System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及切削加工和刀具,具体为一种重载加工用数控刀片剩余使用寿命预测方法及系统。
技术介绍
1、数控刀片是用于数控机床上的切削工具,用于执行切削、铣削、车削和钻孔等工艺。数控刀片通常由高强度材料制成,以应对不同材料和加工需求,是数控加工中不可或缺的工具之一,其性能和设计特点直接关系到加工效率、加工质量和刀具寿命。重载加工用数控刀片则是专为处理较大工件或需要承受较大切削力的加工场景而设计的切削工具。在重载加工中,通常涉及更高的切削力和振动,需要刀具具备更强的耐用性、稳定性和切削性能,对数控刀片的选择要求更高。对重载加工用数控刀片剩余使用寿命进行预测可以提高生产效率、降低成本、保障加工质量和提升设备管理的智能化水平。通过准确预测刀片的剩余使用寿命,可以优化刀具的更换计划,避免不必要的加工中断和成本支出,同时保证加工质量和设备可靠性,实现生产过程的智能化管理,推动制造业的环境可持续发展。
2、在现有研究中,申请号为cn202110642406.x的专利提出了一种数控机床刀具剩余使用寿命预测方法、系统及应用。首先,对数控机床运行时的控制信号与传感器信号的采集,通过信号处理、特征提取和特征选择等步骤,挖掘了数控机床刀具的磨损情况。在此基础上,结合lstm模型和注意力机制,构建了一个刀具剩余寿命预测模型。然而,在实际的数据采集中,确保数控机床工作过程中控制器信号和传感器信号的质量和一致性可能面临一些挑战。不同型号的数控机床可能会产生不同类型和格式的信号。王艺玮、邓蕾和郑联语等学者在“基于多通道融合及贝叶斯理论的刀具剩余寿命
3、通过上述分析,现有技术中对数控刀具剩余使用寿命的预测还有待进一步改进和完善,数据来源存在局限性,尚不够全面。同时,剩余使用寿命预测的准确性和效率有待进一步提升,以实现降本增效。
4、为此,提出一种重载加工用数控刀片剩余使用寿命预测方法及系统。
技术实现思路
1、本专利技术的目的在于提供一种重载加工用数控刀片剩余使用寿命预测方法及系统,通过使用指定的重载加工用数控刀片对加工件进行切削,采集第一信号数据、第一温度数据和第一影像数据。对上述数据分别进行预处理,使用自注意力机制对来自不同模态类别的特征进行加权融合,得到第一多模态数据。然后,利用异常检测技术识别出异常数据,对其进行过滤,得到第二多模态数据。将第二多模态数据集划分为第一训练集和第一测试集;将第一训练集输入长短时记忆网络中进行训练,得到第一磨损量预测模型。将第一测试集输入训练好的第一磨损量预测模型中,得到第一预测磨损量。将所述第一预测磨损量输入训练好的剩余使用寿命预测模型,得到第一使用剩余寿命;最后,当检测到异常数据或剩余使用寿命低于预设阈值时,进行预警。
2、为实现上述目的,本专利技术提供如下技术方案:
3、一种重载加工用数控刀片剩余使用寿命预测方法,包括以下步骤:
4、使用指定重载加工用数控刀片进行加工件切削,得到第一磨损数据、第一当前切削次数和第一切削总次数;利用力传感器、振动传感器和声发射传感器采集刀具信号,得到第一信号数据;利用温度传感器采集温度数据,得到第一温度数据;
5、采集所述指定重载加工用数控刀片的表面影像,得到第一影像数据;
6、经过预处理后,将所述第一信号数据、所述第一温度数据和所述第一影像数据整合,得到第一多模态数据;
7、对所述第一多模态数据进行异常检测,得到第一异常数据;从所述第一多模态数据中过滤掉所述第一异常数据,得到第二多模态数据;
8、对所述第二多模态数据进行划分,得到第一训练集和第一测试集;
9、将所述第一训练集输入长短时记忆网络中进行训练,得到第一磨损量预测模型,所述第一磨损量预测模型用于所述指定重载加工用数控刀片磨损量的在线预测;
10、将所述测试集输入所述第一磨损量预测模型得到第一预测磨损量;
11、将所述第一预测磨损量输入训练好的剩余使用寿命预测模型,得到第一使用剩余寿命;
12、当识别到所述第一异常数据或所述第一使用剩余寿命小于预设阈值时,进行预警。
13、进一步地,使用指定重载加工用数控刀片进行加工件切削,得到第一磨损数据、第一当前切削次数和第一切削总次数具体为:
14、所述加工件切削在指定切削条件下进行全寿命周期监测;每次走刀端面铣的长度固定且每次走刀时间相等,每次走刀后用光学显微镜测量所述指定重载加工用数控刀片的后刀面磨损量,得到第一磨损数据;
15、所述第一当前切削次数是指在所述加工件切削中所述指定重载加工用数控刀片当前完成的切削次数;
16、所述第一切削总次数是指在所述加工件切削中记录的所述指定重载加工用数控刀片在全寿命周期内完成的总切削次数。
17、进一步地,所述第一信号具体为:
18、所述第一信号数据包括第一切削力数据、第一振动数据、第一温度数据和第一声音数据;
19、第一切削力数据包括x、y和z三向切削力信号;所述第一振动数据包括x、y和z三向切削振动信号;所述声音数据为声发射均方根值。
20、进一步地,采集所述指定重载加工用数控刀片的表面影像具体为:
21、在相同的光照条件及设备条件下,通过高分辨率工业相机采集所述指定重载加工用数控刀片的前刀面表面影像以及后刀面表面影像。
22、进一步地,经过预处理后,将所述第一信号数据、所述第一温度数据和所述第一影像数据整合包括:
23、对所述第一信号数据进行预处理,包括去噪、归一化、数据增强和特征提取,得到第一信号预处理数据;
24、对所述第一影像数据进行预处理,包括图像去噪、本文档来自技高网...
【技术保护点】
1.一种重载加工用数控刀片剩余使用寿命预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种重载加工用数控刀片剩余使用寿命预测方法,其特征在于,使用指定重载加工用数控刀片(1)进行加工件(6)切削,得到第一磨损数据、第一当前切削次数和第一切削总次数具体为:
3.根据权利要求1所述的一种重载加工用数控刀片剩余使用寿命预测方法,其特征在于,所述第一信号具体为:
4.根据权利要求1所述的一种重载加工用数控刀片剩余使用寿命预测方法,其特征在于,采集所述指定重载加工用数控刀片(1)的表面影像(7)具体为:
5.根据权利要求1所述的一种重载加工用数控刀片剩余使用寿命预测方法,其特征在于,经过预处理后,将所述第一信号数据、所述第一温度(8)数据和所述第一影像数据整合包括:
6.根据权利要求1所述的一种重载加工用数控刀片剩余使用寿命预测方法,其特征在于,对所述第一多模态数据进行异常检测具体为:
7.根据权利要求1所述的一种重载加工用数控刀片剩余使用寿命预测方法,其特征在于,所述第一磨损量(11)预测模型具体为:<
...【技术特征摘要】
1.一种重载加工用数控刀片剩余使用寿命预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种重载加工用数控刀片剩余使用寿命预测方法,其特征在于,使用指定重载加工用数控刀片(1)进行加工件(6)切削,得到第一磨损数据、第一当前切削次数和第一切削总次数具体为:
3.根据权利要求1所述的一种重载加工用数控刀片剩余使用寿命预测方法,其特征在于,所述第一信号具体为:
4.根据权利要求1所述的一种重载加工用数控刀片剩余使用寿命预测方法,其特征在于,采集所述指定重载加工用数控刀片(1)的表面影像(7)具体为:
5.根据权利要求1所述的一种重载加工用数控刀片剩余使用寿命预测方法,其特征在于,经过预处理后,将所述第一信号数据、所述第一温度(8)数据和所述第一影像数据整合包括:
6.根据权利要求1所述的一种重载加工用数控刀...
【专利技术属性】
技术研发人员:谭征,张利平,曾添,陈德箭,刘金露,刘剑,郭谣,
申请(专利权)人:赣州海盛硬质合金有限公司,
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。