CN116673793A - 刀具损耗检测方法、介质、电子设备及刀具损耗检测装置 - Google Patents
刀具损耗检测方法、介质、电子设备及刀具损耗检测装置 Download PDFInfo
- Publication number
- CN116673793A CN116673793A CN202310972825.9A CN202310972825A CN116673793A CN 116673793 A CN116673793 A CN 116673793A CN 202310972825 A CN202310972825 A CN 202310972825A CN 116673793 A CN116673793 A CN 116673793A
- Authority
- CN
- China
- Prior art keywords
- data
- bending moment
- principal component
- torque
- training
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title abstract description 38
- 238000005452 bending Methods 0.000 claims abstract description 144
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000005070 sampling Methods 0.000 claims abstract description 38
- 238000012847 principal component analysis method Methods 0.000 claims abstract description 21
- 238000012549 training Methods 0.000 claims description 78
- 238000012360 testing method Methods 0.000 claims description 42
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005192 partition Methods 0.000 claims description 8
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000005299 abrasion Methods 0.000 abstract description 5
- 238000003801 milling Methods 0.000 description 20
- 238000009826 distribution Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 239000004973 liquid crystal related substance Substances 0.000 description 8
- 238000000513 principal component analysis Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 4
- 238000003754 machining Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Numerical Control (AREA)
- Machine Tool Sensing Apparatuses (AREA)
Abstract
本公开涉及一种刀具损耗检测方法、介质、电子设备及刀具损耗检测装置。所述方法包括:对所述刀具在当前作业周期内的扭矩数据和弯矩数据进行采样;使用主成分分析方法对采集到的扭矩数据和弯矩数据进行分析,以获得第一主成分宽度,其中,所述第一主成分宽度为第一主成分最小值与第一主成分最大值之差的绝对值;根据所获得的第一主成分宽度确定所述刀具的损耗。通过上述技术方案,可以根据第一主成分宽度对刀具磨损情况进行检测,确定出刀具的损耗供操作人员参考。
Description
技术领域
本公开涉及机械加工领域,具体地,涉及一种刀具损耗检测方法、介质、电子设备及刀具损耗检测装置。
背景技术
在机械加工的过程中,使用的刀具的状态对加工效果起到了至关重要的作用。例如,对于铣削作业而言,刀具状态的劣化,会导致工件表面粗糙度上升、工件尺寸超出公差要求等问题的发生,影响工件良率。因此,如何确定刀具状态,以便技术人员对生产作出安排对提高生产效率具有重要影响。
发明内容
本公开的目的是提供一种刀具损耗检测方法、介质、电子设备及刀具损耗检测装置,能够确定出刀具的损耗以给操作人员提供参考。
为了实现上述目的,本公开提供一种刀具损耗检测方法,包括:
对所述刀具在当前作业周期内的扭矩数据和弯矩数据进行采样;
使用主成分分析方法对采集到的扭矩数据和弯矩数据进行分析,以获得第一主成分宽度,其中,所述第一主成分宽度为第一主成分最小值与第一主成分最大值之差的绝对值;
根据所获得的第一主成分宽度确定所述刀具的损耗。
可选地,所述对所述刀具在当前作业周期内的扭矩数据和弯矩数据进行采样,包括:
获取所述刀具在当前作业周期内的扭矩数据和弯矩数据;
删除所获取的扭矩数据和弯矩数据中的无效数据;
对删除无效数据后的扭矩数据和弯矩数据进行采样。
可选地,所述删除所获取的扭矩数据和弯矩数据中的无效数据,包括:
将所获取的扭矩数据和弯矩数据中,扭矩数据的数值首次大于等于扭矩阈值的时刻之前的数据删除,或者,将所获取的扭矩数据和弯矩数据中,弯矩数据的数值首次大于等于弯矩阈值的时刻之前的数据删除;
其中,所述扭矩阈值为所获取的扭矩数据中数值大小处于第一分位阈值的数值,所述弯矩阈值为所获取的弯矩数据中数值大小处于第二分位阈值的数值。
可选地,所述对删除无效数据后的扭矩数据和弯矩数据进行采样,包括:
针对删除无效数据后的扭矩数据和弯矩数据,等频率地从当前作业周期末尾时刻向前采样,直至样本量达到样本量阈值。
可选地,所述根据所获得的第一主成分宽度确定所述刀具的损耗,包括:
获取所述刀具从第一次使用开始计数的作业周期数和所述第一主成分宽度的第一对应关系;
根据所述第一对应关系和所获得的第一主成分宽度,确定所述刀具的当前作业周期数,将所述当前作业周期数作为所述刀具的损耗。
可选地,所述方法还包括:
对试验刀具在从第一次使用开始计数的M个作业周期内的训练用的扭矩数据和训练用的弯矩数据进行采样;
针对所述M个作业周期中的每一作业周期,使用主成分分析方法对所述训练用的扭矩数据和所述训练用的弯矩数据进行分析,得到训练用第一主成分宽度;
根据所述M个作业周期的作业周期数和所述训练用第一主成分宽度,对所述第一对应关系中的参数进行拟合,以确定所述第一对应关系的关系式。
可选地,所述方法还包括:
确定所述刀具的最大可用作业周期数;
根据所述最大可用作业周期数、所述第一对应关系和所获得的第一主成分宽度,确定所述刀具的剩余寿命。
可选地,所述确定所述刀具的最大可用作业周期数,包括:
对试验刀具在从第一次使用开始计数的M个作业周期内的训练用的扭矩数据和训练用的弯矩数据进行采样;
针对所述M个作业周期中的每一作业周期,使用主成分分析方法对所述训练用的扭矩数据和所述训练用的弯矩数据进行分析,得到训练用第一主成分的分区区间与所述训练用的扭矩数据和所述训练用的弯矩数据的数据量的第二对应关系;
针对所述M个作业周期中的每一作业周期,根据所述第二对应关系确定所述数据量的左峰峰值和右峰峰值的峰值差,其中,所述左峰峰值为在第一主成分的数值小于等于第一阈值的第一主成分区间中,对应数据量最大的区间所对应的数据量,所述右峰峰值为在第一主成分的数值大于等于第二阈值的第一主成分区间中,对应数据量最大的区间所对应的数据量,所述第二阈值大于所述第一阈值;
确定所述M个作业周期的作业周期数和所述峰值差的第三对应关系;
根据所述第三对应关系,确定所述峰值差首次小于峰值差阈值时所对应的作业周期数,作为所述刀具的最大可用作业周期数。
可选地,所述对试验刀具在从第一次使用开始计数的M个作业周期内的训练用的扭矩数据和训练用的弯矩数据进行采样,包括:
获取试验刀具在从第一次使用开始计数的M个作业周期内的训练用的扭矩数据和训练用的弯矩数据;
删除所述训练用的扭矩数据和所述训练用的弯矩数据中的无效数据;
对删除无效数据后的扭矩数据和弯矩数据进行采样。
可选地,所述方法还包括:
若所获得的第一主成分宽度大于宽度阈值,输出用于指示所述刀具损耗过大的提示消息。
本公开还提供一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本公开提供的上述方法的步骤。
本公开还提供一种电子设备,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现本公开提供的上述方法的步骤。
本公开还提供一种刀具损耗检测装置,包括本公开提供的上述电子设备。
通过上述技术方案,使用主成分分析方法对采集到的扭矩数据和弯矩数据进行分析,以获得第一主成分宽度。第一主成分宽度反映了使用刀具进行作业的过程中作用在刀具上的力矩的变化。与刀具在较新状态下的作业过程相比,若作用在该刀具上的力矩变化较大,则说明刀具的磨损或形变程度较大。由此,第一主成分宽度的大小体现了刀具磨损的程度,可以根据第一主成分宽度确定刀具的磨损情况,供操作人员参考。并且,因本方案中仅根据第一主成分宽度的大小来确定刀具的损耗,即分析过程仅需利用刀具在作业时的扭矩数据和弯矩数据,因此,计算量小,处理速度快。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据本公开一示例性实施例示出的一种刀具损耗检测方法的流程图。
图2是一示例性实施例示出的铣刀进行铣削作业的过程中作用在铣刀上的扭矩的波形图。
图3是一示例性实施例示出的铣刀进行铣削作业的过程中作用在铣刀上的弯矩的波形图。
图4是一示例性实施例示出的刀具在一作业周期内扭矩和弯矩的分布图。
图5是一示例性实施例示出的试验刀具在14个作业周期内扭矩和弯矩的分布图。
图6是本公开一实施例中删除扭矩波形中无效数据的示意图。
图7是本公开一实施例中删除弯矩波形中无效数据的示意图。
图8是一示例性实施例示出的作业周期数与第一主成分宽度之间的对应关系的示意图。
图9示出了图5的实施例中第1作业周期、第9作业周期中扭矩和弯矩的分布以及描述第1作业周期、第9作业周期对应的第二对应关系的直方图。
图10为图5的实施例中第三对应关系的曲线的示意图。
图11示出了一示例性实施例示出的第一主成分与数据量的第二对应关系的直方图。
图12示出了图5的实施例中各个作业周期对应的直方图的左边缘和右边缘的第一主成分的数值。
图13为本公开提供的一种刀具损耗检测装置的结构框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
需要说明的是,本公开中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
图1是根据本公开一示例性实施例示出的一种刀具损耗检测方法的流程图。如图1所示,该刀具损耗检测方法包括步骤S101至步骤S103。
在步骤S101中,对刀具在当前作业周期内的扭矩数据和弯矩数据进行采样。
在步骤S102中,使用主成分分析方法对采集到的扭矩数据和弯矩数据进行分析,以获得第一主成分宽度,其中,第一主成分宽度为第一主成分最小值与第一主成分最大值之差的绝对值。
在步骤S103中,根据所获得的第一主成分宽度确定刀具的损耗。
应用本公开提供的刀具损耗检测方法进行损耗检测的刀具可以是铣刀。图2是一示例性实施例示出的铣刀进行铣削作业的过程中,作用在铣刀上的扭矩的波形图。图3是一示例性实施例示出的铣刀进行铣削作业的过程中,作用在铣刀上的弯矩的波形图。其中,图2、图3中的横轴表示时间,纵轴表示扭矩或弯矩的大小。如图2、图3所示,在铣刀进行铣削作业的过程中,作用在铣刀上的扭矩和弯矩随时间波动。在步骤S101中,对刀具在当前作业周期中的扭矩数据和弯矩数据进行采样。例如,可以以一定频率对作用在刀具上的扭矩数据和弯矩数据进行采样。在采集作用在刀具上的扭矩数据和弯矩数据时,可以针对每一采样时刻,采集该采样时刻作用在刀具上的扭矩数据和弯矩数据。
图4是一示例性实施例示出的刀具在某一作业周期内扭矩和弯矩的分布图。在步骤S101中,针对每一个采样时刻,采集与该时刻对应的扭矩数据和弯矩数据,该时刻采集到的扭矩数据和弯矩数据作为图4中的一个数据点。如图4所示,每一个数据点的横坐标表示在使用刀具进行加工的过程中某一采样时刻刀具受到的弯矩大小,该数据点的纵坐标表示刀具在该采样时刻受到的扭矩大小。图5是一示例性实施例示出的试验刀具(与被检测损耗的刀具可以为同一型号刀具)在第1作业周期到第14作业周期这十四个作业周期内扭矩和弯矩的分布图。由图4和图5可知,刀具在作业过程中,作用在刀具上的扭矩数据和弯矩数据存在相关性。
可以使用主成分分析(Principal Component Analysis,PCA)方法对采集到的扭矩数据和弯矩数据进行分析。例如,以图4所示的各个数据点作为原始数据,进行主成分分析。经主成分分析后,可以获得第一主成分最小值和第一主成分最大值。其中,第一主成分最小值是原始数据点投影到第一主轴上对应的坐标值最小的值,第一主成分最大值是原始数据点投影到第一主轴上对应的坐标值最大的值。需要说明的是,第一主轴是指原始数据经主成分分析之后得到的新坐标系中使各原始数据点投影至该轴后得到的数据方差最大的轴。
第一主成分宽度为第一主成分最小值与第一主成分最大值之差的绝对值。随着刀具的使用、损耗,刀具可能会发生形变,由于刀具自身的变化,使得使用刀具进行铣削作业的过程中,作用到刀具上的扭矩数据和弯矩数据也发生变化。随着刀具的使用,依据上述步骤S101和S102对在作业周期内采集到的作用在刀具上的扭矩数据和弯矩数据进行分析后所得到的第一主成分宽度会逐渐增大。第一主成分宽度越大,则刀具的损耗越大,反之,第一主成分宽度越小,则刀具的损耗越小。可以根据所获得的第一主成分宽度确定刀具的损耗。
在一种实施方式中,可以利用新铣刀以及损耗较大的铣刀进行测试以获得判断刀具损耗的依据。
例如,对新铣刀在作业周期内的扭矩数据和弯矩数据进行采样,并使用主成分分析方法对采集到的扭矩数据和弯矩数据进行分析得到第一主成分宽度,并将该第一主成分宽度作为第一测试结果。
然后,对使用损耗较大的铣刀在作业周期内的扭矩数据和弯矩数据进行采样,并使用主成分分析方法对采集到的扭矩数据和弯矩数据进行分析得到第一主成分宽度,并将该第一主成分宽度作为第二测试结果。
可以用第二测试结果减去第一测试结果,将得到的差值作为判断依据。
那么,在步骤S103执行的过程中,可以先确定出步骤S102中所获得的第一主成分宽度与第一测试结果的差值,再根据该差值除以上述判断依据(第二测试结果减去第一测试结果)得到的商确定刀具的损耗。
通过上述技术方案,使用主成分分析方法对采集到的扭矩数据和弯矩数据进行分析,以获得第一主成分宽度。第一主成分宽度反映了使用刀具进行作业的过程中作用在刀具上的力矩的变化。与刀具在较新状态下的作业过程相比,若作用在该刀具上的力矩变化较大,则说明刀具的磨损或形变程度较大。由此,第一主成分宽度的大小体现了刀具磨损的程度,可以根据第一主成分宽度确定刀具的磨损情况,供操作人员参考。并且,因本方案中仅根据第一主成分宽度的大小来确定刀具的损耗,即分析过程仅需利用刀具在作业时的扭矩数据和弯矩数据,因此,计算量小,处理速度快。
在又一实施例中,方法还包括:
若所获得的第一主成分宽度大于宽度阈值,输出用于指示刀具的损耗过大的提示消息。
可以预先设定宽度阈值,当在步骤S102中获得的第一主成分宽度大于宽度阈值时,可以认为刀具的损耗过大。在所获得的第一主成分宽度大于阈值的情况下,可以输出提示消息,来指示刀具的损耗过大。在一种实施方式中,提示消息可以是声光消息。例如,当所获得的第一主成分宽度大于宽度阈值时,可以控制刀具监测终端亮起预定颜色的灯光,以提示技术人员刀具的损耗过大。
对于宽度阈值的设定,可以参考上文所述的第二测试结果进行设定。例如,可以将宽度阈值预定为第二测试结果的95%。
该实施例中,在所获得的第一主成分宽度大于宽度阈值的情况下,输出用于指示刀具的损耗过大的提示消息,这样,当刀具的损耗过大时,能够对技术人员作出提醒,以使技术人员能够及时对刀具进行更换,保证工件的加工质量。
在又一实施例中,对刀具在当前作业周期内的扭矩数据和弯矩数据进行采样,包括:
获取刀具在当前作业周期内的扭矩数据和弯矩数据;
删除所获取的扭矩数据和弯矩数据中的无效数据;
对删除无效数据后的扭矩数据和弯矩数据进行采样。
在使用刀具进行当前作业周期内的作业时,在开始作业的作业初期、以及接近结束作业的作业末期,刀具的扭矩数据和弯矩数据可能存在不稳定的情况。如图2、图3所示,在开始作业的0-1.25秒,刀具的扭矩和弯矩并不稳定,可以将刀具在开始作业的0-1.25秒的扭矩数据和弯矩数据作为无效数据删除,对删除无效数据后的扭矩数据和弯矩数据进行采样。例如,对于图2、图3所示的作用在刀具上的弯矩和扭矩,可以对在使用刀具开始作业1.25秒后作用在刀具上的扭矩数据和弯矩数据进行采样。
该实施例中,删除所获取的扭矩数据和弯矩数据中的无效数据,对删除无效数据后的扭矩数据和弯矩数据进行采样,进而,基于删除无效数据后采集到的扭矩数据和弯矩数据进行主成分分析,获得的第一主成分宽度能够更准确地反映出刀具的损耗。
在又一实施例中,删除所获取的扭矩数据和弯矩数据中的无效数据,包括:
将所获取的扭矩数据和弯矩数据中,扭矩数据的数值首次大于等于扭矩阈值的时刻之前的数据(包括扭矩数据和弯矩数据)删除,或者,将所获取的扭矩数据和弯矩数据中,弯矩数据的数值首次大于等于弯矩阈值的时刻之前的数据(包括扭矩数据和弯矩数据)删除。
其中,扭矩阈值为所获取的扭矩数据中数值大小处于第一分位阈值的数值,弯矩阈值为所获取的弯矩数据中数值大小处于第二分位阈值的数值。
第一分位阈值和第二分位阈值可以是预设的数值。例如,可以将第一分位阈值和第二分位阈值预设为第三四分位数(即75%)。
在一种实施方式中,当预设的第一分位阈值为第三四分位数时,可以基于以下方法删除所获取的扭矩数据和弯矩数据中的无效数据:
采用四分位数方法,确定当前作业周期中作用在刀具上的扭矩的第三四分位数;
将所获取的扭矩数据和弯矩数据中,扭矩数据的数值首次大于等于第三四分位数的时刻之前的数据删除。
图6是本公开一实施例中删除扭矩波形中无效数据的示意图。如图6所示,若扭矩数据的数值首次大于等于扭矩阈值(即所获取的扭矩数据中数值大小处于第一分位阈值的数值)的时刻为1.25秒,可以将图6所示的扭矩波形中1.25秒之前(虚线框内)的波形作为无效数据删除,并将弯矩波形中1.25秒之前的波形作为无效数据删除。类似地,图7中,弯矩数据的数值首次大于等于弯矩阈值(即所获取的弯矩数据中数值大小处于第二分位阈值)的时刻为1.25秒,可以将图7所示的弯矩波形中1.25秒之前(虚线框内)的波形作为无效数据删除,并将扭矩波形中1.25秒之前的波形作为无效数据删除。
在一种实施方式中,在扭矩数据的数值首次大于等于扭矩阈值的时刻与弯矩数据的数值首次大于等于弯矩阈值的时刻不一致时,可以将扭矩数据的数值首次大于等于扭矩阈值的时刻和弯矩数值的数值首次大于等于弯矩阈值的时刻中,时间上靠后的时刻作为有效数据的起始点,删除有效数据的起始点之前的数据。例如,扭矩数据的数值首次大于等于扭矩阈值的时刻为1.30秒。弯矩数据的数值首次大于等于弯矩阈值的时刻为1.25秒,可以将扭矩数据和弯矩数据中1.30秒之前的数据作为无效数据删除。
需要说明的是,也可以将第一分位阈值和第二分位阈值预设为第三四分位数之外的其他值,如,可以视情况将第一分位阈值和第二分位阈值预设为70%。
该实施例中,将所获取的扭矩数据和弯矩数据中,扭矩数据的数值首次大于等于扭矩阈值的时刻之前的数据删除,或者将所获取的扭矩数据和弯矩数据中,弯矩数据的数值首次大于等于弯矩阈值的时刻之前的数据删除,使得删除无效数据后的扭矩数据和弯矩数据能够更准确地反映出刀具在作业过程中的受力情况,依据删除无效数据后的扭矩数据和弯矩数据进行采样分析,确定出的刀具损耗情况更准确。
在又一实施例中,对删除无效数据后的扭矩数据和弯矩数据进行采样,包括:
针对删除无效数据后的扭矩数据和弯矩数据,等频率地从当前作业周期末尾时刻向前采样,直至样本量达到样本量阈值。
可以预设样本量阈值,例如,可以将样本量阈值预设为3000。样本量阈值即需要采集的样本量。在作业过程中,作用在刀具上的、同一时刻对应的扭矩和弯矩为一个样本。
可以针对删除无效数据后的扭矩数据和弯矩数据,等频率地从当前作业周期末尾向前采样,这样采集到的样本是一个作业周期内后期的数据,反映了刀具在当前作业周期后期的受力情况,确定出的损耗更准确。
在又一实施例中,根据所获得的第一主成分宽度确定刀具的损耗,包括:
获取刀具从第一次使用开始计数的作业周期数和第一主成分宽度的第一对应关系;
根据第一对应关系和所获得的第一主成分宽度,确定刀具的当前作业周期数,将当前作业周期数作为刀具的损耗。
第一对应关系即作业周期数与第一主成分关系之间的对应关系。若已知第一对应关系和所获得的第一主成分宽度,则可以计算出刀具的当前作业周期数。
当前作业周期数是指从刀具被第一次使用至刀具的扭矩数据和弯矩数据被采样分析时,刀具完成的作业周期的数量。例如,刀具从第一次使用至刀具的扭矩数据和弯矩数据被采样分析时,刀具完成的作业周期的数量为5,则当前作业周期数为5。
由于刀具的当前作业周期数表示刀具从第一次使用开始计数的已使用的作业周期数,因此,当前作业周期数的数值越大,则刀具的损耗越大,反之,当前作业周期数的数值越小,则刀具的损耗越小。
可以将当前作业周期数作为刀具的损耗。例如,当前周期数为9,则刀具的损耗为9,当前周期数为14,则刀具的损耗为14。损耗为14的刀具比损耗为9的刀具损耗更大。
该实施例中,能够利用预先确定出的刀具作业周期数和第一主成分宽度之间的第一对应关系,简单快速地计算出刀具的当前作业周期数,并直接根据当前作业周期数来确定刀具的损耗,方法简单,处理速度快。
在一种实施方式中,方法还可以包括:
对试验刀具在从第一次使用开始计数的M个作业周期内的训练用的扭矩数据和训练用的弯矩数据进行采样;
针对M个作业周期中的每一作业周期,使用主成分分析方法对训练用的扭矩数据和训练用的弯矩数据进行分析,以获得训练用第一主成分宽度;
根据M个作业周期的作业周期数和训练用第一主成分宽度,对第一对应关系中的参数进行拟合,以确定第一对应关系的关系式。
也就是,在对刀具进行损耗测试之前,可以预先利用试验刀具进行训练,得到上述的第一对应关系。与作业周期数对应的训练用第一主成分宽度的确定方法与步骤S101至步骤S102执行的步骤类似。即对相应的作业周期内的刀具的扭矩数据和弯矩数据进行采样,之后使用主成分分析方法对采集到的扭矩数据和弯矩数据进行分析,得到该作业周期数对应的训练用第一主成分宽度。
如图8所示,可以根据不同的作业周期数对应的训练用第一主成分宽度,拟合出用于表示作业周期数与第一主成分宽度之间对应关系的曲线。可以用函数表达这条拟合出的曲线。也就是说,第一对应关系可以是作业周期数与第一主成分宽度之间的函数关系。
在一种实施方式中,第一对应关系可以用指数模型描述,其关系式可以用如下公式表示:
(1)
其中,为第一主成分宽度,/>为自然常数,/>为第一常数、/>为第二常数,/>为第三常数,/>为作业周期数。
拟合参数可以包括公式(1)中的第一常数、第二常数/>、第三常数/>。
又例如,如果第一对应关系用二次函数模型描述,可用如下公式表示:
(2)
其中,为二次项系数,/>为第四常数。则拟合参数可以包括公式(2)中的二次项系数/>、第四常数/>。
对第一对应关系的关系式中的参数进行拟合即确定拟合参数的值,可以基于第一对应关系的表达式模型、各作业周期数对应的第一主成分宽度确定拟合参数。例如,第一对应关系的表达式模型为公式(1),可以依据各作业周期数对应的第一主成分宽度(如图8中,与14个作业周期数对应的14组数据)确定出第一常数、第二常数、第三常数的值。例如,经过对图8所示的14组数据进行拟合后,确定出第一常数为1.39、第二常数为0.25、第三常数为77。
例如,预设M的数值为14。针对14个作业周期中的每一作业周期,使用主成分分析方法对各作业周期内采集到的扭矩数据和弯矩数据进行分析,以获得与各个作业周期对应的训练用第一主成分宽度。
对14个作业周期的作业周期数和训练用第一主成分宽度的对应关系进行拟合,得到拟合参数,作为(待检测)刀具从第一次使用开始计数的作业周期数和第一主成分宽度的第一对应关系中的参数。
可以根据如公式(1)或公式(2)所示的、第一对应关系使用的模型对14个作业周期的作业周期数和训练用第一主成分宽度的对应关系进行拟合,得到拟合参数,作为(待检测)刀具从第一次使用开始计数的作业周期数和第一主成分宽度的第一对应关系中的参数。
在一种实施方式中,该方法还可以包括:确定刀具的最大可用作业周期数;根据最大可用作业周期数、第一对应关系和所获得的第一主成分宽度,确定刀具的剩余寿命。
最大可用作业周期数是指刀具从第一次开始使用至使用寿命耗尽能够完成的作业周期的数量。可以参考同型号刀具实际作业产生的历史数据,例如,基于大量同型号刀具从第一次开始使用至使用寿命耗尽完成的作业周期的数量,确定出最大可用作业周期数。例如,刀具从第一次开始使用至使用寿命耗尽完成的作业周期的数量大部分位于9个周期至12个周期这一区间内,则可以选取9或12作为最大可用作业周期数,或者统计出完成的作业周期数量的平均值作为最大可用作业周期数。最大可用作业周期数可以是整数,也可以不是整数。
图8是一示例性实施例示出的作业周期数与第一主成分宽度之间的对应关系的示意图。图8中每一个数据点(图中的圆点)表示与不同的作业周期数对应的第一主成分宽度。
如图8所示,在一次试验中,与刀具完成的第一个作业周期(即作业周期数为1)对应的第一主成分宽度为79;与刀具完成的第二个作业周期(即作业周期数为2)对应的第一主成分宽度为80;与刀具完成的第三个作业周期(即作业周期数为3)对应的第一主成分宽度为83。
根据最大可用作业周期数、第一对应关系和所获得的第一主成分宽度,确定刀具的剩余寿命。
例如,刀具已使用寿命可根据如下公式表示:
(3)
其中,为已使用寿命,/>为当前作业周期数,/>为最大可用作业周期数。
若刀具已使用寿命与剩余寿命之和为100%,则刀具剩余寿命可根据如下公式表示:
(4)
其中,为刀具的剩余寿命。
根据公式(3)和公式(4)可得:
(5)
由此,公式(5)描述了当前作业周期数、最大可用作业周期数以及刀具剩余寿命之间的关系。
将公式(5)代入至第一对应关系的表达式公式(1)中,可得:
(6)
对公式(6)整理可得:
(7)
由此,利用公式(7)则可以根据最大可用作业周期数、第一对应关系和所获得的第一主成分宽度,确定刀具的剩余寿命。
需要说明的是,在一种实施方式中,第一对应关系的表达式还可以是公式(2),则可以将公式(5)代入到公式(2)中,确定出剩余寿命的确定公式,并利用该剩余寿命的确定公式,确定刀具的剩余寿命。
该实施例中,根据最大可用作业周期数、第一对应关系和所获得的第一主成分宽度,确定刀具的剩余寿命,能够准确确定出刀具的剩余寿命,便于技术人员根据刀具的剩余寿命安排作业计划。
在又一实施例中,还可以根据刀具的最大可用作业周期数和当前作业周期数,确定刀具的剩余寿命。
当刀具的当前作业周期数为最大可用作业周期数时,确定刀具的剩余寿命为零。当刀具的当前作业周期数为零时,确定刀具的剩余寿命为100%。当刀具的当前作业周期数小于最大可用作业周期数且大于零时,可以采用预定的计算方法来确定刀具的剩余寿命。例如,可以直接根据上述公式(5)来确定出刀具的剩余寿命。
该实施例中,根据刀具的最大可用作业周期数和当前作业周期数,确定刀具的剩余寿命,方法简单,准确性较高。
在又一实施例中,确定刀具的最大可用作业周期数,包括:
对试验刀具在从第一次使用开始计数的M个作业周期内的训练用的扭矩数据和训练用的弯矩数据进行采样;
针对M个作业周期中的每一作业周期,使用主成分分析方法对训练用的扭矩数据和训练用的弯矩数据进行分析,以获得训练用第一主成分的分区区间与训练用的扭矩数据和训练用的弯矩数据的数据量的第二对应关系;
针对M个作业周期中的每一作业周期,根据第二对应关系确定数据量的左峰峰值和右峰峰值的峰值差,其中,左峰峰值为在第一主成分的数值小于等于第一阈值的第一主成分区间中,对应数据量最大的区间所对应的数据量,右峰峰值为在第一主成分的数值大于等于第二阈值的第一主成分区间中,对应数据量最大的区间所对应的数据量,第二阈值大于第一阈值;
确定M个作业周期的作业周期数和峰值差的第三对应关系;
根据第三对应关系,确定峰值差首次小于峰值差阈值时所对应的作业周期数,作为刀具的最大可用作业周期数。
试验刀具即用于试验的刀具,可以为与被检测损耗程度的刀具同一型号的刀具。M为进行试验的作业周期的数量,可以由技术人员预设,应为大于最大可用作业周期数的值。由于最大可用作业周期数并没有被确定出来,技术人员可以根据经验确定M的值。下面以M的值为14进行举例。
可以对试验刀具在从第一次使用开始计数的14个作业周期内的扭矩数据和弯矩数据进行采样。也就是,针对从试验刀具第一次开始使用完成的第1作业周期至试验刀具完成的第14作业周期,共14个作业周期的弯矩数据和扭矩数据进行采样。采样后可作出如图5所示的试验刀具在14个作业周期内扭矩在弯矩上的分布图。
之后,针对14个作业周期中的每一作业周期,使用主成分分析方法对试验刀具的扭矩数据和弯矩数据进行分析,以获得训练用第一主成分的分区区间与数据量的第二对应关系。
第二对应关系可以采用直方图来描述,如图11所示的直方图。该直方图中,位于最左侧的第一主成分箱体对应的数值区间的左端点的数值为该直方图的左边缘,位于最右侧的第一主成分箱体对应的数值区间的右端点的数值为该直方图的右边缘,直方图的左右边缘之间的差值的绝对值即为第一主成分宽度。其中,位于最左侧的第一主成分箱体和位于最右侧的第一主成分箱体是针对包含有数据的第一主成分箱体而言的。如图11所示,该直方图的左边缘为-26.15,右边缘为58.46。
另外,在确定拟合参数的过程中,对于试验刀具进行作业的M个作业周期中的每一作业周期,使用主成分分析方法对采集到的扭矩数据和弯矩数据进行分析以获得训练用第一主成分宽度时,可以先确定出各个作业周期中第一主成分的分区区间与数据量的第二对应关系,作出与各个作业周期对应的用于描述第二对应关系的直方图。再根据各个作业周期对应的直方图的左边缘和右边缘,确定出各个作业周期对应的训练用第一主成分宽度。如图12,示出了各个作业周期对应的直方图的左边缘和右边缘的第一主成分的数值。如图12所示,作业周期数为9时直方图的左右边缘相对于作业周期数为8时发生了明显的位移。
需要说明的是,第一主成分的分布区间与数据量的第二对应关系用于描述采样到的数据投影到第一主轴上的分布情况。
下面以图5中试验刀具在第1作业周期内扭矩在弯矩上的分布以及试验刀具在第9作业周期内扭矩在弯矩上的分布为例,对所获得的第二对应关系作出说明。
图9中,左上角的分布图为第1作业周期内扭矩在弯矩上的分布,右上角的直方图展示了基于该分布中的数据点进行主成分分析后得到的第一主成分的分区区间与数据量的第二对应关系。
可以对图9中左上角的分布图中的数据点利用主成分分析方法进行分析,得到新的坐标系。图9中左上角的分布图中的每一数据点在新坐标系中的横坐标值(即数据点在第一主轴上的投影在第一主轴上的坐标)即为第一主成分数值。第二对应关系用于描述第一主成分数值的分布情况,可以通过图9中右上角的直方图进行描述。图9中右上角的直方图描述了图9中左上角的分布图中的数据点对应的第一主成分数值的分布情况。数据量为与不同的第一主成分的分区区间对应的数据点的数量。如图9中右上角的直方图所示,该直方图的横轴表示第一主成分,纵轴表示对应于第一主成分的分区区间的数据点的数量。
图9中,左下角的分布图为第9作业周期内扭矩在弯矩上的分布,右下角的直方图展示了基于该分布中的数据点进行主成分分析后得到的第一主成分的分区区间与数据量的第二对应关系。
需要说明的是,在一种实施方式中,第二对应关系可以采用其他形式进行描述,并不限定是直方图,例如,可以利用连续的曲线用于描述第二对应关系。
在确定14个作业周期中每一作业周期对应的第二对应关系后,可以确定每一作业周期的第二对应关系中左峰峰值和右峰峰值的峰值差。
左峰峰值为在第一主成分的数值小于等于第一阈值的第一主成分区间中,对应数据量最大的区间所对应的数据量,右峰峰值为在第一主成分的数值大于等于第二阈值的第一主成分区间中,对应数据量最大的区间所对应的数据量,第二阈值大于第一阈值。
技术人员可以根据实际情况预设第一阈值和第二阈值。例如,在一种实施方式中,可以将第一阈值和第二阈值分别预设为-15和15。则左峰峰值为第一主成分的数值小于等于-15的第一主成分区间中,对应数据量最大的区间所对应的数据量。右峰峰值为第一主成分的数值大于等于15的第一主成分区间所对应的数据量。
左峰峰值和右峰峰值的峰值差即左峰峰值和右峰峰值之间的差值。在确定出各个作业周期(14个作业周期)的第二对应关系中左峰峰值和右峰峰值的峰值差后,可以确定14个作业周期的作业周期数和峰值差的第三对应关系。图10为描述第三对应关系的曲线的示意图。
根据第三对应关系,确定峰值差首次小于峰值差阈值时所对应的作业周期数,作为刀具的最大可用作业周期数。峰值差阈值可以是预设的,例如,在一种实施方式中,峰值差阈值可以预设为0,则根据图10所示的第三对应关系的曲线,当峰值差首次小于峰值差阈值时,对应的作业周期数为8.9。由此,可以确定出最大作业周期数为8.9。
根据该实施例中提供的方法,能够准确确定最大作业周期数,以使依据确定出的最大作业周期数能够确定出准确的刀具的剩余寿命。
在又一实施例中,对试验刀具在从第一次使用开始计数的M个作业周期内的训练用的扭矩数据和训练用的弯矩数据进行采样,包括:
获取试验刀具在从第一次使用开始计数的M个作业周期内的训练用的扭矩数据和训练用的弯矩数据;
删除训练用的扭矩数据和训练用的弯矩数据中的无效数据;
对删除无效数据后的扭矩数据和弯矩数据进行采样。
也就是说,采集试验刀具在M个周期内受到的扭矩数据和弯矩数据时,可以删除所获取的数据中的无效数据,基于删除无效数据后的扭矩数据和弯矩数据进行采样。这样,依据采集到的数据确定出的最大可用作业周期数、拟合参数能够让用于确定剩余寿命的第一对应关系的表达式更准确。
本公开还提供一种刀具损耗检测方法,该刀具损耗检测方法包括训练阶段和检测阶段。
训练阶段的步骤包括:
(a)获取试验刀具从开始使用至使用量超过使用寿命过程中的训练用的弯矩数据和训练用的扭矩数据;
(b)根据弯矩数据波形变化,对作业周期进行切分;
(c)对切分完成后每个作业周期的扭矩数据和弯矩数据进行预处理,删除无效数据;
(d)对试验刀具在从第一次使用开始计数的N个作业周期内训练用的扭矩数据和训练用的弯矩数据进行采样,N为对将试验刀具从开始使用至使用量超过使用寿命过程切分出的作业周期的总数;
(e)针对N个作业周期中的每一作业周期,使用主成分分析方法对训练用的扭矩数据和训练用的弯矩数据进行分析,以获得第一主成分的分区区间与数据量的第二对应关系以及第一主成分宽度;
(f)依据公式(1)所示的第一对应关系的指数模型,根据N个作业周期的数据,对作业周期数与第一主成分宽度的对应关系进行拟合,得到拟合参数,即拟合出公式(1)中第一常数、第二常数/>、第三常数/>的值;
(g)针对N个作业周期中的每一作业周期,根据第二对应关系确定数据量的左峰峰值和右峰峰值的峰值差;确定N个作业周期的作业周期数和峰值差的第三对应关系;根据第三对应关系,确定峰值差首次小于峰值差阈值时所对应的作业周期数,作为刀具的最大可用作业周期数;
(h)由公式(1)所示的第一对应关系的指数模型,以及步骤(f)和步骤(g)中确定的第一常数、第二常数/>、第三常数/>、最大可用作业周期数/>的值,得到刀具剩余寿命检测模型:/>
(i)使用步骤(h)得到的刀具剩余寿命检测模型,确定使剩余寿命等于第一寿命阈值(如0%)的第一主成分宽度,作为用于报警的宽度阈值。
检测阶段的步骤包括:
(j)对待检测的刀具在当前作业周期内的扭矩数据和弯矩数据进行采样;
(k)使用主成分分析方法对采集到的扭矩数据和弯矩数据进行分析,以获得第一主成分宽度;
(l)根据步骤(k)中获得的第一主成分宽度以及步骤(h)中所确定的刀具剩余寿命检测模型确定待检测刀具的剩余寿命;
(m)若步骤(k)中获得的第一主成分宽度大于宽度阈值,则进行报警,提示刀具损耗过大。
本公开还提供一种刀具损耗检测装置,包括本公开提供的上述电子设备。该刀具损耗检测装置如图13所示,该刀具损耗检测装置包括刀具监测终端与数据平台两部分。刀具监测终端具备数据采集、刀具损耗检测、报警功能;数据平台包括消息队列、数据库、算法引擎与数据服务四个模块。消息队列用于对消息进行缓存,数据库用于存储刀具数据(包括刀具作业周期内的弯矩数据和扭矩数据)、模型数据(包括刀具剩余寿命检测模型的数据),算法引擎负责生成刀具剩余寿命检测模型,数据服务模块提供应用程序接口(ApplicationProgramming Interface,API)来对外提供查询服务。
刀具损耗检测装置有两种模式:训练模式和监测模式。训练模式用于执行刀具损耗检测方法训练阶段的步骤,工作流程如下:开启训练模式后,刀具监测终端实时采集刀具数据,并把刀具数据缓存在本地,周期性地将数据以JSON格式上报到数据平台的消息队列中进行缓存;然后将数据保存到数据库中;当在刀具监测终端操作终止数据采集并发送训练请求时,算法引擎将这期间采集的刀具数据查询出来进行模型训练,得到刀具剩余寿命检测模型,并保存到数据库中。
监测模式用于执行检测阶段的步骤,工作流程如下:刀具监测终端请求数据平台的数据服务模块,获取刀具剩余寿命检测模型,然后缓存到刀具监测终端本地;之后,刀具监测终端采集待测的刀具的数据,并缓存到本地,然后周期性地确定刀具在当前作业周期内的数据的第一主成分宽度,并将确定出的第一主成分宽度代到刀具剩余寿命检测模型中,确定刀具的剩余寿命。
本公开还提供一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的刀具损耗检测方法的步骤。
本公开还提供一种电子设备,包括:
存储器,其上存储有计算机程序;
处理器,用于执行存储器中的计算机程序,以实现上述的刀具损耗检测方法的步骤。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (13)
1.一种刀具损耗检测方法,其特征在于,包括:
对所述刀具在当前作业周期内的扭矩数据和弯矩数据进行采样;
使用主成分分析方法对采集到的扭矩数据和弯矩数据进行分析,以获得第一主成分宽度,其中,所述第一主成分宽度为第一主成分最小值与第一主成分最大值之差的绝对值;
根据所获得的第一主成分宽度确定所述刀具的损耗。
2.根据权利要求1所述的方法,其特征在于,所述对所述刀具在当前作业周期内的扭矩数据和弯矩数据进行采样,包括:
获取所述刀具在当前作业周期内的扭矩数据和弯矩数据;
删除所获取的扭矩数据和弯矩数据中的无效数据;
对删除无效数据后的扭矩数据和弯矩数据进行采样。
3.根据权利要求2所述的方法,其特征在于,所述删除所获取的扭矩数据和弯矩数据中的无效数据,包括:
将所获取的扭矩数据和弯矩数据中,扭矩数据的数值首次大于等于扭矩阈值的时刻之前的数据删除,或者,将所获取的扭矩数据和弯矩数据中,弯矩数据的数值首次大于等于弯矩阈值的时刻之前的数据删除;
其中,所述扭矩阈值为所获取的扭矩数据中数值大小处于第一分位阈值的数值,所述弯矩阈值为所获取的弯矩数据中数值大小处于第二分位阈值的数值。
4.根据权利要求2所述的方法,其特征在于,所述对删除无效数据后的扭矩数据和弯矩数据进行采样,包括:
针对删除无效数据后的扭矩数据和弯矩数据,等频率地从当前作业周期末尾时刻向前采样,直至样本量达到样本量阈值。
5.根据权利要求1所述的方法,其特征在于,所述根据所获得的第一主成分宽度确定所述刀具的损耗,包括:
获取所述刀具从第一次使用开始计数的作业周期数和所述第一主成分宽度的第一对应关系;
根据所述第一对应关系和所获得的第一主成分宽度,确定所述刀具的当前作业周期数,将所述当前作业周期数作为所述刀具的损耗。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
对试验刀具在从第一次使用开始计数的M个作业周期内的训练用的扭矩数据和训练用的弯矩数据进行采样;
针对所述M个作业周期中的每一作业周期,使用主成分分析方法对所述训练用的扭矩数据和所述训练用的弯矩数据进行分析,得到训练用第一主成分宽度;
根据所述M个作业周期的作业周期数和所述训练用第一主成分宽度,对所述第一对应关系中的参数进行拟合,以确定所述第一对应关系的关系式。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
确定所述刀具的最大可用作业周期数;
根据所述最大可用作业周期数、所述第一对应关系和所获得的第一主成分宽度,确定所述刀具的剩余寿命。
8.根据权利要求7所述的方法,其特征在于,所述确定所述刀具的最大可用作业周期数,包括:
对试验刀具在从第一次使用开始计数的M个作业周期内的训练用的扭矩数据和训练用的弯矩数据进行采样;
针对所述M个作业周期中的每一作业周期,使用主成分分析方法对所述训练用的扭矩数据和所述训练用的弯矩数据进行分析,得到训练用第一主成分的分区区间与所述训练用的扭矩数据和所述训练用的弯矩数据的数据量的第二对应关系;
针对所述M个作业周期中的每一作业周期,根据所述第二对应关系确定所述数据量的左峰峰值和右峰峰值的峰值差,其中,所述左峰峰值为在第一主成分的数值小于等于第一阈值的第一主成分区间中,对应数据量最大的区间所对应的数据量,所述右峰峰值为在第一主成分的数值大于等于第二阈值的第一主成分区间中,对应数据量最大的区间所对应的数据量,所述第二阈值大于所述第一阈值;
确定所述M个作业周期的作业周期数和所述峰值差的第三对应关系;
根据所述第三对应关系,确定所述峰值差首次小于峰值差阈值时所对应的作业周期数,作为所述刀具的最大可用作业周期数。
9.根据权利要求8所述的方法,其特征在于,所述对试验刀具在从第一次使用开始计数的M个作业周期内的训练用的扭矩数据和训练用的弯矩数据进行采样,包括:
获取试验刀具在从第一次使用开始计数的M个作业周期内的训练用的扭矩数据和训练用的弯矩数据;
删除所述训练用的扭矩数据和所述训练用的弯矩数据中的无效数据;
对删除无效数据后的扭矩数据和弯矩数据进行采样。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所获得的第一主成分宽度大于宽度阈值,输出用于指示所述刀具损耗过大的提示消息。
11.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-10中任一项所述方法的步骤。
12.一种电子设备,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1-10中任一项所述方法的步骤。
13.一种刀具损耗检测装置,其特征在于,包括权利要求12所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310972825.9A CN116673793B (zh) | 2023-08-03 | 2023-08-03 | 刀具损耗检测方法、介质、电子设备及刀具损耗检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310972825.9A CN116673793B (zh) | 2023-08-03 | 2023-08-03 | 刀具损耗检测方法、介质、电子设备及刀具损耗检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116673793A true CN116673793A (zh) | 2023-09-01 |
CN116673793B CN116673793B (zh) | 2023-11-14 |
Family
ID=87779577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310972825.9A Active CN116673793B (zh) | 2023-08-03 | 2023-08-03 | 刀具损耗检测方法、介质、电子设备及刀具损耗检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116673793B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5374011A (en) * | 1991-11-13 | 1994-12-20 | Massachusetts Institute Of Technology | Multivariable adaptive surface control |
CN106845392A (zh) * | 2017-01-18 | 2017-06-13 | 华中科技大学 | 一种基于众包轨迹的室内转角地标的匹配及识别方法 |
US20190227528A1 (en) * | 2018-01-24 | 2019-07-25 | Milwaukee Electric Tool Corporation | Power tool including a machine learning block |
CN111982149A (zh) * | 2020-08-20 | 2020-11-24 | 歌尔科技有限公司 | 一种计步识别方法、装置、设备及可读存储介质 |
CN113323676A (zh) * | 2021-06-03 | 2021-08-31 | 上海市隧道工程轨道交通设计研究院 | 用主成分分析-长短记忆模型确定盾构机刀盘扭矩的方法 |
CN115186571A (zh) * | 2022-05-15 | 2022-10-14 | 西北工业大学 | 一种基于Bi-GRU网络的不同工况下刀具剩余使用寿命预测方法 |
-
2023
- 2023-08-03 CN CN202310972825.9A patent/CN116673793B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5374011A (en) * | 1991-11-13 | 1994-12-20 | Massachusetts Institute Of Technology | Multivariable adaptive surface control |
CN106845392A (zh) * | 2017-01-18 | 2017-06-13 | 华中科技大学 | 一种基于众包轨迹的室内转角地标的匹配及识别方法 |
US20190227528A1 (en) * | 2018-01-24 | 2019-07-25 | Milwaukee Electric Tool Corporation | Power tool including a machine learning block |
CN111982149A (zh) * | 2020-08-20 | 2020-11-24 | 歌尔科技有限公司 | 一种计步识别方法、装置、设备及可读存储介质 |
CN113323676A (zh) * | 2021-06-03 | 2021-08-31 | 上海市隧道工程轨道交通设计研究院 | 用主成分分析-长短记忆模型确定盾构机刀盘扭矩的方法 |
CN115186571A (zh) * | 2022-05-15 | 2022-10-14 | 西北工业大学 | 一种基于Bi-GRU网络的不同工况下刀具剩余使用寿命预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116673793B (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110278121B (zh) | 一种检测网络性能异常的方法、装置、设备及存储介质 | |
CN109885469B (zh) | 一种扩容方法、预测模型创建方法、装置、设备及介质 | |
EP1027954A1 (en) | Method of preparing tool wear data, estimating tool wear amount, and making decision on the use of the tool | |
CN116009480B (zh) | 一种数控机床的故障监测方法、装置、设备及存储介质 | |
CN111383227A (zh) | 基于神经网络的刀具磨损类型识别方法及磨损值测定方法 | |
CN111151833B (zh) | 电极丝断线预测装置 | |
JP2001280599A (ja) | 発電プラント配管の寿命予測方法 | |
CN116673793B (zh) | 刀具损耗检测方法、介质、电子设备及刀具损耗检测装置 | |
CN114742798A (zh) | 一种基于剪刃磨损检测的圆盘剪换刀时机预测系统及方法 | |
CN114326593B (zh) | 一种刀具寿命预测系统及方法 | |
CN116408501A (zh) | 窜刀模式下滚刀磨损状态在机无监督实时监测方法 | |
JP2022050354A (ja) | 特徴量選別方法及び健康状態評価方法 | |
CN115406895A (zh) | 一种钢板在线表面缺陷检测系统 | |
CN115388806A (zh) | 零件表面线型偏差检测方法、装置、电子设备及存储介质 | |
CN109926895B (zh) | 一种退火炉内炉辊在线修磨控制方法和装置 | |
CN113492724A (zh) | 基于赫斯特指数的动力电池sop预测方法、存储介质及设备 | |
KR20220066555A (ko) | 공작기계의 공구 정보관리 장치 및 방법 | |
JP3612428B2 (ja) | ソフトウェア信頼性予測方法および装置と記録媒体 | |
CN116719480B (zh) | 一种基于数据孪生的电能表数据存储方法、装置及介质 | |
WO2024050782A1 (en) | Method and apparatus for remaining useful life estimation and computer-readable storage medium | |
JP2002183250A (ja) | 製造プロセスにおける解析装置、方法、及びコンピュータ読み取り可能な記憶媒体 | |
CN112560234B (zh) | 一种数控机床剩余寿命估计概率的计算方法、装置和网络侧服务端 | |
CN117708180B (zh) | 一种基于扫描枪的数据处理方法及装置 | |
CN114700802B (zh) | 断刀检测方法和装置 | |
CN114282707A (zh) | 油耗预测模型训练、油耗预测方法、装置及作业机械 |
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 |