[发明专利]一种多传感器信息融合的砂带磨损检测方法

说明书

本发明一种多传感器信息融合的砂带磨损检测方法，属于磨削加工领域；该方法具体步骤为：首先定义砂带磨损因数，搭建磨削平台，设置多组磨削用量并采集各类传感器信号；然后对采集到的原始传感器信号进行初步处理；再对初步处理后的信号进行裁剪处理；训练深度卷积神经网络模型；最后获取实际磨削中砂带磨损传感器信号，输入磨削用量编号，调用相应模型来判断对应的砂带磨损状态并输出砂带使用时间、剩余寿命和磨损因数等。本发明提出了多个深度卷积神经网络模型相互配合的方法，提高了模型的准确度，从而可以输出更为准确的砂带磨损信息。

技术领域

本发明属于磨削加工领域，具体涉及一种多传感器信息融合的砂带磨损检测方法。

背景技术

磨削一般作为机械加工的最后一道工序，可以有效的消除前面工序产生的加工缺陷，提高产品表面质量。磨削过程复杂，影响磨削质量的因素众多，其中磨具磨损影响尤为突出。磨具磨损状态受磨具类型、磨削对象、使用时间以及工艺参数等因素影响，是一个典型的时变、多因素耦合过程，因而磨损状态检测困难。现有磨削过程中，主要依赖人工经验，通过人眼观察磨具状态或者记录使用时间的方式进行磨具状态判断，容易导致过早或不及时的磨具更换，降低抛光效率，甚至造成工件损坏，提高加工成本。因而如何有效进行磨具磨损状态检测，对于保证磨削质量，实现磨削加工智能化具有重要的理论意义与工程应用价值。

人们开展了对工具的磨损过程和磨损状态的许多研究，提出了多种检测方法。按照是否对工具本身进行测量分为直接法和间接法，直接法对工具本体进行测量，一般是通过视觉取相或接触的方法测量工具表面的形貌和几何尺寸来获得工具的磨损状态，甚至采用称重的方法来检测砂轮等硬质磨削工具的磨损状态。间接法是指基于对磨损密切相关的传感器信号的监测，构建监测信号与工具磨损状态的模型以间接获取当前磨损状态，常使用的传感器信号有力信号、振动信号、声发射信号、功率信号和声音信号等。这种方法不干涉正常的磨削过程，检测时不需要停机，可以满足实时监测的要求。但是在砂带磨削领域，砂带作为柔性抛光工具，结构尺寸微小，砂带结构与砂轮等硬质抛光工具不同，难以使用数字量表征磨损程度，因此许多直接检测方法如称重等不适用于砂带磨损检测。而对于间接法，目前使用的监测信号类型较少，且每种信号对砂带磨损的响应程度不明确，模型的搭建需要大量的信号数据支持，对模型的准确度要求较高。所以到目前为止依然没有一种较为成熟的砂带磨损检测方法。

发明内容

要解决的技术问题：

为了避免现有技术的不足之处，实时检测砂带的磨损状态，避免砂带欠用造成的砂带频繁更换以及砂带过用造成的工件破坏等问题，本发明提出一种多传感器信息融合的砂带磨损检测方法，采集磨削过程中力信号、振动信号和声音信号等传感器信号，训练深度学习模型对磨损状态进行识别的砂带磨损检测方法，可以快速的对砂带磨损状况进行测量，获得准确的砂带磨损信息。

本发明的技术方案是：一种多传感器信息融合的砂带磨损检测方法，其特征在于具体步骤如下：

步骤一：首先，通过以下公式定义砂带磨损因数k_t：

其中，C_a为砂带初始磨损常数，h为去除深度，F_n为法向力，V_r为砂带与工件相对速度；将全新砂带磨损因数设定为k_t＝1，由全新砂带初次驻留磨削的去除深度h标定砂带初始磨损常数C_a；

然后，搭建磨削平台，设置多组磨削用量并采集各类传感器信号；

步骤二：对步骤一采集到的原始传感器信号进行初步处理，得到零点对齐的信号；

步骤三：对步骤二初步处理后的信号进行裁剪处理，得到深度卷积神经网络训练所需的训练集和测试集；