[发明专利]刀具磨损量的监测方法、系统、设备及计算机可读存储介质

权利要求书

1.一种刀具磨损量的监测方法，其特征在于，包括：

采集监测刀具的输入数据；

对所述输入数据进行预处理得到输入样本，并获取所述输入样本对应的真实刀具磨损值，生成训练样本和测试样本；

构建TDCNN-LSTM网络模型，其包括：构建TDCNN网络并设置其网络参数，所述TDCNN网络用于提取所述输入样本的局部空间特征；以及，构建LSTM网络并设置其网络参数，所述LSTM网络用于提取所述输入样本的时序变化特征；

根据所述训练样本和所述测试样本，训练并调整所述TDCNN-LSTM网络模型的所述网络参数，以得到改进TDCNN-LSTM网络模型；以及

获取待测数据，将所述待测数据经预处理后输入改进TDCNN-LSTM网络模型，以得到相应的目标刀具磨损值。

2.根据权利要求1所述的刀具磨损量的监测方法，其特征在于，所述TDCNN网络包括N个局部空间特征提取器，所述局部空间特征提取器包括两个以上卷积结构，其中，每个卷积结构包含一个卷积层、一个批标准化处理层、一个激活层和一个平均池化层。

3.根据权利要求1所述的刀具磨损量的监测方法，其特征在于，所述LSTM网络为两层以上，并且均为多输入多输出结构。

4.根据权利要求1所述的刀具磨损量的监测方法，其特征在于，所述输入数据包括：

振动数据，其为监测刀具的振动信号，由安装于电机主轴上并靠近所述监测刀具的振动传感器测得；以及

电流数据，其为监测刀具的电流信号，由安装于电机驱动器的输出口的电流互感器测得。

5.根据权利要求1所述的刀具磨损量的监测方法，其特征在于，所述真实刀具磨损值通过显微镜测量工具测得。

6.根据权利要求1所述的刀具磨损量的监测方法，其特征在于，所述预处理为采用Z-score方法对所述输入数据进行标准化。

7.根据权利要求1所述的刀具磨损量的监测方法，其特征在于，对所述TDCNN-LSTM网络模型的所述网络参数的所述训练并调整包括：

利用所述训练样本对所述TDCNN-LSTM网络模型进行训练；

将所述测试样本输入训练好的TDCNN-LSTM网络模型中，得到预测刀具磨损值；

根据所述预测刀具磨损值与所述测试样本中对应的所述真实刀具磨损值，判断所述TDCNN-LSTM网络模型的预测精度是否大于或等于阈值；

若否，则调整所述TDCNN-LSTM网络模型的所述网络参数后再次进行训练，直到训练后的所述TDCNN-LSTM网络模型的所述预测精度大于或等于所述阈值，以得到所述改进TDCNN-LSTM网络模型。

8.一种刀具磨损量的监测系统，其特征在于，包括：

数据采集模块，用于采集监测刀具的输入数据；

预处理模块，用于对所述输入数据进行预处理得到输入样本，并获取所述输入样本对应的真实刀具磨损值，生成训练样本和测试样本；

模型构建模块，用于构建TDCNN-LSTM网络模型，其包括：构建TDCNN网络并设置其网络参数，所述TDCNN网络用于提取所述输入样本的局部空间特征；以及，构建LSTM网络并设置其网络参数，所述LSTM网络用于提取所述输入样本的时序变化特征；

训练与调整模块，用于根据所述训练样本和所述测试样本，训练并调整所述TDCNN-LSTM网络模型的所述网络参数，以得到改进TDCNN-LSTM网络模型；以及

测试模块，用于获取待测数据，将所述待测数据经预处理后输入改进TDCNN-LSTM网络模型，以得到相应的目标刀具磨损值。

9.一种刀具磨损量的监测设备，其特征在于，包括：

存储器，用于存储计算机程序；以及

处理器，用于执行所述计算机程序时实现如权利要求1至7中任一所述的刀具磨损量的监测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一所述的刀具磨损量的监测方法的步骤。