【技术实现步骤摘要】
本专利技术属于刀具破损状态监测，具体涉及一种刀具破损状态原位实时监测方法。
技术介绍
1、刀具破损状态识别作为制造过程自动化技术的一部分，已日益为人们所重视，一个工作可靠的刀具破损状态监测系统可以通过及时、准确地反映刀具破损状态信息来指导机床及时完成停机报警与自动换刀的作业，实现不间断生产过程，稳定工件的加工质量以及避免由刀具崩刃、断刀产生的安全隐患。
2、刀具破损的两个主要类型是刀柄断裂和切削刃破损。刀柄断裂是最严重的故障，通常发生在恶劣的切割条件、显著的冲击载荷或不当操作下。切削刃破损本质上是微观的，使其难以用肉眼检查刀具的缺陷或损坏。如果在机械加工过程中切削刃出现锯齿状或空洞，这意味着发生了切削刃破损。在轻微破损条件下，刀具仍可用于要求低表面质量的粗加工和半精加工操作。然而，当破损区域进一步扩大时，刀具将完全失去切削能力。
3、对于刀柄断裂和切削刃破损两种情况，在发生时所采取的措施应有所不同。刀柄断裂会造成严重的生产事故，在发生时应立刻停机报警，对相关算法的判断速度要求最高；切削刃破损发生时对加工影响相对较小，在发生时应立刻报警，首先考虑的是算法的准确性。因此，针对两种不同情况，可以同时使用多种算法进行监测。
4、刀具破损状态监测方法主要可以分为直接监测法和间接监测法两种，直接监测方法依赖于机器视觉，直接测量切削刃几何形状的变化，提供比基于经验、专业知识和惯例的人工检查更好的检查一致性和准确性，然而，它们容易受到切削液、照明条件、切屑的影响，因此需要停机进行测量，难以监测机械加工过程中的
5、刀具破损状态监测方法按信号来源主要分为单一信号监测法和多信号融合监测法。单一信号监测法的信号种类单一，易于处理，但切削过程中的时变因素，如刀具磨损和机床振动，可能会导致监测系统决策过程中的不确定性；多信号融合监测法通过互补刀具切削信息充分反映刀具状态的变化，以提高监测的准确性和稳健性。
技术实现思路
1、针对上述现有的直接法测量刀具破损状态的不方便、基于单一通道信号的刀具破损监测方法稳定性不高和单算法不能覆盖所有情况的缺陷，本专利技术提出一种基于多源信息融合特征、多算法结合的刀具破损状态原位实时监测方法，旨在实现高效、准确的刀具破损状态实时监测。
2、本专利技术所采取的技术方案是：
3、一种刀具破损状态原位实时监测方法，包括以下步骤：
4、步骤1：搭建刀具状态原位实时监测数据采集系统，采集切削加工传感信号样本数据和拍摄每次走刀后磨损区域的图像；
5、步骤2：对刀具磨损区域图像进行测量，得到刀具破损的标签，与所述传感信号样本数据构建样本数据序列；
6、步骤3：对切削加工信号进行数据分割和标准化处理，并输入至不平衡样本增强系统中进行数据增强；
7、步骤4：对数据增强后的数据集进行深层特征提取，将特征提取后的训练集输入至分类器中进行训练，并用特征提取后的测试集进行测试；
8、步骤5：步骤4中训练完成的分类器输入至识别刀具破损状态系统中；
9、步骤6：通过刀具状态原位实时监测数据采集系统采集实时信号，将实时信号输入至识别刀具破损状态系统中判断出刀具的破损状态。
10、本专利技术与现有技术相比具有以下有益效果：
11、1、通过集成多维力信号和多维振动信号，本专利技术能够综合利用切削过程中的多维度信息，从而提高监测精度和稳定性。
12、2、刀具破损状态的判断依赖于从实时采集的传感信号中提取的深层特征，经过本专利技术提供的数据增强、特征提取及分类器训练的过程，确保了监测方法的高效性和准确性。
13、3、本专利技术采用了生成对抗网络对不平衡样本进行增强，有效解决了传统监测方法中少数类样本不足的问题，从而提高了模型的泛化能力和判断准确率。深层特征提取结合多层阈值决策和多齿刀具崩刃智能辨识系统，进一步增强了对刀具破损类型识别的准确性和效率。本方法适用于各种机械加工场景，尤其是在要求高精度和高稳定性的先进制造领域，能够有效预防因刀具破损导致的生产事故，保障生产安全，提高生产效率。
本文档来自技高网...【技术保护点】
1.一种刀具破损状态原位实时监测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种刀具破损状态原位实时监测方法，其特征在于：所述步骤1中，所述刀具状态原位实时监测数据采集系统，包括力信号采集系统、振动信号采集系统及图像信号采集系统；
3.根据权利要求1所述的一种刀具破损状态原位实时监测方法，其特征在于：所述步骤2中，所述刀具破损的标签，包括：离线测量的磨损区域图像数据对应的刀具破损状态。
4.根据权利要求1所述的一种刀具破损状态原位实时监测方法，其特征在于：所述步骤3中，所述数据分割和标准化处理操作，包括：
5.根据权利要求1所述的一种刀具破损状态原位实时监测方法，其特征在于：所述步骤3中，不平衡样本增强系统的训练与数据增强过程，包括：
6.根据权利要求5所述的一种刀具破损状态原位实时监测方法，其特征在于：所述相似性评估，包括以下步骤：
7.根据权利要求1所述的一种刀具破损状态原位实时监测方法，其特征在于：所述步骤4中，对数据增强后的数据集进行深层特征提取，包括：
8.根据权利要求7所
9.根据权利要求1所述的一种刀具破损状态原位实时监测方法，其特征在于：所述步骤6中，所述识别刀具破损状态系统，包括分类器决策系统、多层阈值决策系统和多齿刀具崩刃智能辨识系统，
10.根据权利要求8所述的一种刀具破损状态原位实时监测方法，其特征在于：所述步骤6中，通过以下步骤进行多方法融合判断实时信号破损状态：
...【技术特征摘要】
1.一种刀具破损状态原位实时监测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种刀具破损状态原位实时监测方法，其特征在于：所述步骤1中，所述刀具状态原位实时监测数据采集系统，包括力信号采集系统、振动信号采集系统及图像信号采集系统；
3.根据权利要求1所述的一种刀具破损状态原位实时监测方法，其特征在于：所述步骤2中，所述刀具破损的标签，包括：离线测量的磨损区域图像数据对应的刀具破损状态。
4.根据权利要求1所述的一种刀具破损状态原位实时监测方法，其特征在于：所述步骤3中，所述数据分割和标准化处理操作，包括：
5.根据权利要求1所述的一种刀具破损状态原位实时监测方法，其特征在于：所述步骤3中，不平衡样本增强系统的训练与数据增强过程，包括：
...【专利技术属性】
技术研发人员：乔政，李铎，龙超，康舒豪，刘欢，李子腾，杜雨恒，
申请(专利权)人：哈尔滨工业大学，
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。