【技术实现步骤摘要】
本专利技术属于自动化生产线关键零部件状态维护领域，具体地说是一种基于时空特征提取的刀具剩余使用寿命预测方法。
技术介绍
1、刀具作为自动化生产线关键零部件，其状态会直接影响零件的加工质量，过度磨损的刀具不仅会影响加工零件的几何精度，还会降低工件的表面加工质量，甚至会因为刀具磨损变钝致使切削力增大，进而导致刀具崩刃或突然断裂，对零件加工造成致命伤害。
2、随着工业物联网等技术的快速兴起，关键零部件状态维护逐渐步入“大数据”时代，基于深度学习等方法的智能状态监测算法逐渐成为近年来的研究热点。但现存基于深度学习的关键零部件状态监测算法一般建立在信号处理分析的基础上，无法应对实际工作中的复杂工况及多样化的生产环境。故而，搭建能够直接处理原始信号的刀具寿命预测模型逐渐成为智能状态监测算法的研究热点。
3、但现有的能够直接处理原始信号的刀具寿命预测模型没有充分考虑基于生产语义的空间过程或阶段的时间顺序影响，且并未考虑到不同的信号之间的关联关系；因此，提出一种自适应性更强且精确度更高的智能状态监测技术至关重要。
>技术实本文档来自技高网...
【技术保护点】
1.一种基于时空特征提取的刀具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所述的一种基于时空特征提取的刀具剩余使用寿命预测方法，其特征在于，所述构建刀具剩余使用寿命预测模型，包括以下步骤：
3.根据权利要求2所述的一种基于时空特征提取的刀具剩余使用寿命预测方法，其特征在于，所述增广特征矩阵X′，具体为：
4.根据权利要求2所述的一种基于时空特征提取的刀具剩余使用寿命预测方法，其特征在于，所述信息提取模块包括：卷积计算模块、非线性运算模块以及随机失活机制，其中，信号分割模块输出的特征增广矩阵输入到信息提取模块中...
【技术特征摘要】
1.一种基于时空特征提取的刀具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所述的一种基于时空特征提取的刀具剩余使用寿命预测方法，其特征在于，所述构建刀具剩余使用寿命预测模型，包括以下步骤：
3.根据权利要求2所述的一种基于时空特征提取的刀具剩余使用寿命预测方法，其特征在于，所述增广特征矩阵x′，具体为：
4.根据权利要求2所述的一种基于时空特征提取的刀具剩余使用寿命预测方法，其特征在于，所述信息提取模块包括：卷积计算模块、非线性运算模块以及随机失活机制，其中，信号分割模块输出的特征增广矩阵输入到信息提取模块中，卷积计算模块按照不同维度对矩阵进行多次卷积运算，随机失活部分神经元，得到每个局部时间窗的状态特征值，经过非线性运算模块得到与当前时刻刀具状态对应的时域特征向量和空域特征向量。
5.根据权利要求4所述的一种基于时空特征提取的刀具剩余使用寿命预测方法，其特征在于，利用多层卷积计算模块提取表征深度特征信息的特征图，具体为：
6.根据权利要求2所述的一种基于时空特征提取的刀具剩余使用寿命预测方法...
【专利技术属性】
技术研发人员：杜劲松，王婷，王伟，高洁，孙江，杨旭，李想，邵恒昆，邓月诚，
申请(专利权)人：中国科学院沈阳自动化研究所，
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。