[发明专利]一种刀具磨损监测方法

权利要求书

1.一种刀具磨损监测方法，其特征在于，包括如下的步骤：

1）在不同的切削参数下，分别采集各种不同磨损状态的声发射信号、机床中主轴电机与进给电机的电流信号、切削速度、切削深度和进给量；

2）将声发射信号提取的频域的幅值均方根和功率最大值、声发射信号db8小波包三层分解的8个频带能量、电流信号采用db8小波包三层分解的8个频带能量、切削速度、切削深度和进给量，构建成条件属性C，条件属性C中的条件值标为Ci；将刀具后刀面磨损量作为决策属性D；建立决策表A；

3）采用自组织映射神经网络对决策表A中连续属性值进行离散化处理，聚类数选择为4；采用Johnson算法约简属性个数将决策表A约简为决策表B；

4）通过遗传算法对BP神经网络的初始权值和阈值进行优化，将步骤3）中约简后的属性值作为BP神经网络的输入神经元对经过优化后的BP神经网络进行训练和学习；

5）用训练好的BP神经网络对刀具磨损程度进行预测。

2.按照权利要求1所述的刀具磨损监测方法，其特征在于，所述声发射信号的频率采集范围为20KHz-1MHz。

3.按照权利要求1所述的刀具磨损监测方法，其特征在于：步骤3）中Johnson算法约简属性个数的步骤为：

依次对决策表A的条件属性中的某个条件值Ci判断ind_{C/{Ci}}(D)是否等于ind_C(D)；如果等于，将条件属性条件值Ci删除，并返回至决策表A中进行下一项的判断，直到所有的ind_{C/{Ci}}(D)是否等于ind_C(D)不相等，保留该条件值Ci到空的决策表B，将决策属性D及所在的信息存入决策表B的最后一列，并将重复的行合并，决策表B即为最小约简属性。

4.按照权利要求3所述的刀具磨损监测方法，其特征在于：遗传算法的参数设置为：种群规模为30，进化次数为100，选择概率为0.1，交叉概率为0.5，变异概率为0.01。

5.按照权利要求1所述的刀具磨损监测方法，其特征在于：BP神经网络选择3层；输入层神经元为4个节点，输出层神经元为3，逐次改变隐含层节点数，对BP神经网络进行训练，选择输出误差最小时对应的隐含层节点数。