CN117078118B - 一种数控机床生产工件质量智能检测系统 - Google Patents

Abstract

本发明涉及数据处理技术领域，具体涉及一种数控机床生产工件质量智能检测系统，包括：数据获取模块、密度参数获取模块、窗口尺寸获取模块，去噪和质量检测模块。用于获取当前监测数据序列、历史监测数据序列，获取当前监测数据序列中的多个当前工艺段；计算每个当前工艺段的密度参数。计算每个当前工艺段的置信度；进而得到当前工艺段的窗口尺寸。根据窗口尺寸得到去噪后当前工艺段，根据历史监测数据序列得到去噪后历史工艺段；基于去噪后历史工艺段和当前工艺段进行工件质量检测。从而通过对加工过程中的数据进行准确去噪处理来降低噪声对工件加工质量检测的干扰。

Description

一种数控机床生产工件质量智能检测系统

技术领域

本发明涉及数据处理技术领域，具体涉及一种数控机床生产工件质量智能检测系统。

背景技术

数控机床是一种通过计算机控制的精密机械设备，用于加工各种金属和非金属工件。其能够根据预先编写好的程序自动执行工件的加工操作，具有高精度、高效率和重复性好的特点。如果数控机床生产的工件出现质量问题，可能会对多个方面产生影响。包括产品低性能、成本的浪费等。为了实现加工工件质量的实时检测，需要分析生产过程中的多维数据变化情况，包括工件尺寸、振动频率及速度等。在分析上述数据的过程中，会因为传感器设备噪声等影响使得最终的数据产生一定误差，导致检测结果的误判。因而需对生产过程中的多维数据进行去噪处理。

发明内容

本发明提供一种数控机床生产工件质量智能检测系统，以解决现有的问题：如何准确的去除生产过程中采集的数据中噪声，实现准确的加工工件质量检测。

本发明的一种数控机床生产工件质量智能检测系统采用如下技术方案：

本发明一个实施例提供了一种数控机床生产工件质量智能检测系统，该系统包括以下模块：

数据采集模块，用于获取当前监测数据序列、历史监测数据序列；

密度参数获取模块，用于根据加工工艺对每个当前监测数据序列、历史监测数据序列进行分段得到多个当前工艺段和多个历史工艺段；根据每个当前工艺段、历史工艺段中监测数据的分布的离散情况得到当前工艺段、历史工艺段的变动密度，根据当前工艺段、历史工艺段中长度得到当前工艺段、历史工艺段的数量密度，根据当前工艺段、历史工艺段的数量密度和变动密度得到当前工艺段、历史工艺段的密度参数；

窗口尺寸获取模块，用于根据当前工艺段、历史工艺段中相邻监测数据的变动情况得到局部波动，根据当前工艺段、历史工艺段中首、尾监测数据的变动情况得到当前工艺段、历史工艺段的整体波动，根据局部波动和整体波动得到当前工艺段、历史工艺段的置信度；根据当前工艺段、历史工艺段的置信度和密度参数得到当前工艺段、历史工艺段的得分，根据当前工艺段、历史工艺段的得分得到当前工艺段、历史工艺段的窗口尺寸；

去噪和质量检测模块，用于根据窗口尺寸对当前工艺段、历史工艺段进行去噪处理得到去噪后当前工艺段、去噪后历史工艺段，根据去噪后当前工艺段、去噪后历史工艺段进行质量检测。

优选的，所述根据加工工艺对每个当前监测数据序列、历史监测数据序列进行分段得到多个当前工艺段和多个历史工艺段，包括的具体方法为：

获取每个当前监测数据序列、历史监测数据序列中每个监测数据所属的加工工艺；

将每个当前监测数据序列中属于同一加工工艺的监测数据划分在一个当前工艺段，得到多个当前工艺段，获取每个历史监测数据序列的多个历史工艺段。

优选的，所述根据每个当前工艺段、历史工艺段中监测数据的分布的离散情况得到当前工艺段、历史工艺段的变动密度，包括的具体方法为：

对于第i个当前工艺段，第i个当前工艺段的变动密度为，其中/>表示第i个当前工艺段中第j个监测数据，/>表示第i个当前工艺段中所有监测数据的均值，表示第i个当前工艺段中包含监测数据的个数；

获取每个当前工艺段、历史工艺段的变动密度。

优选的，所述根据当前工艺段、历史工艺段中长度得到当前工艺段、历史工艺段的数量密度，根据当前工艺段、历史工艺段的数量密度和变动密度得到当前工艺段、历史工艺段的密度参数，包括的具体方法为：

对于第i个当前工艺段，第i个当前工艺段的数量密度为，其中/>表示第i个当前工艺段中包含监测数据的个数，/>表示每个当前监测数据序列中包含监测数据的个数；

获取每个当前工艺段、历史工艺段的数量密度；

将每个当前工艺段的变动密度与数量密度的乘积作为每个当前工艺段的密度参数；

获取每个历史工艺段的密度参数。

优选的，所述根据当前工艺段、历史工艺段中相邻监测数据的变动情况得到局部波动，包括的具体方法为：

对于第i个当前工艺段，第i个当前工艺段的局部波动为，其中/>表示第i个当前工艺段中第z个监测数据处的斜率，/>表示第i个当前工艺段中第z-1个监测数据处的斜率，/>表示第i个当前工艺段中包含监测数据的个数，exp[]表示以自然常数为底的指数函数；

获取每个当前工艺段、历史工艺段的局部波动。

优选的，所述根据当前工艺段、历史工艺段中首、尾监测数据的变动情况得到当前工艺段、历史工艺段的整体波动，包括的具体方法为：

对于第i个当前工艺段，第i个当前工艺段的整体波动为，其中，/>表示第i个当前工艺段中包含监测数据的个数，/>表示第i个当前工艺段中第1个监测数据处的斜率，/>表示第i个当前工艺段中第/>个监测数据处的斜率，/>表示第i个当前工艺段中第1个监测数据，/>表示第i个当前工艺段中第/>个监测数据，exp[]表示以自然常数为底的指数函数；

获取每个当前工艺段、历史工艺段的整体波动。

优选的，所述根据局部波动和整体波动得到当前工艺段、历史工艺段的置信度，包括的具体方法为：

将每个当前工艺段、历史工艺段的局部波动的倒数与整体波动的倒数的乘积作为每个当前工艺段、历史工艺段的置信度。

优选的，所述根据当前工艺段、历史工艺段的置信度和密度参数得到当前工艺段、历史工艺段的得分，包括的具体方法为：

将每个当前工艺段、历史工艺段的置信度与密度参数的比值作为每个当前工艺段、历史工艺段的得分。

优选的，所述根据当前工艺段、历史工艺段的得分得到当前工艺段、历史工艺段的窗口尺寸，包括的具体方法为：

根据每个当前工艺段的得分得到每个当前工艺段的窗口尺寸的计算方法为：

其中，表示第i个当前工艺段的得分，/>表示预设窗口尺寸调整参数，/>表示第i个当前工艺段的窗口尺寸；

获取每个历史工艺段的窗口尺寸。

优选的，所述根据窗口尺寸对当前工艺段、历史工艺段进行去噪处理得到去噪后当前工艺段、去噪后历史工艺段，根据去噪后当前工艺段、去噪后历史工艺段进行质量检测，包括的具体方法为：

基于每个当前工艺段的窗口尺寸，利用分解算法来对每个当前工艺段进行分解处理得到残差项和其他分项，将残差项判定为每个当前工艺段中存在的噪声数据，将残差项去除，将其他分项叠加得到去噪后当前工艺段；

对每个历史工艺段进行去噪处理得到去噪后历史工艺段；

获取与每个去噪后当前工艺段属于同一加工工艺的去噪后历史工艺段，记为每个去噪后当前工艺段的参考工艺段，将每个去噪后当前工艺段与所有参考段构成工艺段分析集合；

利用异常分析算法对工艺段分析集合中所有工艺段进行异常分析得到离散工艺段集合和聚集工艺段集合，当去噪后当前工艺段属于离散工艺段集合时，将去噪后当前工艺段集判定为异常工艺段，当去噪后当前工艺段属于聚集工艺段集合时，将去噪后当前工艺段判定为正常工艺段；

在所有去噪后当前工艺段中存在异常工艺段时，则判定加工工件存在质量问题。

本发明的技术方案的有益效果是：根据每个当前监测数据序列得到多个当前工艺段；计算每个当前工艺段的密度参数。计算每个当前工艺段的置信度；根据密度参数和置信度获取每个当前工艺段的得分，进而当前工艺段的窗口尺寸。根据窗口尺寸对当前工艺段进行去噪处理得到去噪后当前工艺段，根据历史监测数据序列得到去噪后历史工艺段；基于去噪后历史工艺段和当前工艺段进行工件质量检测。从而通过对加工过程中的数据进行准确去噪处理，进而降低噪声对工件加工质量检测的干扰。

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简单地介绍，显而易见地，下面描述中的附图仅仅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为本发明一种数控机床生产工件质量智能检测系统的结构框图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种数控机床生产工件质量智能检测系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种数控机床生产工件质量智能检测系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种数控机床生产工件质量智能检测系统的结构框图，该系统包括以下模块：

数据采集模块101，用于采集工件加工过程中多个当前监测数据序列、历史监测数据序列，获取当前监测数据序列、历史监测数据序列中每个监测数据所属的加工工艺。

需要说明的是，由于加工工件的质量会产生多方面的影响，例如产品低性能、成本的浪费，因而为了提高加工工件的质量，需对工件加工过程中的监测数据进行实时分析。由于传感器及设备噪声等因素导致采集的加工监测数据中存在噪声，为了实现对加工工件准确质量检测，需对工件加工过程中的监测数据进行去噪处理。

为了实现本实施例提出的一种数控机床生产工件质量智能检测系统，首先需要采集工件加工过程中的多种加工监测数据。

具体的，在机床的加工刀具旁安装震动传感器、温度传感器以及湿度传感器以及红外测距仪等，利用每种传感器每秒采集一次传感器数据，利用红外测距仪每秒采集一次加工工件的厚度，采集N秒。将每种传感器采集的传感器数据以及红外测距仪采集的加工工件厚度数据均称为监测数据。将每种传感器或红外测距仪采集的N个监测数据构成当前监测数据序列。

在机床的历史加工数据库中获取每个传感器或红外测距仪之前采集的监测数据，将每个传感器或红外测距仪之前采集的监测数据构成历史监控数据整体序列，将历史监控数据整体序列均匀分割成长度为N的多个历史监测数据序列。

需要说明的是，由于工件加工过程中会存在多种加工工艺，因而在工件加工过程中的每个监测数据会对应一种加工工艺。

进一步的，获取每个当前监测数据序列中每个监测数据所属的加工工艺。获取历史监测数据序列中每个监测数据所属的加工工艺。

密度参数获取模块102，用于对每个当前监测数据序列、历史监测数据分段处理得到多个当前工艺段、历史工艺段，计算每个当前工艺段、历史工艺段的密度参数。

需要说明的是，由于同种加工工艺的加工操作较为相近，因而同种加工工艺的监测数据较为相近，为了能够更准确的对每种加工工艺的监测数据进行去噪分析，需对每个当前监测数据序列、历史监测数据序列按加工工艺进行分割。

具体的，将每个当前监测数据序列中属于同一加工工艺的监测数据划分在一个当前工艺段，得到多个当前工艺段。同理对每个历史监测数据序列进行工艺段划分得到多个历史工艺段。

需要说明的是，传统一般将STL分解算法分解出的残差项判定为噪声信号，而STL分解算法中的局部加权回归的准确性对准确分解出残差项具有决定作用，所述局部加权回归是指对数据序列中每个子段分别进行回归拟合。而对数据序列进行分段拟合回归时需要设置合适尺寸的窗口来对数据序列进行分段处理，因而决定局部加权回归准确性是局部回归拟合时所选的窗口的尺寸，只有选择合适的窗口尺寸才能实现准确的回归拟合，其中设置的窗口尺寸过小时，容易出现过拟合，而窗口尺寸过大时，就会导致欠拟合。而保障回归拟合的准确性需根据当前工艺段中数据的分布情况来设置。其中当前工艺段中数据分布越离散说明当前工艺段中数据变动加大，需要设置较小的窗口尺寸来更细致的拟合出当前工艺段中数据的细节变动情况，当前工艺段中数据分布越集中时，其设置较大的窗口尺寸就能满足拟合数据的精度。

进一步的，计算每个当前工艺段的密度参数的方法为：

其中，表示第i个当前工艺段中第j个监测数据，/>表示第i个当前工艺段中所有监测数据的均值，/>表示第i个当前工艺段中包含监测数据的个数，/>表示第i个当前工艺段的变动密度，/>表示每个当前监测数据序列中包含监测数据的个数，/>表示第i个当前工艺段的数量密度，其反映了第i个当前工艺段中包含监测数据个数占每个当前监测数据序列中监测数据数量的比例，该值越大说明第i个当前工艺段越长，因而第i个当前工艺段的相对密度越大。/>表示第i个当前工艺段的密度参数。

同理得到每个历史工艺段的密度参数。

窗口尺寸获取模块103，用于根据每个当前工艺段、历史工艺段的变动情况得到每个当前工艺段、历史工艺段的置信度，根据每个当前工艺段、历史工艺段的置信度和密度参数得到每个当前工艺段、历史工艺段的得分，根据每个当前工艺段、历史工艺段的得分得到每个当前工艺段、历史工艺段的窗口尺寸。

需要说明的是，上述过程中得到每个当前工艺段的密度参数，通过每个当前工艺段的密度参数反映了每个当前工艺段中数据的离心性情况以及每个当前工艺段的长度情况，但是这种分析没有考虑每个当前工艺段中数据的位置关系，因而下面需对不同位置的数据差异情况进行分析。

具体的，根据当前工艺段中不同位置数据的差异情况得到当前工艺段的置信度的计算公式为：

其中，表示第i个当前工艺段中第z个监测数据处的斜率，/>表示第i个当前工艺段中第z-1个监测数据处的斜率，/>表示第i个当前工艺段中包含监测数据的个数，exp[]表示以自然常数为底的指数函数，/>表示第i个当前工艺段中第1个监测数据处的斜率，/>表示第i个当前工艺段中第/>个监测数据处的斜率，/>表示第i个当前工艺段中第1个监测数据，/>表示第i个当前工艺段中第/>个监测数据。表示第i个当前工艺段的局部波动，其反映了当前工艺段中相邻数据的变动情况，其只能反映当前工艺段中数据的局部变动情况。/>反映了当前工艺段中第一个监测数据与最后一个监测数据处的斜率变化情况，该数据能够当前工艺段中整体变动情况，/>反映了当前工艺段中第一个监测数据与最后一个监测数据的差值，该值越大说明第i个当前工艺段整体变动较大，表示第i个当前工艺段的整体波动，其反映了该当前工艺段中整体变动情况。/>表示第i个当前工艺段的置信度。

同理得到每个历史工艺段的置信度。

进一步的，将每个当前工艺段的置信度与密度参数的比值作为每个当前工艺段的得分，其中每个当前工艺段的置信度越大说明当前工艺段中不仅相邻监测数据的变动较小，同时整体监测数据的变动也较小，因而当前工艺段应该设置较大的窗口尺寸，当密度参数较大时，说明当前工艺段中监测数据偏离中心较远，因而表明当前工艺段中监测数据分布较为离散，因而应该设置较小的窗口尺寸才能较好的拟合出当前工艺段的变动情况。

同理得到每个历史工艺段的得分。

进一步的，根据每个当前工艺段的得分得到每个当前工艺段的窗口尺寸的计算方法为：

其中，表示第i个当前工艺段的得分，/>表示预设窗口尺寸调整参数，本实施例以取3为例进行叙述，其他实施例可以取其他值，本实施例不进行具体限制。/>表示第i个当前工艺段的窗口尺寸。

同理得到每个历史工艺段的窗口尺寸。

去噪和质量检测模块104，用于根据每个当前工艺段、历史工艺段的窗口尺寸对每个当前工艺段、历史工艺段进行去噪处理得到去噪后当前工艺段、去噪后历史工艺段，根据去噪后当前工艺段、去噪后历史工艺段进行质量检测。

需要说明的是，上述过程得到每个当前工艺段、历史工艺段的窗口尺寸，下面基于每个窗口尺寸利用STL分解算法来对每个当前工艺段、历史工艺段进行去噪处理，进而基于去噪后当前工艺段、去噪后历史工艺段进行质量检测。

具体的，基于每个当前工艺段的窗口尺寸，利用STL分解算法来对每个当前工艺段进行分解处理得到残差项和其他分项，将残差项判定为每个当前工艺段中存在的噪声数据，将残差项去除，将其他分项叠加得到去噪后当前工艺段。同理对每个历史工艺段进行去噪处理得到去噪后历史工艺段。

获取与每个去噪后当前工艺段属于同一加工工艺的去噪后历史工艺段，记为每个去噪后当前工艺段的参考工艺段，将每个去噪后当前工艺段与所有参考段构成工艺段分析集合。

利用异常分析算法LOF对工艺段分析集合中所有工艺段进行异常分析得到离散工艺段集合和聚集工艺段集合，当去噪后当前工艺段属于离散工艺段集合时，将去噪后当前工艺段判定为异常工艺段，当去噪后当前工艺段属于聚集工艺段集合时，将去噪后当前工艺段判定为正常工艺段。

在所有去噪后当前工艺段中存在异常工艺段时，则判定加工工件存在质量问题。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种数控机床生产工件质量智能检测系统，其特征在于，该系统包括以下模块：

数据采集模块，用于获取当前监测数据序列、历史监测数据序列；

密度参数获取模块，用于根据加工工艺对每个当前监测数据序列、历史监测数据序列进行分段得到多个当前工艺段和多个历史工艺段；根据每个当前工艺段、历史工艺段中监测数据的分布的离散情况得到当前工艺段、历史工艺段的变动密度，根据当前工艺段、历史工艺段中长度得到当前工艺段、历史工艺段的数量密度，根据当前工艺段、历史工艺段的数量密度和变动密度得到当前工艺段、历史工艺段的密度参数；

窗口尺寸获取模块，用于根据当前工艺段、历史工艺段中相邻监测数据的变动情况得到局部波动，根据当前工艺段、历史工艺段中首、尾监测数据的变动情况得到当前工艺段、历史工艺段的整体波动，根据局部波动和整体波动得到当前工艺段、历史工艺段的置信度；根据当前工艺段、历史工艺段的置信度和密度参数得到当前工艺段、历史工艺段的得分，根据当前工艺段、历史工艺段的得分得到当前工艺段、历史工艺段的窗口尺寸；

去噪和质量检测模块，用于根据窗口尺寸对当前工艺段、历史工艺段进行去噪处理得到去噪后当前工艺段、去噪后历史工艺段，根据去噪后当前工艺段、去噪后历史工艺段进行质量检测；

所述根据每个当前工艺段、历史工艺段中监测数据的分布的离散情况得到当前工艺段、历史工艺段的变动密度，包括的具体方法为：

对于第i个当前工艺段，第i个当前工艺段的变动密度为，其中/>表示第i个当前工艺段中第j个监测数据，/>表示第i个当前工艺段中所有监测数据的均值，/>表示第i个当前工艺段中包含监测数据的个数；

获取每个当前工艺段、历史工艺段的变动密度；

所述根据当前工艺段、历史工艺段中长度得到当前工艺段、历史工艺段的数量密度，根据当前工艺段、历史工艺段的数量密度和变动密度得到当前工艺段、历史工艺段的密度参数，包括的具体方法为：

对于第i个当前工艺段，第i个当前工艺段的数量密度为，其中/>表示第i个当前工艺段中包含监测数据的个数，/>表示每个当前监测数据序列中包含监测数据的个数；

获取每个当前工艺段、历史工艺段的数量密度；

将每个当前工艺段的变动密度与数量密度的乘积作为每个当前工艺段的密度参数；

获取每个历史工艺段的密度参数；

所述根据当前工艺段、历史工艺段中相邻监测数据的变动情况得到局部波动，包括的具体方法为：

对于第i个当前工艺段，第i个当前工艺段的局部波动为，其中/>表示第i个当前工艺段中第z个监测数据处的斜率，/>表示第i个当前工艺段中第z-1个监测数据处的斜率，/>表示第i个当前工艺段中包含监测数据的个数，exp[]表示以自然常数为底的指数函数；

获取每个当前工艺段、历史工艺段的局部波动；

所述根据当前工艺段、历史工艺段中首、尾监测数据的变动情况得到当前工艺段、历史工艺段的整体波动，包括的具体方法为：

对于第i个当前工艺段，第i个当前工艺段的整体波动为，其中，/>表示第i个当前工艺段中包含监测数据的个数，/>表示第i个当前工艺段中第1个监测数据处的斜率，/>表示第i个当前工艺段中第个监测数据处的斜率，/>表示第i个当前工艺段中第1个监测数据，/>表示第i个当前工艺段中第/>个监测数据，exp[]表示以自然常数为底的指数函数；

获取每个当前工艺段、历史工艺段的整体波动；

所述根据局部波动和整体波动得到当前工艺段、历史工艺段的置信度，包括的具体方法为：

将每个当前工艺段、历史工艺段的局部波动的倒数与整体波动的倒数的乘积作为每个当前工艺段、历史工艺段的置信度；

所述根据当前工艺段、历史工艺段的得分得到当前工艺段、历史工艺段的窗口尺寸，包括的具体方法为：

根据每个当前工艺段的得分得到每个当前工艺段的窗口尺寸的计算方法为：

其中，表示第i个当前工艺段的得分，/>表示预设窗口尺寸调整参数，/>表示第i个当前工艺段的窗口尺寸；

获取每个历史工艺段的窗口尺寸；

所述根据当前工艺段、历史工艺段的置信度和密度参数得到当前工艺段、历史工艺段的得分，包括的具体方法为：

将每个当前工艺段、历史工艺段的置信度与密度参数的比值作为每个当前工艺段、历史工艺段的得分；

所述根据窗口尺寸对当前工艺段、历史工艺段进行去噪处理得到去噪后当前工艺段、去噪后历史工艺段，根据去噪后当前工艺段、去噪后历史工艺段进行质量检测，包括的具体方法为：

基于每个当前工艺段的窗口尺寸，利用分解算法来对每个当前工艺段进行分解处理得到残差项和其他分项，将残差项判定为每个当前工艺段中存在的噪声数据，将残差项去除，将其他分项叠加得到去噪后当前工艺段；

对每个历史工艺段进行去噪处理得到去噪后历史工艺段；

获取与每个去噪后当前工艺段属于同一加工工艺的去噪后历史工艺段，记为每个去噪后当前工艺段的参考工艺段，将每个去噪后当前工艺段与所有参考段构成工艺段分析集合；

利用异常分析算法对工艺段分析集合中所有工艺段进行异常分析得到离散工艺段集合和聚集工艺段集合，当去噪后当前工艺段属于离散工艺段集合时，将去噪后当前工艺段集判定为异常工艺段，当去噪后当前工艺段属于聚集工艺段集合时，将去噪后当前工艺段判定为正常工艺段；

在所有去噪后当前工艺段中存在异常工艺段时，则判定加工工件存在质量问题。

2.根据权利要求1所述一种数控机床生产工件质量智能检测系统，其特征在于，所述根据加工工艺对每个当前监测数据序列、历史监测数据序列进行分段得到多个当前工艺段和多个历史工艺段，包括的具体方法为：

获取每个当前监测数据序列、历史监测数据序列中每个监测数据所属的加工工艺；

将每个当前监测数据序列中属于同一加工工艺的监测数据划分在一个当前工艺段，得到多个当前工艺段，获取每个历史监测数据序列的多个历史工艺段。