【技术实现步骤摘要】
本专利技术属于机械，具体涉及一种基于嵌入式linux的远程在线预测刀具磨损系统。
技术介绍
1、传统的机械加工都是用手工操作一般机床作业的，加工时用手摇摆机械刀具切削金属，靠眼睛用卡尺等东西丈量产品的精度的。目前运用电脑数字化操控的机床进行作业了，数控机床能够依照技能人员事前编好的程序主动对任何产品和零部件直接进行加工，数控机床加工的直接方式作用在刀具上，刀具在数控加工的过程起作非常重要的作用，然后，现在的大部分的刀具磨损预测都没有实现远程在线预测功能，从而增加了人力成本和工作量，也可能会导致刀具的磨损无法及时发现，导致在生产过程中突然出现刀具失效或质量下降的情况，进而增加了生产线的停机时间和生产成本。并且如果没有准确的磨损预测可能导致刀具过早更换，这会浪费可用的刀具寿命，并增加采购和替换的成本。
技术实现思路
1、本专利技术是为了解决上述现有技术存在的不足之处，提出一种基于嵌入式linux的远程在线预测刀具磨损系统，以期能实现对刀具磨损状态的远程在线监控和管理，增强刀具磨损监测效率和准确性，从而能提高生产效率和便捷性，同时节约时间成本，避免了人力物力的浪费。
2、本专利技术为达到上述专利技术目的，采用如下技术方案：
3、本专利技术一种基于嵌入式linux的远程在线预测刀具磨损系统的特点在于，包括：传感器模块、无线通信模块、监控管理模块、进程管理模块、信号处理模块、错误处理模块；其中，所述监控管理模块包括：主控单元mcu以及远程终端；所述信号处理模块包括：预
4、所述传感器模块采集实时的刀具切削力信号数据，并发送给所述预处理模块；
5、所述预处理模块对刀具切削力信号数据进行裁剪、滤波的预处理，得到预处理后的刀具切削力信号；
6、所述特征提取模块利用一维卷积神经网络对预处理后的刀具切削力信号进行特征提取，得到特征图，并利用池化层、全连接层对所述特征图进行处理，得到降维后的刀具切削力信号数据，并发送给主控单元mcu；
7、所述主控单元mcu将所接受到的降维后的刀具切削力信号数据发送给所述数据处理线程进行封装，当数据封装完成后，所述数据处理线程产生一个预测模型启动指令并通过所述数据库线程保存到指令表中；
8、所述远程终端通过数据库线程从指令表中取出指令数据，若指令数据为预测模型启动指令，则调用训练好的cnn-informer预测模型对封装后的刀具切削力信号数据进行预测，并输出对应的磨损值后，通过所述无线通信模块发送给所述主控单元mcu进行网页显示，所述远程终端将预测的磨损值通过所述数据库线程发送给所述错误处理模块；
9、所述错误处理模块接收预测的磨损值，并与刀具磨损后期的阈值进行比较，若预测的磨损值大于阈值，则所述错误处理模块产生一个故障信号，并通过无线通信模块发送给数控机床，使得所述数控机床停止加工；同时将所述故障信号发送给所述主控单元mcu，使得主控单元mcu复位，以恢复正常的工作状态。
10、本专利技术所述的嵌入式linux的远程在线预测刀具磨损系统的特点也在于，所述预处理模块是按如下步骤对刀具切削力信号数据进行预处理：
11、步骤1：利用式(1)计算传感器模块采集的刀具切削力信号[x1,x2,...,xi,...,xl]在时间窗t1内的方差向量[v1,v2,...,vi,...,vl]；
12、
13、式(1)中，xi表示第i个采样点下的刀具切削力信号，vi表示xi的方差，表示第i个采样点下的刀具切削力信号xi在时间窗t1内的平均值，xi,j表示与第i个采样点在时间间隔长度j下的刀具切削力信号，l表示刀具切削力信号的长度；
14、步骤2：滤除[v1,v2,...,vi,...,vl]中的异常点，得到滤波后的方差向量[v1′,v2′,...,vi′,...,vl′]，其中，vi′表示xi滤波后的方差；
15、步骤3：利用式(2)计算[v1′,v2′,...,vi′,...,vl′]中每个采样点下的刀具切削力信号在时间窗t2内的方差向量[v1″,v2″,...,vi″,...,vl″]；
16、
17、式(2)中，vi″表示xi滤波后的二阶方差，vi′,j′表示与第i个采样点在时间间隔长度j′下的方差，表示vi′在时间窗t2内的平均值；
18、步骤4：设置阈值其中，v′m′ax表示[v1″,v′2′,...,vi″,...,vl″]中的最大方差，v′m′in表示[v1″,v′2′,...,vi″,...,vl″]中的最小方差；
19、步骤5：如果vi″＞a，则将xi所对应的采样点序号i设置为候选切入点；否则，将xi所对应的采样点序号i设置为候选切出点；
20、步骤6：对候选切入点和候选切出点的数量依次进行偶数的匹配，并剔除多余的候选切入点或候选切出点，依次将候选切入点及其匹配的候选切出点之间的区域设为切削段候选区域，从而得到g个切削候选区域，将任意第g个切削候选区域的长度记为sg；
21、步骤7：定义变量n，并初始化n＝1；
22、步骤8：计算第n次检时的最短切削持续时间
23、步骤9：初始化g＝1；
24、步骤10：若sg<bn，则将相应的切削候选区域所对应的候选切入点和候选切出点删除，否则，将g+1赋值给g后，返回步骤10，直到g>g为止；从而得到筛选后的切削候选区域；
25、步骤11、将n+1赋值给n后，按照步骤8的过程计算bn，然后按照步骤10的判断条件对筛选后的切削候选区域进行筛选，直到剩下最后一个切削候选区域为止；
26、步骤12：将[x1,x2,...,xi,...,xl]中最后一个切削候选区域所对应候选切入点和候选切出点之间的刀具切削力信号删除，从而得到预处理后的刀具切削力信号。
27、所述数据处理线程是按以下步骤进行封装：
28、步骤a：初始化共享内存、刀具切削力信号数据链表m、数据库线程条件变量sd、刀具切削力信号条件变量st和互斥锁mutex；
29、步骤b：当主控单元mcu发送的降维后的刀具切削力信号数据给数据处理线程的刀具切削力信号数据链表m中进行保存时，刀具切削力信号条件变量st立即唤醒数据处理线程，并将互斥锁mutex添加到刀具切削力信号数据链表m上以形成对m的互斥访问；
30、步骤c：如果刀具切削力信号数据链表m为空，则表示数据处理线程空闲，则数据处理线程释放互斥锁mutex，使得m能被其他线程访问，数据处理线程进入睡眠状态，并等待下一次唤醒；
31、如果m不为空，则数据处理线程将刀具切削力信号数据链表m中的数据拆分成各个链表节点，然后对每个链表节点插入时间戳，以形成一个具有时间戳的模型输入时间序列，从而完成对刀具切削力信号的封装，并释放互斥锁mutex，将产生的预测本文档来自技高网...
【技术保护点】
1.一种基于嵌入式Linux的远程在线预测刀具磨损系统，其特征在于，包括：传感器模块、无线通信模块、监控管理模块、进程管理模块、信号处理模块、错误处理模块；其中，所述监控管理模块包括：主控单元MCU以及远程终端；所述信号处理模块包括：预处理模块及特征提取模块；所述进程管理模块包括：数据处理线程和数据库线程；
2.根据权利要求1所述的嵌入式Linux的远程在线预测刀具磨损系统，其特征在于，所述预处理模块是按如下步骤对刀具切削力信号数据进行预处理：
3.根据权利要求1所述的基于嵌入式Linux的远程在线预测刀具磨损系统，其特征在于所述数据处理线程是按以下步骤进行封装：
4.根据权利要求3所述的基于嵌入式Linux的远程在线预测刀具磨损系统，其特征在于所述数据库线程是按以下步骤将预测模型启动指令保存在指令表中：
【技术特征摘要】
1.一种基于嵌入式linux的远程在线预测刀具磨损系统，其特征在于，包括：传感器模块、无线通信模块、监控管理模块、进程管理模块、信号处理模块、错误处理模块；其中，所述监控管理模块包括：主控单元mcu以及远程终端；所述信号处理模块包括：预处理模块及特征提取模块；所述进程管理模块包括：数据处理线程和数据库线程；
2.根据权利要求1所述的嵌入式linux的远程在线预测...
【专利技术属性】
技术研发人员：朱锟鹏，李进，
申请(专利权)人：中国科学院合肥物质科学研究院，
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。