一种基于保守自适应采样的铲齿车刀磨损状态监测方法技术

本发明专利技术涉及机械数控技术领域，具体涉及了一种基于保守自适应采样的铲齿车刀磨损状态监测方法。包括以下步骤：S1、数据采集，采用加速度传感器和深度景深显微镜获取刀具磨损及其振动数据；S2、数据去噪处理，使用硬阈值小波去噪算法对刀具磨损状态的振动数据进行去噪；S3、特征提取，使用主成分分析方法PCA，对去噪后的振动数据进行特征提取，获得不平衡的刀具磨损状态数据，作为样本数据；S41、引入一个无监督聚类框架的高斯混合模型GMM，所述GMM采用高斯概率密度识别少数样本的聚类中心；S42、根据近场密度信念水平，计算每个少数样本需要合成的样本数量；S43、通过样本合成策略，生成人工样本。

【技术实现步骤摘要】

本专利技术涉及机械数控，具体涉及了一种基于保守自适应采样的铲齿车刀磨损状态监测方法。

技术介绍

1、铲齿车刀作为加工齿轮滚刀的专用刀具,在铲齿过程中其磨损状态已成为影响齿轮滚刀尺寸、形状、位置精度、表面质量、加工效率及生产安全的关键因素，准确的刀具磨损状态识别至关重要。

2、而目前，基于人工对刀具磨损状态识别，需要严重依赖加工经验且生产成本过高，因此实现基于数据驱动的非人工刀具磨损状态识别具有重要意义。

3、目前，刀具磨损识别领域的技术方法主要以刀具在运行过程中产生的物理信号（如振动、力、电信号等）作为监测方法的基础，其典型的技术策略是利用小波去噪和小波包去噪等算法对数据进行去噪，利用特征提取方法从刀具磨损状态数据中提取特征，最终利用机器学习浅层分类器识别与刀具磨损状态相关的数据。或者，采用深度学习相关模型，利用深度模型对特征的学习能力来识别刀具磨损状态。值得注意的是，数据驱动的刀具磨损状态识别方法主要强调数据的收集、处理和决策方面。因此，现有方法往往忽视与刀具磨损本身相关的基本机制问题。具体而言，在刀具的整个使用寿命中，它通常会经本文档来自技高网...

【技术保护点】

1.一种基于保守自适应采样的铲齿车刀磨损状态监测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于保守自适应采样的铲齿车刀磨损状态监测方法，其特征在于：所述S41包括以下步骤：

【技术特征摘要】

1.一种基于保守自适应采样的铲齿车刀磨损状态监测方法，其特征在于：包括以下步骤：

2.根据...

【专利技术属性】
技术研发人员：黄海松，朱云伟，孙海彬，王俊豪，
申请(专利权)人：贵州大学，
类型：发明
国别省市：