CN112720069B - 刀具磨损监测方法、装置、电子设备及存储介质 - Google Patents
刀具磨损监测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112720069B CN112720069B CN202011530432.5A CN202011530432A CN112720069B CN 112720069 B CN112720069 B CN 112720069B CN 202011530432 A CN202011530432 A CN 202011530432A CN 112720069 B CN112720069 B CN 112720069B
- Authority
- CN
- China
- Prior art keywords
- tool
- calculating
- bispectrum
- characteristic frequency
- tool wear
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
- B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
- B23Q17/0971—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining by measuring mechanical vibrations of parts of the machine
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
- B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
- B23Q17/0957—Detection of tool breakage
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Machine Tool Sensing Apparatuses (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供一种刀具磨损监测方法、装置、电子设备及存储介质。该方法包括:获取切削过程中的刀具的振动数据;计算所述振动数据的双谱;计算双谱对角切片;计算所述双谱对角切片的耦合特征频率峰值指数;基于耦合特征频率峰值指数来计算刀具磨损阈值;以及通过所述刀具磨损阈值来监测所述刀具的磨损状态。本发明通过切削振动信号的双谱对角切片特征研究刀具磨损过程,有效提高了监测准确性和可靠性,保障了加工质量和机床的正常运行。
Description
技术领域
本发明涉及机械制造过程监测领域,尤其涉及一种刀具磨损监测方法、装置、电子设备及存储介质。
背景技术
刀具作为机床主要的末端执行件,在切削过程中与工件接触,由于工件摩擦、切屑和切削热的作用,刀具很容易出现损坏。刀具磨破损影响加工产品质量和生产效率,甚至会影响机床的安全平稳运行。
传统的刀具状态识别主要依靠技术人员凭借经验判断,或根据加工时间来判断,这些方法与技术人员的经验密切相关,已成为制约制造业发展的重要瓶颈。因此,对刀具磨损状态进行监测与识别是自动化加工中一个亟待解决的课题。
基于二阶统计量的功率谱分析是机械设备故障诊断中常用的分析方法。但功率谱存在频率混叠和能量泄漏等缺点。此外,功率谱不能提供信号的相位特征信息,因此不能表征系统的非线性特征。切削振动信号具有明显的非线性。因此,传统的频域功率谱分析方法无法有效反映刀具的状态变化。
综上,提供一种能够准确的对刀具的磨损状态进行检测的刀具磨损监测方法显得尤为必要。
发明内容
针对现有技术中的问题,本发明实施例提供一种刀具磨损监测方法、装置、电子设备及存储介质,用以解决现有技术中的功率谱不能表征系统的非线性特征,无法有效反映刀具的状态变化的缺陷,实现监测准确性和可靠性提高,保障加工质量和机床的正常运行的效果。
具体地,本发明实施例提供了以下技术方案:
第一方面,本发明实施例提供了一种刀具磨损监测方法,包括:
获取切削过程中的刀具的振动数据;
计算所述振动数据的双谱;
计算双谱对角切片;
计算所述双谱对角切片的耦合特征频率峰值指数;
基于耦合特征频率峰值指数来计算刀具磨损阈值;以及
通过所述刀具磨损阈值来监测所述刀具的磨损状态。
进一步地,所述计算所述双谱对角切片的耦合特征频率峰值指数包括:
按如下公式计算耦合特征频率峰值指数CFPI:
式中,Bn(fi c)为耦合特征频率对应的双谱对角切片幅值,Bn(fj)为频率为fj的对角切片幅值,P为出现耦合特征频率的个数,Q为对角切片频率分量的个数。
进一步地,所述基于耦合特征频率峰值指数来计算刀具磨损阈值包括:
基于刀具锋利时期的对角切片耦合特征频率峰值指数计算均值μ和标准差σ;
基于3σ准则,将μ与3σ的和设定为所述刀具磨损阈值。
进一步地,所述基于所述刀具锋利时期的对角切片耦合特征频率峰值指数计算均值μ和标准差σ包括:
按如下公式计算均值μ和标准差σ:
其中,k为基于刀具锋利时期的振动数据所计算得到的CFPI的个数。
进一步地,所述通过所述刀具磨损阈值来监测所述刀具的磨损状态包括:
若耦合特征频率峰值指数大于所述刀具磨损阈值,则认定刀具磨损。
进一步地,所述计算双谱对角切片包括:
令f1=f2=f得到双谱对角切片B(f),其中,f1,f2为双谱频率分量,f为双谱对角切片频率;
对双谱对角切片B(f)进行归一化。
进一步地,所述计算所述振动数据的双谱包括:
将所述振动数据分成K个数据段;
对每段数据进行去均值处理;
计算每段数据的三阶累积量;
对K个数据段的三阶累积量进行统计平均,得到三阶累积量估计值;
对三阶累积量估计值进行二维傅里叶变换,以得到双谱估计值。
进一步地,所述获取切削过程中的刀具的振动数据包括:
采集切削加工过程中刀具主轴的振动信号。
第二方面,本发明提供一种刀具磨损监测装置,包括:
获取单元,用于获取切削过程中的刀具的振动数据;
双谱计算单元,用于计算所述振动数据的双谱;以及
双谱对角切片计算单元,用于计算双谱对角切片;
耦合特征频率峰值指数计算单元,用于计算所述双谱对角切片的耦合特征频率峰值指数;
刀具磨损阈值计算单元,基于耦合特征频率峰值指数来计算刀具磨损阈值;
检测单元,用于通过所述刀具磨损阈值来监测所述刀具的磨损状态。
第三方面,本发明提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上所述刀具磨损监测方法的步骤。
第四方面,本发明提供一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如上所述刀具磨损监测方法的步骤。
本发明提供的刀具磨损监测方法、装置、电子设备及存储介质,通过计算双谱和双谱对角切片,并通过计算所述双谱对角切片的耦合特征频率峰值指数,基于耦合特征频率峰值指数并通过3σ准则来计算刀具磨损阈值;以及通过所述刀具磨损阈值来监测所述刀具的磨损状态。本发明通过切削振动信号的双谱对角切片特征研究刀具磨损过程,可有效提高监测准确性和可靠性,保障加工质量和机床的正常运行。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的刀具磨损监测方法的流程图之一;
图2为本发明一实施例提供的刀具磨损监测方法的流程图之二;
图3为本发明一实施例提供的刀具初期磨损状态下的振动信号双谱二维等高线图;
图4为本发明一实施例提供的刀具初期磨损状态下的振动信号双谱对角切片图;
图5为本发明一实施例提供的刀具正常磨损状态下的振动信号双谱二维等高线图;
图6为本发明一实施例提供的刀具正常磨损状态下的振动信号双谱对角切片图;
图7为本发明一实施例提供的刀具后期磨损状态下的振动信号双谱二维等高线图;
图8为本发明一实施例提供的刀具后期磨损状态下的振动信号双谱对角切片图;
图9为本发明一实施例提供的刀具磨损的耦合特征频率峰值指数曲线图,其中,图中示出了根据耦合特征频率峰值指数计算出的刀具磨损阈值;
图10为本发明一实施例提供的刀具磨损监测装置的结构示意图;以及
图11为本发明一实施例提供的用于刀具磨损监测的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
传统的刀具状态识别主要依靠技术人员凭借经验判断,或根据加工时间来判断,这些方法与技术人员的经验密切相关,已成为制约制造业发展的重要瓶颈。因此,对刀具磨损状态进行监测与识别是自动化加工中一个亟待解决的课题。
基于二阶统计量的功率谱分析是机械设备故障诊断中常用的分析方法。但功率谱存在频率混叠和能量泄漏等缺点。此外,功率谱不能提供信号的相位特征信息,因此不能表征系统的非线性特征。切削振动信号具有明显的非线性。因此,传统的频域功率谱分析方法无法有效反映刀具的状态变化。
因此,改进的刀具磨损监测方法将为刀具磨损检测带来提高监测准确性和可靠性,保障加工质量和机床的正常运行的有益效果。为此,本发明提供了一种刀具磨损监测方法、装置、电子设备及介质,下面将通过具体实施例对本发明提供的内容进行详细解释和说明。
图1和图2示出了本发明实施例提供的刀具磨损监测方法的流程图。如图1和图2所示,本发明实施例提供的刀具磨损监测方法包括如下步骤:
步骤110:获取切削过程中的刀具的振动数据;
步骤120:计算所述振动数据的双谱;
步骤130:计算双谱对角切片;
步骤140:计算所述双谱对角切片的耦合特征频率峰值指数;
步骤150:基于耦合特征频率峰值指数来计算刀具磨损阈值;
步骤160:通过所述刀具磨损阈值来监测所述刀具的磨损状态。
在步骤110中,在一个示例中,通过安装在刀具主轴前端的加速度计采集切削振动信号x(n)={x(1),x(2),……,x(N)}。每隔一段时间取一组正常切削数据(2s),通过上述的方式选取若干组信号。在一个示例中,每隔30min取一组正常切削数据,每次选取2s的正常切削数据。当然,采集振动信号的方式还可以有多种,在此不再赘述。
在步骤120中,计算所述振动信号的双谱,双谱是分析非线性、非高斯信号的有利工具,应用于刀具状态检测领域,为刀具的磨损状态评价提供依据。
在步骤130中,基于双谱,计算双谱对角切片。
在步骤140中,计算所述双谱对角切片的耦合特征频率峰值指数,耦合特征频率峰值指数的定义为:耦合特征频率幅值的和与所有对角切片幅值的和的比值。其中,耦合特征频率幅值为基于耦合的特征频率所对应的对角切片幅值。频率耦合处,双谱会出现尖峰,切片谱中在特征频率处也会出现明显的峰值。
在步骤150中,通过耦合特征频率峰值指数和3σ准则,来计算刀具磨损阈值。
在步骤160中,通过所述刀具磨损阈值来监测所述刀具的磨损状态。
在上述实施例中,通过计算切削振动信号的双谱对角切片特征,也即耦合特征频率峰值指数,研究刀具磨损过程,考虑到了切削振动信号具有明显的非线性,可有效提高监测准确性和可靠性,保障加工质量和机床的正常运行。
基于上述实施例,在本发明另一实施例提供的刀具磨损监测方法中,所述计算所述双谱对角切片的耦合特征频率峰值指数包括:
按如下公式计算耦合特征频率峰值指数CFPI:
式中,Bn(fi c)为耦合特征频率对应的双谱对角切片幅值,Bn(fj)为频率为fj的对角切片幅值,P为耦合特征频率的个数,Q为对角切片频率分量的个数。
在一个示例中,可以从双谱对角切片图中找出耦合特征频率处的幅值Bn(fi c)。耦合特征频率处的幅值会出现峰值,通过找双谱对角切片图中出现的峰值来确定Bn(fi c)。
在上述实施例中,通过上述的公式来定义了耦合特征频率峰值指数,并且计算出了耦合特征频率峰值指数,上述公式的计算简单,且反映了刀齿特征频率幅值的变化,因此,更能为对刀具的磨损检测提供了有利的条件。
基于上述任一实施例,在本发明另一实施例提供的刀具磨损监测方法中,所述基于耦合特征频率峰值指数来计算刀具磨损阈值包括:
基于所述刀具锋利时期的对角切片耦合特征频率峰值指数计算均值μ和标准差σ;
基于3σ准则,将μ与3σ的和设定为所述刀具磨损阈值。
其中,刀具锋利时期为刀具正常使用(切削)时的状态,使用刀具锋利时期的对角切片耦合特征频率峰值指数基于3σ原理,可以有效地判断刀具的异常状态。
利用对角切片耦合特征频率峰值指数计算均值μ和标准差σ,设置阈值为μ和3倍的标准差σ的和。
在上述实施例中,通过耦合特征频率峰值指数来计算均值μ和标准差σ,使得设定的刀具磨损阈值是基于耦合特征频率峰值指数的,使得耦合特征频率峰值指数间接地作为评价刀具磨损状态的因素,考虑了振动信号的非线性,使得能够更加准确地检测刀具的磨损状态。
基于上述任一实施例,在本发明另一实施例提供的刀具磨损监测方法中,所述基于所述刀具锋利时期的对角切片耦合特征频率峰值指数计算均值μ和标准差σ包括:
按如下公式计算均值μ和标准差σ:
其中,k为基于刀具锋利时期的振动数据所计算得到的CFPI的个数。
在上述实施例中,基于上述的公式来计算均值μ和标准差σ,使得设定的刀具磨损阈值是基于耦合特征频率峰值指数的,使得耦合特征频率峰值指数间接地作为评价刀具磨损状态的因素,使得能够更加准确地检测刀具的磨损状态。
基于上述任一实施例,在本发明另一实施例提供的刀具磨损监测方法中,所述通过所述刀具磨损阈值来监测所述刀具的磨损状态包括:
若耦合特征频率峰值指数大于刀具磨损阈值,则认定刀具磨损。
图9示出了刀具的耦合特征频率峰值指数曲线图,如图9所示,图中的曲线为耦合特征频率峰值指数,图中沿水平方向延伸的横线为根据耦合特征频率峰值指数所计算出来的刀具磨损阈值。在一个示例中,样本数为刀具对特定的工件横向切削的次数,本领域技术人员可知晓,也可以对工件的纵向进行切削。
通过上述的实施例计算出了用于检测刀具磨损状态的阈值,该步骤中,设定阈值,以设定的刀具磨损阈值监测加工过程刀具磨损状态。如果耦合特征频率峰值指数CFPI>Threshold(阈值),则认定刀具磨损。
在上述实施例中,通过设定基于耦合特征频率峰值指数的刀具磨损阈值,来检测刀具磨损状态,使得检测结果更加准确。
基于上述任一实施例,在本发明另一实施例提供的刀具磨损监测方法中,所述计算双谱对角切片包括:
令f1=f2=f得到双谱对角切片B(f),其中,f1,f2为双谱频率分量,f为双谱对角切片频率;
步骤1,对双谱对角切片B(f)进行归一化。
具体地,令f1=f2=f得到双谱对角切片B(f),得到的B(f)如下:
步骤2对双谱对角切片B(f)进行归一化,在一个示例中,按如下公式对双谱对角切片B(f)进行归一化:
图4、图6和图8分别示出了刀具初期磨损状态下、正常磨损状态下和后期磨损状态下的振动信号双谱对角切片图,其中,图4、图6和图8是对双谱对角切片B(f)进行归一化后的图。
在上述实施例中,通过计算双谱对角切片B(f),并对双谱对角切片B(f)进行归一化,使得对双谱对角切片进行后续的分析和研究更加的方便,避免了由于不同量纲或数据差异较大所造成的对数据分析的影响。
基于上述任一实施例,在本发明另一实施例提供的刀具磨损监测方法中,
所述计算所述振动数据的双谱包括:
将所述振动数据分成K个数据段;
对每段数据进行去均值处理;
计算每段数据的三阶累积量;
对K个数据段的三阶累积量进行统计平均,得到三阶累积量估计值;
对三阶累积量估计值进行二维傅里叶变换,以得到双谱估计值。
具体地,计算双谱的步骤如下:
步骤1,将每组信号分成K个数据段,每段包含M个数据点。
步骤2,每段数据去均值处理;
xi(l)=xi(l)-mean(xi(l))
式中,i=1,2,…,K;mean(·)为信号的平均值运算。
步骤3,计算每段信号的三阶累积量。
式中,i=1,2,…,K;s1=max{0,-m,-n};s2=min{M-1,M-1-m,M-1-n}
步骤4,对K个数据段的三阶累积量进行平均,得到三阶累积量估计值。
步骤5,对三阶累积量估计值进行二维傅里叶变换,得到双谱估计值。
式中,L<M-1;w(m,n)为二维窗函数。
图3、图5和图7分别示出了刀具初期磨损状态下、正常磨损状态下和后期磨损状态下的振动信号双谱二维等高线图。
在上述实施例中,通过上述的步骤对双谱进行计算,使得双谱估计值更加准确,更有利于后续的对刀具的磨损状态进行检测。
基于上述任一实施例,在本发明另一实施例提供的刀具磨损监测方法中,所述获取切削过程中的刀具的振动数据包括:
采集切削加工过程中刀具主轴的振动信号。
在一个示例中,通过安装在刀具主轴前端的加速度计采集切削振动信号x(n)={x(1),x(2),……,x(N)}。每隔一段时间取一组正常切削数据(2s),通过上述的方式选取若干组信号。在一个示例中,每隔30min取一组正常切削数据,每次选取2s的正常切削数据。
在上述实施例中,通过上述的采集方式来采集刀具主轴的振动信号,所采集的刀具主轴的振动信号更加准确,同时,通过采集刀具主轴的的振动信号,使得信号采集更容易实现且准确度也较高,同时,通过每个隔一段时间取一组数据,减小了计算量。
本发明提供的刀具磨损监测方法,通过计算双谱和双谱对角切片,并通过计算所述双谱对角切片的耦合特征频率峰值指数,基于耦合特征频率峰值指数并通过3σ准则来计算刀具磨损阈值;以及通过所述刀具磨损阈值来监测所述刀具的磨损状态。本发明通过切削振动信号的双谱对角切片特征研究刀具磨损过程,可有效提高监测准确性和可靠性,保障加工质量和机床的正常运行。
下面对本发明提供的刀具磨损监测装置进行描述,下文描述的刀具磨损监测装置与上文描述的刀具磨损监测方法可相互对应参照。
图10示例了一种刀具磨损监测装置实体结构示意图,如图10所示,该装置可以包括:
获取单元1010,用于获取切削过程中的刀具的振动数据;
双谱计算单元1020,用于计算所述振动数据的双谱;以及
双谱对角切片计算单元1030,用于计算双谱对角切片;
耦合特征频率峰值指数计算单元1040,用于计算所述双谱对角切片的耦合特征频率峰值指数;
刀具磨损阈值计算单元1050,基于耦合特征频率峰值指数来计算刀具磨损阈值;
检测单元1060,用于通过所述刀具磨损阈值来监测所述刀具的磨损状态。
图11示例了一种电子设备的实体结构示意图,如图11所示,该电子设备可以包括:处理器(processor)1110、通信接口(Communications Interface)1120、存储器(memory)1130和通信总线1140,其中,处理器1110,通信接口1120,存储器1130通过通信总线1140完成相互间的通信。处理器1110可以调用存储器1130中的逻辑指令,以执行刀具磨损监测方法,该方法包括:
获取切削过程中的刀具的振动数据;
计算所述振动数据的双谱;
计算双谱对角切片;
计算所述双谱对角切片的耦合特征频率峰值指数;
基于耦合特征频率峰值指数来计算刀具磨损阈值;以及
通过所述刀具磨损阈值来监测所述刀具的磨损状态。
可以理解的是,所述计算机程序可以执行的细化功能和扩展功能可参照上面实施例的描述。
基于相同的发明构思,本发明又一实施例提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述刀具磨损监测方法的全部步骤。
可以理解的是,所述计算机程序可以执行的细化功能和扩展功能可参照上面实施例的描述。
基于相同的发明构思,本发明又一实施例提供了一种计算机程序产品,所述计算机程序产品包括有计算机程序,该计算机程序被处理器执行时实现上述实现上述刀具磨损监测方法的全部步骤。
可以理解的是,所述计算机程序可以执行的细化功能和扩展功能可参照上面实施例的描述。
此外,上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的安全防御方法。
此外,在本发明中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
此外,在本发明中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
2.根据权利要求1所述的刀具磨损监测方法,其特征在于,所述基于耦合特征频率峰值指数来计算刀具磨损阈值包括:
基于刀具锋利时期的对角切片耦合特征频率峰值指数计算均值μ和标准差σ;
基于3σ准则,将μ与3σ的和设定为所述刀具磨损阈值。
4.根据权利要求1所述的刀具磨损监测方法,其特征在于,所述通过所述刀具磨损阈值来监测所述刀具的磨损状态包括:
若耦合特征频率峰值指数大于所述刀具磨损阈值,则认定刀具磨损。
5.根据权利要求1所述的刀具磨损监测方法,其特征在于,所述计算双谱对角切片包括:
令f1=f2=f得到双谱对角切片B(f),其中,f1,f2为双谱频率分量,f为双谱对角切片频率;
对双谱对角切片B(f)进行归一化。
6.根据权利要求1所述的刀具磨损监测方法,其特征在于,所述计算所述振动数据的双谱包括:
将所述振动数据分成K个数据段;
对每段数据进行去均值处理;
计算每段数据的三阶累积量;
对K个数据段的三阶累积量进行统计平均,得到三阶累积量估计值;
对三阶累积量估计值进行二维傅里叶变换,得到双谱估计值。
7.根据权利要求1所述的刀具磨损监测方法,其特征在于,所述获取切削过程中的刀具的振动数据包括:
采集切削加工过程中刀具主轴的振动信号。
8.一种刀具磨损监测装置,其特征在于,包括:
获取单元,用于获取切削过程中的刀具的振动数据;
双谱计算单元,用于计算所述振动数据的双谱;
双谱对角切片计算单元,用于计算双谱对角切片;
耦合特征频率峰值指数计算单元,用于计算所述双谱对角切片的耦合特征频率峰值指数;
刀具磨损阈值计算单元,基于耦合特征频率峰值指数来计算刀具磨损阈值;以及
检测单元,用于通过所述刀具磨损阈值来监测所述刀具的磨损状态;
其中所述计算所述双谱对角切片的耦合特征频率峰值指数包括:
按如下公式计算耦合特征频率峰值指数CFPI:
式中,Bn(fi c)为耦合特征频率对应的双谱对角切片幅值,Bn(fj)为频率为fj的对角切片幅值,P为耦合特征频率的个数,Q为对角切片频率分量的个数。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7任一项所述刀具磨损监测方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7任一项所述刀具磨损监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011530432.5A CN112720069B (zh) | 2020-12-22 | 2020-12-22 | 刀具磨损监测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011530432.5A CN112720069B (zh) | 2020-12-22 | 2020-12-22 | 刀具磨损监测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112720069A CN112720069A (zh) | 2021-04-30 |
CN112720069B true CN112720069B (zh) | 2022-03-22 |
Family
ID=75605677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011530432.5A Active CN112720069B (zh) | 2020-12-22 | 2020-12-22 | 刀具磨损监测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112720069B (zh) |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IN157944B (zh) * | 1981-06-02 | 1986-07-26 | Santa Barbara Research Centre | |
JP2000337288A (ja) * | 1999-05-24 | 2000-12-05 | Hitachi Ltd | キャビテーション検出方法 |
US20060271318A1 (en) * | 2005-05-27 | 2006-11-30 | Mar Wing J | Dual spectrum analyzer measurement system |
CN101762634B (zh) * | 2009-12-31 | 2012-03-21 | 北京航空航天大学 | 基于双谱分析的在役16锰钢承力件形变损伤状态表征与定量评估系统 |
CN102916917B (zh) * | 2012-09-25 | 2014-12-17 | 哈尔滨工程大学 | 基于切片双谱和小波变换的fsk信号个体识别方法 |
CN108663995B (zh) * | 2017-03-30 | 2020-11-06 | 郑州大学 | 一种工业过程变量趋势异常检测方法及装置 |
CN108572075A (zh) * | 2018-04-28 | 2018-09-25 | 河北工业大学 | 基于小波包能量谱和调制双谱分析的滚动轴承故障诊断方法 |
CN109909804B (zh) * | 2018-12-21 | 2021-06-25 | 北京工业大学 | 基于主轴驱动电流和工步的刀具磨损破损在线监测方法 |
CN110458380A (zh) * | 2019-06-18 | 2019-11-15 | 广州明珞汽车装备有限公司 | 一种生产工艺时序基准值的计算方法、系统和存储介质 |
CN112001621A (zh) * | 2020-08-21 | 2020-11-27 | 广州云徙科技有限公司 | 一种关键指标的智能预警方法 |
-
2020
- 2020-12-22 CN CN202011530432.5A patent/CN112720069B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112720069A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109213654B (zh) | 一种异常检测方法及装置 | |
Yan et al. | Improved Hilbert–Huang transform based weak signal detection methodology and its application on incipient fault diagnosis and ECG signal analysis | |
EP1264412B1 (en) | Complex signal decomposition and modeling | |
US7039554B2 (en) | Method and system for trend detection and analysis | |
Jablonski et al. | Modeling of probability distribution functions for automatic threshold calculation in condition monitoring systems | |
CN112491805B (zh) | 一种应用于云平台的网络安全设备管理系统 | |
CN109613324B (zh) | 一种谐波放大的检测方法及装置 | |
CN108802535B (zh) | 筛选方法、主干扰源识别方法及装置、服务器及存储介质 | |
CN101534305A (zh) | 网络流量异常检测方法和系统 | |
CN107276779B (zh) | 一种监控方法、系统及设备 | |
CN108052974B (zh) | 一种故障诊断方法、系统、设备及存储介质 | |
CN115220396A (zh) | 一种数控机床智能监控方法及系统 | |
CN112720069B (zh) | 刀具磨损监测方法、装置、电子设备及存储介质 | |
CN108446162B (zh) | 监测JVM Full GC事件的方法及系统 | |
CN114294183A (zh) | 一种风机叶片故障监测方法、装置及风机 | |
CN112697484A (zh) | 一种ssd多尺度波动分析状态监测方法及装置 | |
CN112697482A (zh) | 一种vmd多尺度波动分析状态监测方法及装置 | |
CN109981413B (zh) | 网站监控指标报警的方法及系统 | |
CN115656720A (zh) | 基于谱残差和随机矩阵理论的配网故障诊断方法及设备 | |
CN112881046A (zh) | 一种vmd和gzc机器状态监测方法及装置 | |
CN112683395A (zh) | 一种elmd和gzc机器状态监测方法及装置 | |
CN112697472A (zh) | 一种wd多尺度波动分析状态监测方法及装置 | |
CN113642123A (zh) | 作业机械散热系统的健康评估方法、装置及作业机械 | |
CN112697471A (zh) | 一种ssd和gzc机器状态监测方法及装置 | |
CN113285847A (zh) | 一种智能换流站监测系统的通信网络异常检测方法及系统 |
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 |