CN108255132B - 一种基于线切割功率曲线突变波形数据库的波形识别方法 - Google Patents

一种基于线切割功率曲线突变波形数据库的波形识别方法 Download PDF

Info

Publication number
CN108255132B
CN108255132B CN201611232723.XA CN201611232723A CN108255132B CN 108255132 B CN108255132 B CN 108255132B CN 201611232723 A CN201611232723 A CN 201611232723A CN 108255132 B CN108255132 B CN 108255132B
Authority
CN
China
Prior art keywords
waveform
mutation
power curve
wave band
type
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201611232723.XA
Other languages
English (en)
Other versions
CN108255132A (zh
Inventor
郑军
黄彬彬
王黎航
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Lover Health Science and Technology Development Co Ltd
Original Assignee
Zhejiang Lover Health Science and Technology Development Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Lover Health Science and Technology Development Co Ltd filed Critical Zhejiang Lover Health Science and Technology Development Co Ltd
Priority to CN201611232723.XA priority Critical patent/CN108255132B/zh
Publication of CN108255132A publication Critical patent/CN108255132A/zh
Application granted granted Critical
Publication of CN108255132B publication Critical patent/CN108255132B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/408—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by data handling or data format, e.g. reading, buffering or conversion of data
    • G05B19/4083—Adapting programme, configuration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23H—WORKING OF METAL BY THE ACTION OF A HIGH CONCENTRATION OF ELECTRIC CURRENT ON A WORKPIECE USING AN ELECTRODE WHICH TAKES THE PLACE OF A TOOL; SUCH WORKING COMBINED WITH OTHER FORMS OF WORKING OF METAL
    • B23H7/00—Processes or apparatus applicable to both electrical discharge machining and electrochemical machining
    • B23H7/02—Wire-cutting
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/35—Nc in input of data, input till input file format
    • G05B2219/35356—Data handling

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Mechanical Engineering (AREA)
  • Electrical Discharge Machining, Electrochemical Machining, And Combined Machining (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于线切割功率曲线突变波形数据库的波形识别方法，包括下述步骤：101.建立线切割功率曲线突变波段的波形数据库；102.采集测试功率曲线；103.对测试功率曲线进行特征量提取；104.检测突变波段；105.对检测出的突变波段进行特征向量的提取；106.对突变波段进行突变波形的类型匹配；107.将提取的突变波段与突变波形数据库中的样本波形进行相似度对比；108.标记突变波段。该识别方法利用线切割功率曲线突变波形数据库，对线切割机床实际加工中采集的功率曲线的突变波形进行识别，快速准确地将线切割加工过程的不同阶段区分出来，使得用户可以将线切割机床加工过程的功率按不同阶段区分出来。

Description

一种基于线切割功率曲线突变波形数据库的波形识别方法
【技术领域】
本发明涉及利用数据库对线切割突变波形进行识别的方法，具体来说，涉及一种基于线切割功率曲线突变波形数据库的波形识别方法。
【背景技术】
线切割是利用高频脉冲放电，脉冲电源的阳极接工件，阴极接电极丝，电极丝与工件之间的场中，自由正离子和电子不断积累，很快形成一个被电离的导电通道，并形成电流。而形成电流的粒子在电极丝与工件之间发生无数次碰撞，形成一个等离子区，并很快升高到8000到12000度的高温，在两导体表面瞬间熔化一些材料，同时，由于电极和电介液的汽化，形成一个气泡，并且它的压力急剧上升。然后电流中断，温度突然降低，引起气泡内向爆炸，产生的动力抛出溶化的物质，被融化的材料在电介液中重新凝结成小的球体，并被电介液排走。
为了深入了解线切割在加工工件时的各个不同阶段的功率变化，这就需要将线切割加工时的各个阶段分界处找出来，以便于准确对应出每个阶段的功率曲线，从而明确了解每个加工阶段的功率情况。但用人工判断等方法来识别线切割功率曲线的各个阶段分界处，以此区分整个加工过程的不同阶段是极其不准确而且工作量巨大的。因此，需要建立一种机器识别机制，以便在庞大的采集数据中快速准确地在功率曲线中识别出各个阶段的分界处，从而便于对线切割的每个加工阶段功率的具体分析。将线切割各个加工阶段分界处对应于功率曲线的上的突变波形，线切割功率曲线的主要突变波段有冲水开启突变波形、运丝开启突变波形、丝筒转向突变波形、开启切割突变波形、切入突变波形、切割转向突变波形。对采集的突变波形提取均值pj、幅值pm、极点连线斜率k，对于突变波形重合产生的波形叠加，需要设置叠加系数，用来计算、修正叠加的特征向量。以实验采集的特征向量数据做样本，通过机器学习的方式提高数据精度，增加数据量，建立庞大的基础数据库。现有多种数据采集装置用以获得机床的功率曲线，利用数据采集装置的功率曲线，以实验法获取各个基础数据。
【发明内容】
技术问题：本发明所要解决的技术问题是：提供一种基于线切割功率曲线突变波形数据库的波形识别方法，该识别方法利用线切割功率曲线突变波形数据库，对线切割机床实际加工中采集的功率曲线的突变波形进行识别，快速准确地将线切割加工过程的不同阶段区分出来，使得用户可以将线切割机床加工过程的功率按不同阶段区分出来，本发明中的基础数据库通过实验法获得。
技术方案：为解决上述技术问题，本发明采用的基于线切割功率曲线突变波形数据库的波形识别方法，包括以下步骤：
101.建立线切割功率曲线突变波形数据库；
102.利用电流传感器与电压传感器以及NI采集卡采集电流、电压波形，并通过基于公式P＝U×I的采集程序计算得出功率曲线，然后对采集的功率曲线波形进行去噪声处理，生成线切割机床工作的功率的测试波形；
103.对步骤102中提取的测试功率曲线进行特征量的提取：计算出曲线相邻两数据采集点间的均值pj与幅值pm，以均值和幅值作为功率曲线的特征量；
104.检测突变波段：根据步骤103提取的测试功率曲线特征量，依照式(1)进行突变波段的检测，根据突变波段的突变幅值较大的特点，设置阈值ε，利用式(1)进行突变波段检测，如果式(1)成立，则以第k个周期为起始点，截取固定时间窗内的波段，然后再依照式(1)进行后续波段的检测；如果式(1)不成立，则不存在突变波段；
Figure GDA0002561631210000021
在式(1)中，pj(k+1)、pj(k)和pm(k+1)、pm(k)分别为均值pj与幅值pm相邻数据采集点的特征量，ε1、ε2为设定的均值、幅值的阈值；
105.对步骤104检测出的突变波段进行特征向量的提取：按照不同突变波段所对应的固定时间窗长度截取波段，提取每一段的均值
Figure GDA0002561631210000022
幅值
Figure GDA0002561631210000023
以及极点连线斜率
Figure GDA0002561631210000024
作为此测试波段中的突变波段的特征向量；
106.对突变波段进行突变波形的类型匹配：采用模糊模式判断模块，对步骤105提取的突变波段进行突变波形的类型匹配；
107.将提取的突变波段与突变波形数据库中的样本波形进行相似度对比：基于步骤106突变波段的类型匹配结果，从步骤101的线切割功率曲线突变波形数据库中提取与测试功率曲线的突变波段同类型的样本波形，提取样本波形的样本向量进行初步对比，对比完成初步确定波段类型后，再进行精细对比准确确定波形的类型；
108.标记突变波段：提取步骤107的相似度判别结果，将判别出的突变波段按照对应的波形类型在功率曲线上标记出来。
本发明具有的有益效果：
(1)建立了突变波形数据库：该数据库涵盖了实际线切割加工过程中的功率曲线突波形的特征信息，有利于线切割加工过程中的不同加工阶段的功率分析，了解不同加工阶段的功率变化。特别是突变波形库的不断完善，能够为线切割加工过程的参数设置提供依据。
(2)有利于掌握线切割加工过程中各个加工阶段交界处的功率信息：在本识别方法中，利用模糊模式判断模块以及相似度对比，能够快速的识别出线切割机床功率曲线中的突变波段，了解加工阶段交界处的功率变化情况，快速准确地将线切割加工过程功率曲线的不同阶段区分出来。同时该识别方法的结果可信度高，还可以实现其他加工机床的电流、电压、功率、能耗的不同加工阶段的区分。
【附图说明】
图1是本发明的流程框图。
图2是本发明中步骤106的突变波段类型判断的流程框图。
【具体实施方式】
下面结合附图，对本发明的技术方案进行具体介绍。
如图1所示，本发明提供了一种基于线切割功率曲线突变波形数据库的波形识别方法。
该识别方法包括下述步骤。
101.建立线切割功率曲线突变波形数据库。
该步骤101通过以下步骤1011、1012、1013、1014实现。
1011.设定线切割加工过程中功率曲线突变波形的类型；该步骤1011中的线切割加工过程中功率曲线突变波形的类型包括开启冲水、冲水时开启运丝、冲水与运丝时丝筒转向、开启沿x、y方向空运行、沿x、y方向空运行时丝筒转向、切入一定厚度一定材料工件、切入工件后丝筒转向，切入工件后折线、曲线切割。
1012.对实际提取的线切割功率曲线进行归类；首先利用电流传感器与电压传感器以及NI采集卡采集电流、电压波形，并通过基于公式P＝U×I的采集程序计算得出功率曲线，提取出满足步骤1011中线切割功率曲线突变波形类型的波段，并对该波段进行去噪声处理，然后按照步骤1011中的突变波形的类型对该突变波形进行分类。
该步骤1012中运用的去噪声处理运用现有软件即可实现，选用matlab软件中的小波变换功能对采集的功率曲线进行去噪处理。
1013.对步骤1012中的突变波形进行特征向量的提取；提取功率曲线突变波段的三维样本向量，即均值
Figure GDA0002561631210000031
其中t1与和t2分别为此波段起始时间、终止时间；幅值
Figure GDA0002561631210000041
其中pmax与pmin分别为此波段的极大、极小值；两个极点连线斜率：
Figure GDA0002561631210000042
其中pmax、pmin分别为此功率波段内的极大值与极小值。
1014.建立线切割功率曲线突变波形数据库：首先，建立工件材料厚度表，该表包括“工件材料”、“工件厚度”、“材料_厚度_ID”三个参数，其中“材料_厚度_ID”由“工件材料”和“工件厚度”决定；然后，建立突变波形类型表，该表包括“突变波形类型_ID”与“材料_厚度_ID”两个参数，该突变波形类型表中“材料_厚度_ID”与工件材料厚度表中的“材料_厚度_ID”保持一致；最后，建立突变波形特征向量存储表，该表包括“突变波段类型_ID”、“突变波段特征向量”、“采集时间”三个参数，步骤1012处理后的突变波形存储在突变波形特征向量存储表的“突变波段类型_ID”中，步骤1013提取的突变波形的特征向量存储在突变波形特征向量存储表的“突变波段特征向量”中，突变波形特征向量存储表的“突变波段类型_ID”与突变波形类型表的“突变波段类型_ID”保持一致。
该步骤1014中的数据库可以使用SQL(Structured Query Language)数据库，也可以使用DB2(DB2数据库是IBM公司公布的一种分布式数据库解决方案DATABASE 2)数据库。
102.利用电流传感器与电压传感器以及NI采集卡采集电流、电压波形，并通过基于公式P＝U×I的采集程序计算得出功率曲线，然后对采集的功率曲线波形进行去噪声处理，生成线切割机床工作的功率的测试功率波形。
该步骤102通过以下步骤1021、1022实现。
1021.采集测试功率曲线，采集步骤为：(1)打开主机，待预热运行平稳后，打开水泵冲水；(2)关闭水泵，开启运丝；(3)水泵、运丝同时开启；(4)延续前面水泵、运丝开启状态，切入1mm不锈钢工件；(5)切入后作曲线、折线切割，则获得常规加工状态下的机床功率曲线，以此作为测试功率波形；
1022.对采集的测试功率波形进行去噪处理：采用matlab软件中的小波变换功能对采集的测试功率曲线进行去噪处理。
103.对步骤102中提取的测试功率曲线进行特征量的提取：计算出曲线相邻两数据采集点间的均值pj与幅值pm，以均值和幅值作为功率曲线的特征量。
104.检测突变波段：根据步骤103提取的测试功率曲线特征量，依照式(1)进行突变波段的检测，根据突变波段的突变幅值较大的特点，设置阈值ε，利用式(1)进行突变波段检测，如果式(1)成立，则以第k个周期为起始点，截取固定时间窗内的波段，然后再依照式(1)进行后续波段的检测；如果式(1)不成立，则不存在突变波段；
Figure GDA0002561631210000051
在式(1)中，pj(k+1)、pj(k)和pm(k+1)、pm(k)分别为均值pj与幅值pm相邻数据采集点的特征量，ε1、ε2为设定的均值、幅值的阈值；ε1、ε2的取值范围为小于或等于pj(k)、pm(k)的30％；固定时间窗是指时间横轴上固定长度的窗口。固定时间窗可随时间轴不断移动，直至波形横轴末端。
105对步骤104检测出的突变波段进行特征向量的提取：按照不同突变波段所对应的固定时间窗长度截取波段，提取每一段的均值
Figure GDA0002561631210000052
幅值
Figure GDA0002561631210000053
以及极点连线斜率
Figure GDA0002561631210000054
作为此测试波段中的突变波段的特征向量。
106.对突变波段进行突变波形的类型匹配：采用模糊模式判断模块，对步骤104提取的突变波段进行突变波形的类型匹配。
该步骤106通过以下步骤1061、1062实现。
1061.突变波段类型匹配的模糊距离判别：如图2所示，先将步骤105中检测的突变波段特征向量用数据集合表示，然后根据式(2)，对步骤105中提取的突变波段特征向量和步骤101中建立的突变波形数据库里的不同类型样本向量，进行模糊类型匹配距离计算，
Figure GDA0002561631210000055
其中d表示突变波段类型匹配距离，xi表示步骤101中的突变波形数据库里提取的不同突变波形类型的样本向量分量，ci为步骤105中的突变波段特征向量的分量。
1062.设定类型匹配距离判别阀值β：设定的类型匹配阀值β是人为给定的波段类型匹配距离阀值，将式(2)中计算的最小的类型匹配距离dmin与设定的类型匹配阀值β进行比较，如果dmin≤β，则认为dmin对应的突变波形数据库里的突变波形类型，就是测试功率曲线的突变波段最接近的突变波形类型，进入步骤107；如果dmin＞β，则返回步骤104，改变截取突变波段的时间窗长度，再进行步骤105和步骤106的。
107.将提取的突变波段特征向量与突变波形数据库里的样本向量进行相似度对比。
该步骤107有以下步骤1071、1072完成。
1071.基于步骤106突变波段的类型匹配结果，从步骤101的线切割功率曲线突变波形数据库中提取与测试功率曲线的突变波段同类型的样本波形，提取样本波形的样本向量，将突变波段的特征向量与样本波段的特征向量依照式(3)进行初步对比，如果当式(3)成立，则将测试波段中的这个突变波段归为这一类样本波段所对应的突变波形类型，
Figure GDA0002561631210000061
式(3)中，pja、pma、ka分别为样本向量的均值、幅值、两极点连线斜率，pjc、pmc、kc分别为突变波段特征向量的均值、幅值、两极点连线斜率，ε0为初步相似度设定阈值；
1072.将测试波形的突变波段特征向量与突变波形数据库中的样本向量以式(4)为依据作精细对比，如果式(4)都成立，即将此测试波段判定为此类样本向量所对应的关键点波段类型，
Figure GDA0002561631210000062
式(4)中，ε3为极值点连线斜率对应相似度对比阈值；
该步骤1072的最优结果，可利用支持向量机(Support Vector Machine，简称SVM，是一种基于统计学习理论的模式识别方法)设置自学习方式，自学习录入步骤101的突变波形数据库，给突变波形数据库添加新的样本向量。
108.标记突变波段：提取步骤107的相似度判别结果，将判别出的突变波段按照对应的波形类型在功率曲线上标记出来。
本发明，能够快速大量的准确识别出线切割机床功率曲线中突变波段，从而将线切割加工过程中的不同加工阶段准确区分出来。
上述实施例不以任何方式限定本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围之内。

Claims (8)

1.一种基于线切割功率曲线突变波形数据库的波形识别方法，其特征在于：该方法包括下述步骤：
101.建立线切割功率曲线突变波形数据库；
102.利用电流传感器与电压传感器以及NI采集卡采集电流、电压波形，并通过基于公式P＝U×I的采集程序计算得出功率曲线，然后对采集的功率曲线波形进行去噪声处理，生成线切割机床工作的功率的测试波形；
103.对步骤102中提取的测试功率曲线进行特征量的提取：计算出曲线相邻两数据采集点间的均值pj与幅值pm，以均值和幅值作为功率曲线的特征量；
104.检测突变波段：根据步骤103提取的测试功率曲线特征量，依照式(1)进行突变波段的检测，根据突变波段的突变幅值较大的特点，设置阈值ε，利用式(1)进行突变波段检测，如果式(1)成立，则以第k个周期为起始点，截取固定时间窗内的波段，然后再依照式(1)进行后续波段的检测；如果式(1)不成立，则不存在突变波段；
Figure FDA0002419221940000011
在式(1)中，pj(k+1)、pj(k)和pm(k+1)、pm(k)分别为均值pj与幅值pm相邻数据采集点的特征量，ε1、ε2为设定的均值、幅值的阈值；
105.对步骤104检测出的突变波段进行特征向量的提取：按照不同突变波段所对应的固定时间窗长度截取波段，提取每一段的均值
Figure FDA0002419221940000012
幅值
Figure FDA0002419221940000014
以及极点连线斜率
Figure FDA0002419221940000013
作为此测试波段中的突变波段的特征向量；
106.对突变波段进行突变波形的类型匹配：采用模糊模式判断模块，对步骤105提取的突变波段进行突变波形的类型匹配；
107.将提取的突变波段与突变波形数据库中的样本波形进行相似度对比：基于步骤106突变波段的类型匹配结果，从步骤101的线切割功率曲线突变波形数据库中提取与测试功率曲线的突变波段同类型的样本波形，提取样本波形的样本向量进行初步对比，对比完成初步确定波段类型后，再进行精细对比准确确定波形的类型；
108.标记突变波段：提取步骤107的相似度判别结果，将判别出的突变波段按照对应的波形类型在功率曲线上标记出来。
2.按权利要求1所述的一种基于线切割功率曲线突变波形数据库的波形识别方法：所述的步骤101包括以下步骤：
1011.设定线切割加工过程中功率曲线突变波形的类型；
1012.对实际提取的线切割功率曲线进行归类；首先利用电流传感器与电压传感器以及NI采集卡采集电流、电压波形，并通过基于公式P＝U×I的采集程序计算得出功率曲线，提取出满足步骤1011中线切割功率曲线突变波形类型的波段，并对该波段进行去噪声处理，然后按照步骤1011中的突变波形的类型对该突变波形进行分类；
1013.对步骤1012中的突变波形进行特征向量的提取；提取功率曲线突变波段的三维样本向量，即均值
Figure FDA0002419221940000021
其中t1与和t2分别为此波段起始时间、终止时间；幅值
Figure FDA0002419221940000022
其中pmax与pmin分别为此波段的极大、极小值；两个极点连线斜率：
Figure FDA0002419221940000023
其中pmax、pmin分别为此功率波段内的极大值与极小值；
1014.建立线切割功率曲线突变波形数据库：首先，建立工件材料厚度表，该表包括“工件材料”、“工件厚度”、“材料厚度ID”三个参数，其中“材料厚度ID”由“工件材料”和“工件厚度”决定；然后，建立突变波形类型表，该表包括“突变波形类型ID”与“材料厚度ID”两个参数，该突变波形类型表中“材料厚度ID”与工件材料厚度表中的“材料厚度ID”保持一致；最后，建立突变波形特征向量存储表，该表包括“突变波段类型ID”、“突变波段特征向量”、“采集时间”三个参数，步骤1012处理后的突变波形存储在突变波形特征向量存储表的“突变波段类型ID”中，步骤1013提取的突变波形的特征向量存储在突变波形特征向量存储表的“突变波段特征向量”中，突变波形特征向量存储表的“突变波段类型ID”与突变波形类型表的“突变波段类型ID”保持一致。
3.按照权利要求2所述的一种基于线切割功率曲线突变波形数据库的波形识别方法，其特征在于：所述步骤1011中的线切割加工过程中功率曲线突变波形的类型包括开启冲水、冲水时开启运丝、冲水与运丝时丝筒转向、开启沿x、y方向空运行、沿x、y方向空运行时丝筒转向、切入一定厚度一定材料工件、切入工件后丝筒转向，切入工件后转折线、曲线切割。
4.按照权利要求2所述的一种基于线切割功率曲线突变波形数据库的波形识别方法，其特征在于：所述步骤102中的去噪声处理，采用matlab软件中的小波变换功能对采集的进行去噪处理。
5.按照权利要求2所述的一种基于线切割功率曲线突变波形数据库的波形识别方法，其特征在于：所述步骤1014可以使用SQL数据库或者DB2数据库。
6.按照权利要求1所述的一种基于线切割功率曲线突变波形数据库的波形识别方法，其特征在于：所述步骤102包括以下步骤：
1021.采集测试功率曲线，采集步骤为：(1)打开主机，待预热运行平稳后，打开水泵冲水；(2)关闭水泵，开启运丝；(3)水泵、运丝同时开启；(4)延续前面水泵、运丝开启状态，切入1mm不锈钢工件；(5)切入后作曲线、折线切割，则获得常规加工状态下的机床功率曲线，以此作为测试功率波形；
1022.对采集的测试功率波形进行去噪处理：采用matlab软件中的小波变换功能对采集的测试功率曲线进行去噪处理。
7.按照权利要求1所述的一种基于线切割功率曲线突变波形数据库的波形识别方法，其特征在于：所述步骤106包括以下步骤：
1061.突变波段类型匹配的模糊距离判别：如图2所示，先将步骤105中检测的突变波段特征向量用数据集合表示，然后根据式(2)，对步骤105中提取的突变波段特征向量和步骤101中建立的突变波形数据库里的不同类型样本向量，进行模糊类型匹配距离计算，
Figure FDA0002419221940000031
其中d表示突变波段类型匹配距离，xi表示步骤101中的突变波形数据库里提取的不同突变波形类型的样本向量分量，ci为步骤105中的突变波段特征向量的分量；
1062.设定类型匹配距离判别阀值β：设定的类型匹配阀值β是人为给定的波段类型匹配距离阀值，将式(2)中计算的最小的类型匹配距离dmin与设定的类型匹配阀值β进行比较，如果dmin≤β，则认为dmin对应的突变波形数据库里的突变波形类型，就是测试功率曲线的突变波段最接近的突变波形类型，进入步骤107；如果dmin＞β，则返回步骤104，改变截取突变波段的时间窗长度，再进行步骤105和步骤106的。
8.按照权利要求1所述的一种基于线切割功率曲线突变波形数据库的波形识别方法，其特征在于：所述步骤107包括以下步骤：
1071.基于步骤106突变波段的类型匹配结果，从步骤101的线切割功率曲线突变波形数据库中提取与测试功率曲线的突变波段同类型的样本波形，提取样本波形的样本向量，将突变波段的特征向量与样本波段的特征向量依照式(3)进行初步对比，如果当式(3)成立，则将测试波段中的这个突变波段归为这一类样本波段所对应的突变波形类型，
Figure FDA0002419221940000041
式(3)中，pja、pma、ka分别为样本向量的均值、幅值、两极点连线斜率，pjc、pmc、kc分别为突变波段特征向量的均值、幅值、两极点连线斜率，ε0为初步相似度设定阈值；
1072.将测试波形的突变波段特征向量与突变波形数据库中的样本向量以式(4)为依据作精细对比，如果式(4)都成立，即将此测试波段判定为此类样本向量所对应的关键点波段类型，
Figure FDA0002419221940000042
式(4)中，ε3为极值点连线斜率对应相似度对比阈值；
该步骤1072的最优结果，可利用支持向量机(Support Vector Machine，简称SVM，是一种基于统计学习理论的模式识别方法)设置自学习方式，自学习录入步骤101的突变波形数据库，给突变波形数据库添加新的样本向量。
CN201611232723.XA 2016-12-28 2016-12-28 一种基于线切割功率曲线突变波形数据库的波形识别方法 Expired - Fee Related CN108255132B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611232723.XA CN108255132B (zh) 2016-12-28 2016-12-28 一种基于线切割功率曲线突变波形数据库的波形识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611232723.XA CN108255132B (zh) 2016-12-28 2016-12-28 一种基于线切割功率曲线突变波形数据库的波形识别方法

Publications (2)

Publication Number Publication Date
CN108255132A CN108255132A (zh) 2018-07-06
CN108255132B true CN108255132B (zh) 2021-01-08

Family

ID=62718963

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611232723.XA Expired - Fee Related CN108255132B (zh) 2016-12-28 2016-12-28 一种基于线切割功率曲线突变波形数据库的波形识别方法

Country Status (1)

Country Link
CN (1) CN108255132B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109500464B (zh) * 2018-10-25 2020-05-05 浙江科技学院 一种基于加工参数的电火花线切割能耗预测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5770830A (en) * 1995-11-13 1998-06-23 Industrial Technology Research Institute Method and apparatus for wire-cutting curved workpieces by compensating machining parameters on wire-cut electric discharge machine
CN102574236A (zh) * 2009-10-01 2012-07-11 谢尔贝格芬斯特瓦德电子及机械有限公司 借助于等离子切割设备和脉冲电流等离子切割工件的方法
JP2013108462A (ja) * 2011-11-22 2013-06-06 Fuji Electric Co Ltd 風力発電量予測システム、そのプログラム
CN106001811A (zh) * 2016-05-18 2016-10-12 浙江科技学院 一种基于几何特征的线切割能耗预测方法
CN106020430A (zh) * 2016-05-18 2016-10-12 浙江科技学院 一种线切割能耗预测用的基础数据库建立方法
CN106021179A (zh) * 2016-05-18 2016-10-12 浙江科技学院 一种基于nc代码的线切割能耗预测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5770830A (en) * 1995-11-13 1998-06-23 Industrial Technology Research Institute Method and apparatus for wire-cutting curved workpieces by compensating machining parameters on wire-cut electric discharge machine
CN102574236A (zh) * 2009-10-01 2012-07-11 谢尔贝格芬斯特瓦德电子及机械有限公司 借助于等离子切割设备和脉冲电流等离子切割工件的方法
JP2013108462A (ja) * 2011-11-22 2013-06-06 Fuji Electric Co Ltd 風力発電量予測システム、そのプログラム
CN106001811A (zh) * 2016-05-18 2016-10-12 浙江科技学院 一种基于几何特征的线切割能耗预测方法
CN106020430A (zh) * 2016-05-18 2016-10-12 浙江科技学院 一种线切割能耗预测用的基础数据库建立方法
CN106021179A (zh) * 2016-05-18 2016-10-12 浙江科技学院 一种基于nc代码的线切割能耗预测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Automatic Collection Method of Machining Progress Information for Large-size Workpieces Based on Reference Power Curve;LIU Fei等;《Journal of Mechanical Engineering》;20091015;全文 *
Effect of curvature attribute of free -form surface on CNC milling process;M.-H. Wang等;《journal of Aerospace Power》;20130114;全文 *
新型微机化线切割机脉冲电源;郑炜;《厦门大学学报》;19950505;全文 *
高速走丝线切割机多次切割放电波形的检测和分析;郭烈恩, 刘正埙, 邢晓峰等;《电加工》;19981215;全文 *

Also Published As

Publication number Publication date
CN108255132A (zh) 2018-07-06

Similar Documents

Publication Publication Date Title
Liu et al. On-line chatter detection using servo motor current signal in turning
Grabusts The choice of metrics for clustering algorithms
CN107179310B (zh) 基于鲁棒噪声方差估计的拉曼光谱特征峰识别方法
CN111401460B (zh) 一种基于限值学习的异常电量数据辨识方法
CN104777785B (zh) 一种基于指令域分析的数控加工工艺参数动态优化方法
CN106513879B (zh) 一种基于混沌理论的火花放电状态识别和检测方法
Xie et al. Feature selection and a method to improve the performance of tool condition monitoring
Zhang et al. A new method for on-line monitoring discharge pulse in WEDM-MS process
CN108197647B (zh) 一种汽车起动机耐久测试数据的快速聚类方法
CN110852388A (zh) 基于K-means改进的SMOTE算法
Yeo et al. A new pulse discriminating system for micro-EDM
CN108255132B (zh) 一种基于线切割功率曲线突变波形数据库的波形识别方法
CN111331211B (zh) 电火花小孔加工在线穿透检测方法及其穿透检测系统
Weiwen et al. Break-out detection for high-speed small hole drilling EDM based on machine learning
CN112171376A (zh) 一种基于电流信号分割的机床工件实时统计方法
CN113225209A (zh) 一种基于时间序列相似检索的网络监控实时预警方法
Kumar et al. Detection and classification for faults in drilling process using vibration analysis
CN109490776B (zh) 一种基于机器学习的手机振动马达良次品检测方法
CN108519760A (zh) 一种基于变点检测理论的制丝过程稳态识别方法
CN108537249B (zh) 一种密度峰值聚类的工业过程数据聚类方法
TWI628021B (zh) 用於放電加工機之精度預測的特徵萃取方法及預測方法
CN110135516B (zh) 一种基于包络线及内积的高频数据模式识别方法
CN116008735A (zh) 一种基于密度的局部放电信号提取方法及系统
CN115078616A (zh) 基于信噪比的多窗口谱峰识别方法、设备、介质及产品
CN110377798B (zh) 基于角度熵的离群点检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210108

Termination date: 20211228

CF01 Termination of patent right due to non-payment of annual fee