[发明专利]一种用于刀具磨损预测的多源信息融合方法

权利要求书

1.一种用于刀具磨损预测的多传感器信号融合方法，其特征在于：包括如下步骤：

步骤S1：进行机械加工实验，实验过程中通过多传感器获取多源时间序列数据X＝{x₁，x₂，x₃，...，x_N}；其中x_i代表第i个采样点对应的数据值；

步骤S2：进行数据预处理，采用平均分段聚合法减少时间序列数据的大小和并对数据进行归一化处理；

步骤S21：将包含N个采样点的时间序列数据x＝{x₁，x₂，x₃，...，x_N}分为M段；在确定分段数M时，满足其中a为时间序列数据X相邻两波谷之间的采样点个数的平均值；

步骤S22：求出每段数据的均值构建新的序列数据

步骤S23：采用如下公式对聚合后的数据进行归一化处理：

其中，为第i个点归一化至[0，1]后的值，和分别表示时间序列中的最大值和最小值；

求出每个数据的归一化值，得到新的序列数据之后，对归一化之后的数据使用聚类算法进行聚类，得到数据的聚类结果Q；

步骤S3：将预处理后的数据编码为单通道的二维图像，利用一维马尔科夫链构造马尔科夫转移矩阵和基于马尔科夫转移矩阵构造马尔科夫转移；

步骤S31：将经过步骤S2归一化后的数据分为Q个分位数区间，并将每个数据点分配到相应的分位数区间q_j，j∈[1，Q]；

步骤S32：构造马尔科夫状态转移矩阵：

其中，w_ij表示时间序列数据X中的采样点由分位数区间q_i转移到分位数区间q_j的频次；

步骤S33：构造马尔科夫转换场：

其中，w_ij|x_i∈q_i，x_j∈q_j表示采样点x_t从分位数区间q_i转移到分位数区间q_j的概率，即w_ij|x_i∈q_i，x_j∈q_j＝P(x_t+1＝j|x_t＝i)；

步骤S34：使用均值模糊核对构造的马尔科夫转移场进行平均值聚合运算：

M′＝M*K

其中，K为模糊核，M′为聚合运算后的矩阵；

之后将聚合后的矩阵M′转换为图像，得到最终的单通道图像；

步骤S4：基于拉普拉斯图像金字塔分解将多张单通道图片融合为一张多通道图片；

步骤S41：假设经过步骤S3共获得7张图像，用图像1表示x向力、图像2表示y向力、图像3表示z向力、图像4表示x向振动、图像5表示y向振动、图像6表示z向振动、图像7表示声发射，分别构造图像1和图像2的高斯金字塔；

步骤S42：对构建好的高斯金字塔的每一层分别构建拉普拉斯金字塔；

步骤S43：对每一层的拉普拉斯金字塔图像进行拼接，构建出一个由拼接图像组成的拉普拉斯金字塔；

步骤S44：通过拼接图像的拉普拉斯金字塔重建出最终的融合图像；

步骤S45：图像1和图像2融合完毕后，将融合后的图像与图像3融合，以此类推，直至将多个通道的图像融合完毕，最终获得多传感器信号进行编码、融合后的最终图像，实现多传感器信号在数据层面的融合。

2.一种用于刀具磨损预测的多传感器信号融合方法，其特征在于：所述步骤S1中的多传感器包括力传感器、振动传感器和声发射传感器。