一种智能生产线机械式数控精雕机刀具磨损监测系统技术方案

本发明专利技术属于刀具磨损监测技术领域，本发明专利技术公开了一种智能生产线机械式数控精雕机刀具磨损监测系统；包括：第一数据收集模块，收集刀具的第一历史数据；第一模型训练模块，基于第一历史数据训练出预测刀具磨损程度值的第一机器学习模型；磨损评估模块，将第一机器学习模型预测的刀具磨损程度值与预设刀具磨损阈值进行分析，对刀具生成中度磨损标记或重度磨损标记；第二数据收集模块，收集重度磨损标记对应刀具的第二历史数据，第二历史数据包括历史第二特征数据；对历史第二特征数据进行分析生成刀具磨损评价系数，根据刀具磨损评价系数与预设刀具磨损评价系数阈值，生成正常磨损标记或异常磨损标记；节约刀具使用成本

【技术实现步骤摘要】
一种智能生产线机械式数控精雕机刀具磨损监测系统


[0001]本专利技术涉及刀具磨损监测
，更具体地说，本专利技术涉及一种智能生产线机械式数控精雕机刀具磨损监测系统
。

技术介绍

[0002]现有技术中，专利技术公开号
CN113997122A
公开了一种刀具磨损监测方法及系统，通过构建目标刀具系统对应的初始刀具虚拟模型，并通过目标刀具系统的切削加工试验获取试验数据，从而来修正初始刀具虚拟模型，得到目标刀具虚拟模型，从而实时监测刀具磨损情况，提高刀具磨损监测的准确度和效率
。
[0003]但是，上述专利技术只针对刀具磨损进行了实时的检测，但是并没有对刀具磨损的原因进行监测，而如果不对刀具异常磨损原因进行监测，并不能根本的解决刀具异常磨损的问题
。
[0004]鉴于此，本专利技术提出一种智能生产线机械式数控精雕机刀具磨损监测系统以解决上述问题
。

技术实现思路

[0005]为了克服现有技术的上述缺陷，本专利技术的实施例提供一种智能生产线机械式数控精雕机刀具磨损监测系统
。
[0006]为实现上述目的，本专利技术提供如下技术方案：
[0007]在一个优选的实施方式中，一种智能生产线机械式数控精雕机刀具磨损监测系统，其特征在于，包括：第一数据收集模块，收集刀具的第一历史数据；
[0008]第一模型训练模块，基于第一历史数据训练出预测刀具磨损程度值的第一机器学习模型；
[0009]磨损评估模块，将第一机器学习模型预测的刀具磨损程度与预设刀具磨损阈值进行分析，对刀具生成中度磨损标记或重度磨损标记；
[0010]第二数据收集模块，收集重度磨损标记对应刀具的第二历史数据，
[0011]对历史第二特征数据进行分析生成刀具磨损评价系数，根据刀具磨损评价系数与预设刀具磨损评价系数阈值，生成正常磨损标记或异常磨损标记；
[0012]第二模型训练模块，基于第二历史数据训练出识别异常磨损标记对应刀具异常磨损故障原因的第二机器学习模型
。
[0013]进一步的，第一历史数据包括历史第一特征数据以及与历史第一特征数据对应的刀具磨损程度值，刀具磨损程度值为
i
＝
1,2,3...I,I
为大于1的数值；第一特征数据包括刀具的温度值
、
压力值
、
声音频率值和运行功率值
。
[0014]进一步的，温度值通过设置在刀具附近的温度传感器采集刀具运行时的温度；
[0015]压力值通过设置在刀具雕刻件下方的工作台上的压力传感器获得，将雕刻件自身重量对压力传感器施加的压力标记为
P1，在刀具运行时压力传感器检测得到的压力标记为
P2，将
P2减去
P1得到的差值标记为压力值；
[0016]声音频率值通过设置在具附近的声级计分别采集低频声音
V
l
和高频声音
V
h
；
[0017]运行功率信息
W
通过多功能电力测试仪进行获取
。
[0018]进一步的，基于历史第一特征数据训练出预测刀具磨损程度值的第一机器学习模型，将每组历史第一特征数据转换为对应的一组第一特征向量；
[0019]将每组第一特征向量作为第一机器学习模型的输入，所述第一机器学习模型将每组历史第一特征数据对应的一组刀具磨损程度值预测作为输出，以每组实时第一特征数据对应的刀具的磨损程度值作为预测目标，以最小化第一机器学习模型损失函数作为训练目标；当第一机器学习模型损失函数小于等于第一目标损失值时停止训练
。
[0020]进一步的，所述第一机器学习模型是二分类模型的一种
。
[0021]进一步的，预设刀具磨损阈值包括二级刀具磨损阈值和一级刀具磨损阈值，二级刀具磨损阈值小于一级刀具磨损阈值，当刀具磨损程度小于二级阈值时，则对刀具不进行标记；当刀具磨损程度大于等于二级刀具磨损阈值，且小于一级刀具磨损阈值时，标记刀具磨损情况为中度磨损，生成中度磨损标记；当刀具磨损程度大于等于一级刀具磨损阈值时，标记刀具磨损情况为重度磨损标记
。
[0022]进一步的，第二历史数据包括历史第二特征数据以及与历史第二特征数据对应的刀具异常磨损故障原因的编号，编号为
n
＝
1,2,3...N
，
N
为大于等于1整数，每一编号对应着一种刀具异常磨损故障原因；
[0023]历史第二特征数据包括异常下降深度持续时间
、
异常工作温度持续时间和加工材料的硬度；
[0024]异常下降深度持续时间
h
通过设置在刀具夹臂处的距离传感器与计时器得到；
[0025]异常工作温度持续时间
s
是刀具的工作温度
T
大于刀具的安全工作温度
T1的持续时间，通过温度计与计时器获得，刀具的安全工作温度
T1通过刀具的使用说明书得到；
[0026]加工材料的硬度根据不同的加工材料进行相应的设置
。
[0027]进一步的，对异常下降深度持续时间
、
异常工作温度持续时间和加工材料的硬度归一化处理生成刀具磨损评价系数
。
[0028]进一步的，当刀具磨损评价系数小于等于刀具磨损评价系数阈值，则对相应重度磨损标记对应的刀具生成正常磨损标记；当刀具磨损评价系数大于刀具磨损评价系数阈值，则对相应重度磨损标记对应的刀具生成异常磨损标记
。
[0029]进一步的，基于历史第二特征数据训练出识别异常磨损标记对应刀具异常磨损故障原因的第二机器学习模型，将每组历史第二特征数据转换为对应的一组第二特征向量；将每组第二特征向量作为第二机器学习模型的输入，所述第二机器学习模型将每组历史第二特征数据对应的一组刀具异常磨损故障原因编号作为输出，以每组实时第二特征数据对应的刀具异常磨损故障原因编号作为预测目标，以最小化第二机器学习模型损失函数作为训练目标；当第二机器学习模型损失函数小于等于第一目标损失值时停止训练
。
[0030]第二机器学习模型将所输出的刀具异常磨损故障原因编号发送到磨损评估模块
。
[0031]磨损评估模块对刀具异常磨损故障原因进行编号，示例性的，如，将控制刀具雕刻速度的电子元件出现故障导致刀具雕刻速度异常加快，温度过高导致刀具异常磨损标记为编号1；将控制刀具进行移动的夹臂出现故障导致刀具切削深度过大，导致超出了预定深
度，出现刀具中部磨损过快，引起振动和刀具断裂标记为编号
2。
[0032]本专利技术一种智能生产线机械式数控精雕机刀具磨损监测系统的技术效果和优点：
[0033]1.
可以对刀具的磨损情况进行实时的监测，并针对刀具的磨损情况不同，标记不同的刀具磨损标记，对标记了不同的刀具磨损标记的刀具本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种智能生产线机械式数控精雕机刀具磨损监测系统，其特征在于，包括：第一数据收集模块，收集刀具的第一历史数据；第一模型训练模块，基于第一历史数据训练出预测刀具磨损程度值的第一机器学习模型；磨损评估模块，将第一机器学习模型预测的刀具磨损程度值与预设刀具磨损阈值进行分析，对刀具生成中度磨损标记或重度磨损标记；第二数据收集模块，收集重度磨损标记对应刀具的第二历史数据，第二历史数据包括历史第二特征数据；对历史第二特征数据进行分析生成刀具磨损评价系数，根据刀具磨损评价系数与预设刀具磨损评价系数阈值，生成正常磨损标记或异常磨损标记；第二模型训练模块，基于历史第二特征数据训练出识别异常磨损标记对应刀具异常磨损故障原因的第二机器学习模型
。2.
根据权利要求1所述的一种智能生产线机械式数控精雕机刀具磨损监测系统，其特征在于，第一历史数据包括历史第一特征数据以及与历史第一特征数据对应的刀具磨损程度值，刀具磨损程度值为
i
＝
1,2,3...I,I
为大于1的数值；历史第一特征数据包括刀具温度值
、
刀具压力值
、
刀具声音频率值和数控精雕机运行功率值
。3.
根据权利要求2所述的一种智能生产线机械式数控精雕机刀具磨损监测系统，其特征在于，刀具温度值通过设置在刀具附近的温度传感器采集刀具运行时的温度；刀具压力值通过设置在刀具雕刻件下方的工作台上的压力传感器获得，将雕刻件自身重量对压力传感器施加的压力标记为
P1，在刀具运行时压力传感器检测得到的压力标记为
P2，将
P2减去
P1得到的差值标记为刀具压力值；刀具声音频率值通过设置在刀具附近的声级计分别采集低频声音
V
l
和高频声音
V
h
；数控精雕机运行功率值通过多功能电力测试仪进行获取
。4.
根据权利要求3所述的一种智能生产线机械式数控精雕机刀具磨损监测系统，其特征在于，基于历史第一特征数据训练出预测刀具磨损程度值的第一机器学习模型，将每组历史第一特征数据转换为对应的一组第一特征向量；将每组第一特征向量作为第一机器学习模型的输入，所述第一机器学习模型将每组历史第一特征数据对应的一组刀具磨损程度值预测作为输出，以每组实时第一特征数据对应的刀具的磨损程度值作为预测目标，以最小化第一机器学习模型损失函数作为训练目标；当第一机器学习模型损失函数小于等于第一目标损失值时停止训练
。5.
根据权利要求4所述的一种智能生产线机械式数控精雕机刀具磨损监测方法，其特征在于，所述第一机器学习模型是二分类模型的一种
。6.
根据权利要求5所述的一种智能生产线机械式数控精雕机刀具磨损监测方法，其特征在于，刀具磨损阈值包括...

【专利技术属性】
技术研发人员：章俊，郑峤峰，俞荫乾，
申请(专利权)人：安徽助行软件科技有限公司，
类型：发明
国别省市：