一种铣削加工刀具运行可靠性的评估方法技术

本发明专利技术公开了一种铣削加工刀具运行可靠性的评估方法。本发明专利技术先通过霍尔传感器采集加工机床主轴与进给轴三相电流信号，然后通过小波分析提取时域均值特征与齿频率能量特征。针对这些特征向量，通过均值算法，获得观测向量输出函数：混合高斯分布密度函数。然后采用鲍姆-韦尔奇（Baum-Welch）算法训练连续“隐-半马尔可夫”模型，得到参数估计结果，采用切普曼-柯尔莫哥洛夫微分方程，来计算铣削加工刀具运行可靠性水平。本发明专利技术为铣削加工刀具预防性维修提供决策支持。

【技术实现步骤摘要】

【技术保护点】
一种铣削加工刀具运行可靠性的评估方法，其步骤为：1）根据铣削加工刀具的设计数据和使用历史，确定其运行状态总数M；铣削加工刀具运行状态集表示为S={S1,S2,…，Sm，…,SM}，sM为铣削加工刀具完全失效；2）针对铣削刀具加工工况，记录切削参数，利用传感器采集机床主轴和进给轴三相电流信号，从中提取时域上的均值和齿频率信号的能量值作为特征量；3）根据铣削加工刀具运行状态总数M，确定每个铣削加工刀具运行状态所对应的高斯分布函数数目km，m为铣削加工刀具运行状态sm的下标，用来代表sm；针对铣削加工刀具某一运行状态，对上述采集的特征信号进行平均分段，并将特征信号中属于一个段的参数组成一个大的矩阵，对每一段的矢量进行K均值聚类，得到铣削加工刀具某个状态所对应的连续混合高斯概率密度函数bm=(oρt)=Σk=1kmcmkbmk(oρt)=Σk=1kmcmkN(oρt,μρmk,Σmk),其中：为t时刻观测向量，t为时刻，km为状态sm对应高斯分布函数数目，为高斯分布均值参数，Σmk为高斯分布协方差矩阵，cmk是状态sm对应每个高斯分量的权重；重复步骤3），得到铣削加工刀具所有运行状态的连续混合高斯概率密度函数；4）采用连续隐半马尔科夫模型来对刀具运行状态进行可靠性水平估计；首先对连续隐半马尔科夫模型CHSMM给定初值，接着采用Baum?Welch算法对模型进行训练，完成参数估计，进行铣削加工刀具运行可靠性水平计算；其中，状态持续时间模型采用Gamma分布，即vm,wm>0，vm为尺度参数，wm为形状参数；观测值模型采用混合高斯分布，即bm=(oρt)=Σk=1kmcmkbmk(oρt)=Σk=1kmcmkN(oρt,μρmk,Σmk).FDA00003202086300014.jpg,FDA00003202086300015.jpg,FDA00003202086300012.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘繁茂，彭佑多，毛征宇，
申请(专利权)人：湖南科技大学，
类型：发明
国别省市：