[发明专利]一种用于刀具磨损预测的多源信息融合方法

说明书

本发明公开了一种用于刀具磨损预测的多传感器信号融合方法，采用平均分段聚合的方法，可在保留原数据趋势的前提下减少数据量的大小，从而缩短运算时间。本发明提出了利用马尔科夫转换场的方法，将加工过程中产生的时间序列数据编码为二维图像，并通过拉普拉斯图像金字塔的方法实现多通道图片的融合，实现了多传感器信息在数据层面的融合，避免了传感数据之间时间关系的丢失。本发明将加工过程中的多传感器信号通过马尔科夫转换场的方法编码为二维图像，并采用拉普拉斯图像金字塔的方法实现多通道图片的融合，进而实现将多传感器信号编码，融合成为多通道的二维图像，可以最大限度的保留原始信号内部的时间关系。

技术领域

本发明属于刀具磨损预测领域，涉及一种多传感器信号融合方法，尤其涉及一种用于刀具磨损预测的多源信息融合方法

背景技术

机械加工过程中，刀具作为去除材料的关键部件，其状态直接影响着加工质量和效率，严重磨损的刀具可能还会导致机床停机，导致机床精度降低甚至伤害到操作工人。因此，在加工过程中对刀具磨损进行实时预测具有很大的实用性和经济性。

近年来的研究表明，相较于使用单一传感器信号预测刀具磨损，采用多传感器信号融合的方法得到的数据具有更丰富的语义和更高的分辨率，所建立的模型具有更高的准确性和系统可靠性。根据处理信息源层次的不同，多源信息的融合方式包括数据层融合、特征层融合和决策层融合。特征层融合和决策层融合虽然可以实现数据压缩，在一定程度上减小计算的复杂程度，但是存在着信息损失较大的不足。

基于数据层的数据融合对于信息保留以及感知能力是优秀的，但与此同时往往计算性能的要求较高，此外数据层融合往往需要采用复杂的信号预处理方法，需要大量的专家经验知识，不仅消耗大量的人力和物力，而且缺乏普适性。

中国发明专利CN 112767296 B公开了一种基于时间序列成像的多传感器数据融合方法及系统，提出了使用角和三角矩阵的方法将时间序列数据编码为图像并融合，但所提出的图像融合方法仅限于融合偶数张图像，没有给出当图像数量为奇数张时的融合策略，具有一定的局限性。中国专利CN 113369993 B公开了一种小样本下刀具磨损状态监测方法，提出了通过生成灰度距离图的方式将时间序列数据编码成图像，并用生成的图像训练神经网络，进而进行刀具磨损预测，但所述的方法仅限于处理单一传感器数据，无法应用于多传感器预测的场景。

发明内容

为解决上述问题，本发明要提出一种用于刀具磨损预测的多传感器信号融合方法，能够将多传感器信号编码融合成为多通道的二维图像，最大限度的保留原始信号内部的时间关系。

为实现上述目的，本发明采用的技术方案为：

一种用于刀具磨损预测的多传感器信号融合方法，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,x_2,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,x_2,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。