[发明专利]一种刀具磨损状态实时评估方法、系统、存储介质、终端

说明书

本发明属于刀具实时磨损检测技术领域，公开了一种刀具磨损状态实时评估方法、系统、存储介质、终端，每隔五秒钟，由安装在刀柄处的声发射传感器采集在机加工过程中刀具的声发射信号，经由小波消噪后，计算每次采样周期内的均方根值；随着加工过程的进行，应用矩阵轮廓模型对均方根值组成的时间序列进行数据挖掘，发现时间序列中包含的异常部分，达到实时评估刀具磨损状态的目的。本发明可以应用到连续型声发射信号的识别，并可以达到在线评估刀具运行状态的目的。

技术领域

本发明属于刀具实时磨损检测技术领域，尤其涉及一种刀具磨损状态实时评估方法、系统、存储介质、终端。

背景技术

目前，声发射(Acoustic Emission，AE)信号是材料受到外力作用下变形或者内部结构变化而产生的高频应力波信号，通过安装在刀柄附近的声发射传感器，采集频率范围在20KH到1MHz的声发射信号，可以有效的避免机床在运行过程中所产生的低频信号的影响，，收集到反映刀具在切削过程中真实的变形和磨损信息。矩阵轮廓(Matrix Profile)是一种近期发展起来的具有潜在巨大优势的时间序列分析方法，其本质是一种维度约简方法。该方法具有简便和高效的计算优势，同时可以针对时间序列分析中密度估计，异常检测，分割，聚类等多个问题都可以得到较好的解决效果，因此受到的越来越多的关注。目前，应用时间序列分析的方法对刀具磨损进行在线监测已有相关的研究(如CN102152172A(CN102152172B)申请(专利权)人：天津大学)；但是，其应用的时间分析方法较复杂，需要设定多个相关的参数，其参数设定的精准程度直接影响最终的分析结果。而矩阵轮廓方法是一种免参数设定的自适应分析方法，可以有效的避免参数设定的难题。由于矩阵轮廓方法是一种新的方法，首篇论文发表于2016年，目前还是在研究发展的过程中，目前还没有发现如何在刀具磨损监测中的相关应用。，与此同时，对刀具磨损状态进行定量化的评估，目前还没有发现相关报道。

通过上述分析，现有技术存在的问题及缺陷为：目前的基于时间序列的刀具磨损方法需要设定大量的参数，其磨损评估准确性与参数值直接相关，并且缺少定量化的指标。

解决以上问题及缺陷的难度为：首先，如何准确采集到能够反映刀具在加工过程中的微变形信息。其次，如何提高信噪比。最后，构建对应刀具运行状态的时间序列后，如何自适应的提取出磨损信息。

解决以上问题及缺陷的意义为：提供一种自适应的评估刀具在加工过程中的运行状态的方法，定量的评估磨损程度。

发明内容

针对现有技术存在的问题，本发明提供了一种刀具磨损状态实时评估方法、系统、存储介质、终端。

本发明是这样实现的，一种刀具磨损状态实时评估方法，所述刀具磨损状态实时评估方法，根据试验测定，每隔5秒，声发射传感器采集刀具的声发射信号；消噪后，计算每次采样周期内的均方根值；随着加工过程的进行，应用矩阵轮廓模型对均方根值组成的时间序列进行异常检测。通常来说，刀具运行的初期阶段，其状态为正常状态。随着磨损的加剧，反映在时间序列中即为出现异常部分。因此，可以通过检测异常来间接的实时评估刀具磨损状态。

进一步，所述刀具磨损状态实时评估方法包括：

第一步，应用高速采集卡对安装在刀柄处的声发射信号进行采样，采样频率为2MK，每两次采样数据之间的间隔为5s。

第二步，通常小波分解后，噪声信号的小波系数较小。因此，对原始的声发射信号进行小波分解，将小于阈值的分解信号置零后，重构声发射信号，从而达到去除噪声的目的。

第三步，计算每次采样周期内，去噪后的声发射信号的均方根值(Root MeanSquare,RMS)

第四步，将计算得到的声发射信号的均方根值进行存储，并添加采集时间为时间标签，构建时间序列