数据差值，表示当前数据
i
的局部窗口中所有相邻数据的数据差值的均值
。
[0011]进一步的，所述根据所述当前数据的局部窗口中每个数据的拟本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种木材切割过程中刀片磨损程度的检测方法，其特征在于，所述检测方法包括：获取连续至少切割两次的木材切割过程中刀片的切割力时序数据，获取所述切割力时序数据的平均切割周期，利用所述平均切割周期对所述切割力时序数据进行周期分量消除，得到目标时序数据；取所述目标时序数据中的任一数据作为当前数据，构建所述当前数据的局部窗口，根据所述局部窗口中任一数据与所述当前数据之间的局部差异，获取对所述局部窗口中的所有数据进行数据拟合时所述数据的拟合权重；根据所述当前数据的局部窗口中每个数据的拟合权重，对所述当前数据的局部窗口中的所有数据进行加权回归平滑算法，获取所述当前数据的局部窗口中每个数据的拟合值；获取所述目标时序数据中每个数据的局部窗口中的每个数据的拟合值，取所述目标时序数据中任一数据作为目标数据，获取所述目标数据的所有拟合值，根据所述所有拟合值得到所述目标数据的趋势特征值，根据所述趋势特征值获取所述目标数据对应的采样时刻下所述刀片的磨损程度
。2.
如权利要求1所述的检测方法，其特征在于，所述获取所述切割力时序数据的平均切割周期，包括：在所述切割力时序数据所对应的木材切割过程中，获取每次的切割时长，根据所有的切割时长计算切割时长均值作为所述切割力时序数据的平均切割周期
。3.
如权利要求1所述的检测方法，其特征在于，所述利用所述平均切割周期对所述切割力时序数据进行周期分量消除，得到目标时序数据，包括：对所述平均切割周期进行取整操作，得到对应的取整结果；将所述取整结果作为待构建时间窗口的长度，得到时间窗口，利用所述时间窗口将所述切割力时序数据划分为至少两个子数据序列；针对任一两个相邻的子数据序列，计算所述两个相邻的子数据序列之间的每个相同位置处的数据差值，得到所述两个相邻的子数据序列中的后一个子数据序列的数据差值序列；按照所述切割力时序数据中的数据位置顺序，将所有数据差值序列组成目标时序数据，其中，所述切割力时序数据的第一个子数据序列的数据差值序列中的每个数据均为零
。4.
如权利要求1所述的检测方法，其特征在于，所述根据所述局部窗口中任一数据与所述当前数据之间的局部差异，获取对所述局部窗口中的所有数据进行数据拟合时所述数据的拟合权重，包括：针对所述局部窗口中的任一数据，获取所述数据与所述局部窗口的中心数据之间的采样时刻差值；将所述局部窗口中的所有数据组成第一子序列，将所述数据的局部窗口中的所有数据组成第二子序列，利用
DTW
算法对所述第一子序列和所述第二子序列之间进行动态时间规整，得到所述第一子序列和所述第二子序列之间的动态时间规整结果，获取所述动态时间规整结果中出现的相位差数量；获取所述数据与其前相邻数据之间的数据差值，根据所述局部窗口中所有相邻数据之间的数据差值，计算数据差值均值，获取所述数据差值与所述数据差值均值之间的差值；根据所述采样时刻差值
、
所述相位差数量和所述差值，获取对所述局部窗口中的所有
数据进行数据拟合时所述数据的拟合权重
。5.
如权利要求4所述的检测方法，其特征在于，所述根据所述采样时刻差值
、
所述...

【专利技术属性】
技术研发人员：李帅，
申请(专利权)人：山东交通学院，
类型：发明
国别省市：