【技术实现步骤摘要】
本专利技术涉及钻削刀具故障诊断，特别是一种基于平滑先验法的丝锥加工异常识别检测方法。
技术介绍
1、我国正由“中国制造”向“中国智造”大步迈进。而在智能制造系统中，信号处理作为机械设备故障诊断方面强有力的工具，扮演着重要的角色。通过采集机械设备运行的实时信号，如振动信号、声发射信号等，在相关软件单元作用下利用信号处理技术对其进行分析，可以识别出机械设备生产中可能存在的故障，例如轴承磨损、齿轮断齿、刀具崩刃等。这种基于信号处理的机械设备故障诊断方法具有高效、准确、鲁棒性强等优点，可以帮助企业及时发现设备问题，避免生产线停机和设备损坏，从而提高生产效率、降低维修成本。因此，信号处理方法在智能制造系统推进发展中的作用不可忽视。
2、刀具系统作为工业母机的牙齿，是各类机床最重要的核心零部件之一，其健康状态直接影响加工质量、机床寿命和生产效率。因此，及时准确地掌握刀具的运行状况，对延长刀具使用寿命、确保机床安全稳定运行具有重要的意义。而作为各种金属和非金属材料孔加工的工具，丝锥是刀具系统中不可或缺的一部分。现有技术对丝锥的健康状态监测方法展开了诸多的研究，主要包括如下技术方案。(1)通过变分模态分解和连续小波变换提取信号特征，然后结合卷积神经网络对刀具进行健康诊断；(2)通过经验模态分解将加速度及力信号分解为多个模态分量后，选择有效分量重新组合新信号，然后对信号进行特征提取采用支持向量机判断刀具磨损程度；(3)通过小波包分解重构成信号，提取信号特征向量，利用奇异值分解选取信号的奇异值再次作为特征向量，最终将得到的特征向量组合成
技术实现思路
1、为了克服现有技术中，由于技术所限，无法有效识别丝锥在加工中出现异常的弊端，本专利技术在相关技术方案共同作用下，一方面，解决了在丝锥工作时信号采集过程中人为或机械地进行固定时长的信号采集问题，使得采集信号的截断过程可以根据信号特征进行调整，更精确地捕捉到故障信号的特征和模式，从而提高了故障检测的准确性，另一方面，对信号进行时域上的滤波，提取丝锥加工的变化过程，更加直观地展示信号在关键时间节点上的表现，降低噪声对信号处理结果的影响，并且可以为后续结果分析提供信号变化的时间信息，为有效识别丝锥故障起到了有利技术支持的一种基于平滑先验法的丝锥加工异常识别检测方法。
2、本专利技术解决其技术问题所采用的技术方案是：
3、一种基于平滑先验法的丝锥加工异常识别检测方法，其特征在于，包括如下流程，s1：利用安装在机床刀架上的加速度传感器，采集丝锥在正常加工过程中以及异常加工过程中的实时振动信号x、y，其中x为整段正常加工信号，y为整段异常加工信号；s2：人工截取一段完整的丝锥正常加工过程作为基准信号，记为rs，然后将该基准信号与步骤一中采集地整段实时信号、采用移动滑窗的方式计算包络相关系数，接着运用信号采集过程中进行的加工次数n作为先验知识、对得到的包络谱系数进行等间隔划分，寻找每段中的极大值点位置ind1、ind2…indn，作为信号截取的初始位置，最后进行与基准信号等长的信号截取，完成从初始振动信号中截取并对齐单段加工过程信号的目的；s3:对步骤s2中截取得到的多个单段加工信号数据集xn以及基准信号rs，采用平滑先验方法提取信号的非线性趋势，得到加工信号的趋势信号以及基准信号的趋势信号s4:将步骤s3中获得的基准信号的趋势信号，分别与其他的正常加工过程信号的趋势信号以及异常加工过程信号的趋势信号作残差处理，得到多组残差信号；s5:步骤s1-s4获得的数据应用于丝锥软件判断系统，通过对得到的残差信号的峭度划定阈值，实现对丝锥加工状态的判断。
4、进一步地，所述步骤s1中，每种加工过程的实时振动信号均需采集一定时间长度，确保包含多个加工过程。
5、进一步地，所述步骤s2中，首先对步骤s1中采集的整段振动信号，利用公式的希尔伯特变化得到复信号，并利用公式令原信号作实部，复信号作虚部，进行包络解调计算，得到原始信号的包络信号，然后对包络信号利用公式xi＝hx(i:len+i-1)进行移动滑窗截取，并利用公式将截取信号与基准信号进行互相关计算，其中，xi为以第i个点为起点从原始信号的包络信号中截取的信号，hx为x信号的包络信号，hrs为基准信号的包络信号，corri为第i个点为起点的截取信号与基准信号计算得到的互相关系数值；
6、进一步地，所述步骤s3中，对于基准信号，设定基准信号包括两部分，如公式rs＝rsstat+rstrend所示，式中，rsstat为基准信号rs的平稳项，rstrend为非线性趋势项，其中rstrend可以用公式rstrend＝hθ+v表示，式中，h为观测矩阵，θ为回归参数，v是观测误差，通过公式的表示、将信号的非线性趋势提取转换为最优化回归参数θ值的问题。
7、进一步地，所述步骤s3中，采用正则化最小二乘法对回归参数进行估计，具体采用的公式如下，式中，λ是正则化参数，dd是第d阶微分算子的离散形式表达，即为所求基准信号的非线性趋势信号。
8、进一步地，所述s5中，当峭度超过划定阈值，代表丝锥的加工状态发生了变化，通过每次停机的刀具状态与峭度阈值形成双向反馈，进而实现对丝锥加工状态的准确判断。
9、与现有技术相比本专利技术有益效果是：(1)本专利技术能够从采集的整段信号中自适应截取完整的单段加工信号，并采用平滑先验法提取非线性趋势信号，进而达到判断丝锥加工状态的目的。(2)本专利技术使用的滑窗包络相关算法，根据信号的整体特征计算信号之间的相关性，能够更好地解决实际信号中的噪声和干扰问题，且算法复杂性相对较低，因此更适用于真实加工中采集的信号，节省了生产过程的时间成本，为后续信号处理奠定了扎实基础；(3)本专利技术使用的平滑先验法，可以有效处理信号中异常值的问题，使得丝锥加工过程的关键时间节点提取更加稳定可靠，并且还可以根据具体的信号特点进行参数调节，算法的适用性较强，此外，算法的复杂度较低，为实现实时信号的非线性趋势提取提供了一种新的思路，应用于实际生产时，能为有效识别丝锥故本文档来自技高网...
【技术保护点】
1.一种基于平滑先验法的丝锥加工异常识别检测方法，其特征在于，包括如下流程，S1：利用安装在机床刀架上的加速度传感器，采集丝锥在正常加工过程中以及异常加工过程中的实时振动信号X、Y，其中X为整段正常加工信号，Y为整段异常加工信号；S2：人工截取一段完整的丝锥正常加工过程作为基准信号，记为RS，然后将该基准信号与步骤一中采集地整段实时信号、采用移动滑窗的方式计算包络相关系数，接着运用信号采集过程中进行的加工次数n作为先验知识、对得到的包络谱系数进行等间隔划分，寻找每段中的极大值点位置ind1、ind2…indn，作为信号截取的初始位置，最后进行与基准信号等长的信号截取，完成从初始振动信号中截取并对齐单段加工过程信号的目的；S3:对步骤S2中截取得到的多个单段加工信号数据集Xn以及基准信号RS，采用平滑先验方法提取信号的非线性趋势，得到加工信号的趋势信号以及基准信号的趋势信号S4:将步骤S3中获得的基准信号的趋势信号，分别与其他的正常加工过程信号的趋势信号以及异常加工过程信号的趋势信号作残差处理，得到多组残差信号；S5:步骤S1-S4获得的数据应用于丝锥软件判断系统，通过对得到的残差
2.根据权利要求1所述的一种基于平滑先验法的丝锥加工异常识别检测方法，其特征在于，步骤S1中，每种加工过程的实时振动信号均需采集一定时间长度，确保包含多个加工过程。
3.根据权利要求1所述的一种基于平滑先验法的丝锥加工异常识别检测方法，其特征在于，步骤S2中，首先对步骤S1中采集的整段振动信号，利用公式的希尔伯特变化得到复信号，并利用公式令原信号作实部，复信号作虚部，进行包络解调计算，得到原始信号的包络信号，然后对包络信号利用公式Xi＝HX(i:len+i-1)进行移动滑窗截取，并利用公式将截取信号与基准信号进行互相关计算，其中，Xi为以第i个点为起点从原始信号的包络信号中截取的信号，HX为X信号的包络信号，HRS为基准信号的包络信号，corri为第i个点为起点的截取信号与基准信号计算得到的互相关系数值。
4.根据权利要求1所述的一种基于平滑先验法的丝锥加工异常识别检测方法，其特征在于，步骤S3中，对于基准信号，设定基准信号包括两部分，如公式RS＝RSstat+RStrend所示，式中，RSstat为基准信号RS的平稳项，RStrend为非线性趋势项，其中RStrend可以用公式RStrend＝Hθ+v表示，式中，H为观测矩阵，θ为回归参数，v是观测误差，通过公式的表示、将信号的非线性趋势提取转换为最优化回归参数θ值的问题。
5.根据权利要求4所述的一种基于平滑先验法的丝锥加工异常识别检测方法，其特征在于，步骤S3中，采用正则化最小二乘法对回归参数进行估计，具体采用的公式如下，和式中，λ是正则化参数，Dd是第d阶微分算子的离散形式表达，即为所求基准信号的非线性趋势信号。
6.根据权利要求1所述的一种基于平滑先验法的丝锥加工异常识别检测方法，其特征在于，S5中，当峭度超过划定阈值，代表丝锥的加工状态发生了变化，通过每次停机的刀具状态与峭度阈值形成双向反馈，进而实现对丝锥加工状态的准确判断。
...【技术特征摘要】
1.一种基于平滑先验法的丝锥加工异常识别检测方法，其特征在于，包括如下流程，s1：利用安装在机床刀架上的加速度传感器，采集丝锥在正常加工过程中以及异常加工过程中的实时振动信号x、y，其中x为整段正常加工信号，y为整段异常加工信号；s2：人工截取一段完整的丝锥正常加工过程作为基准信号，记为rs，然后将该基准信号与步骤一中采集地整段实时信号、采用移动滑窗的方式计算包络相关系数，接着运用信号采集过程中进行的加工次数n作为先验知识、对得到的包络谱系数进行等间隔划分，寻找每段中的极大值点位置ind1、ind2…indn，作为信号截取的初始位置，最后进行与基准信号等长的信号截取，完成从初始振动信号中截取并对齐单段加工过程信号的目的；s3:对步骤s2中截取得到的多个单段加工信号数据集xn以及基准信号rs，采用平滑先验方法提取信号的非线性趋势，得到加工信号的趋势信号以及基准信号的趋势信号s4:将步骤s3中获得的基准信号的趋势信号，分别与其他的正常加工过程信号的趋势信号以及异常加工过程信号的趋势信号作残差处理，得到多组残差信号；s5:步骤s1-s4获得的数据应用于丝锥软件判断系统，通过对得到的残差信号的峭度划定阈值，实现对丝锥加工状态的判断。
2.根据权利要求1所述的一种基于平滑先验法的丝锥加工异常识别检测方法，其特征在于，步骤s1中，每种加工过程的实时振动信号均需采集一定时间长度，确保包含多个加工过程。
3.根据权利要求1所述的一种基于平滑先验法的丝锥加工异常识别检测方法，其特征在于，步骤s2中，首先对步骤s1中采集的整段振动信...
【专利技术属性】
技术研发人员：江金根，陈阳，
申请(专利权)人：友机技术上海有限公司，
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。