【技术实现步骤摘要】
本专利技术涉及数据处理，具体涉及一种基于时序数据分析的刀具监测数据预测优化方法。
技术介绍
1、随着现代工业信息化、智能化的不断推进，数控机床在工业生产中的应用越来越广泛，而其中切削刀具是数控机床的核心部件，刀具的状况直接会影响被加工零件的质量，即刀具的状况会直接影响机床的加工效果，而由于数控机床在切削过程中的切削力能够反映刀具的状况，所以若对数控机床在切削过程中的切削力进行预测，就可以及时的对刀具进行更换或维护，进而保证被加工件的质量，因此对数控机床在切削过程中的切削力进行预测至关重要。
2、现有技术在对切削过程中的切削力进行预测时一般会对监测得到的切削力数据进行预处理，以消除噪声对预测结果的影响，即消除噪声导致的突变数据对预测结果的影响，且现有技术中一般基于hampel滤波来消除噪声导致的突变数据对预测结果的影响，但是切削力数据是基于传感器进行采集获取的，而传感器在采集数据时会受到机床加工环境等随机因素的干扰，这种随机因素的干扰会使得采集得到的时序数据中出现数据漂移或者数据抖动的现象，而hampel滤波并不能消除数据漂移...
【技术保护点】
1.一种基于时序数据分析的刀具监测数据预测优化方法，其特征在于，该方法包括如下步骤：
2.如权利要求1所述的基于时序数据分析的刀具监测数据预测优化方法，其特征在于，获取机床铣刀切削时间段中各切削时刻对应的目标切削力数据的方法，包括：
3.如权利要求1所述的基于时序数据分析的刀具监测数据预测优化方法，其特征在于，得到各切削时刻对应的邻域差值序列的方法，包括：
4.如权利要求3所述的基于时序数据分析的刀具监测数据预测优化方法，其特征在于，得到各聚类簇以及各聚类簇对应的各切削时刻的方法，包括：
5.如权利要求4所述的基于时序数...
【技术特征摘要】
1.一种基于时序数据分析的刀具监测数据预测优化方法，其特征在于，该方法包括如下步骤：
2.如权利要求1所述的基于时序数据分析的刀具监测数据预测优化方法，其特征在于，获取机床铣刀切削时间段中各切削时刻对应的目标切削力数据的方法，包括：
3.如权利要求1所述的基于时序数据分析的刀具监测数据预测优化方法，其特征在于，得到各切削时刻对应的邻域差值序列的方法，包括：
4.如权利要求3所述的基于时序数据分析的刀具监测数据预测优化方法，其特征在于，得到各聚类簇以及各聚类簇对应的各切削时刻的方法，包括：
5.如权利要求4所述的基于时序数据分析的刀具监测数据预测优化方法，其特征在于，获取机床铣刀切削时间段中的任意两个切削时刻对应的邻域差值序列中的相同位置的两个邻域差值之间的目标差值以及任意两个切削时刻对应的邻域差值序列中的相同位置的两个邻域差值之间的目标差值的目标权重的方法，包...
【专利技术属性】
技术研发人员：高海宁，焦锋，沈红丹，蔡文浩，杨勇，刘文富，张行，
申请(专利权)人：河南理工大学，
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。