[发明专利]一种刀具剩余寿命在线预测方法及系统

说明书

本发明提供一种刀具剩余寿命在线预测方法和系统，该方法将刀具及加工信息录入刀具管理系统，并通过实时采集声发射与功率信号；对刀具数据库中同类型刀具建立SVR模型，建立信号特征与磨损量的关系并设定阈值。在加工中通过对每一加工时间点的声发射、功率信号进行处理，提取一系列特征进行自回归积分滑动平均模型建模，得到信号特征的预测值，继而利用SVR模型转化为磨损量，通过与阈值对比计算出当前时刻刀具剩余寿命。所述系统包括刀具管理系统，声发射、功率信号监控系统，金属二维码打印系统与二维码扫描设备。本发明提高了刀具剩余寿命预测的准确性与实时性，提高了刀具利用率，降低了生产成本。

技术领域

本发明涉及机械加工刀具领域，具体地，涉及一种刀具剩余寿命在线预测方法及系统。

背景技术

随着“智能制造”概念的提出，数字化、信息化制造技术快速发展，各种数字化机床的运用也更加普遍，其中刀具作为整个加工系统直接与工件接触的部件，其加工寿命决定了整个生产制造环节的质量与效率，故其加工状态的监控与加工寿命的预测显得越来越重要。借助刀具管理系统，可对刀具进行全生命周期的监控，对于刀具的有效使用、合理配置有着重要作用，并能进一步提高加工质量与生产效率，降低生产成本。通过对加工刀具的在线监测，实时分析其剩余寿命，量化加工能力，是一种有效提高生产效率、保证加工质量的方法。

通过对现有文献的搜索，王晓强在其硕士学位论文(华中科技大学，2016-5)“刀具磨损监测和剩余寿命预测方法”中对刀具磨损监控和寿命预测模型进行了研究，该文通过对切削力、振动和声发射信号进行研究，建立了基于隐马尔科夫模型(HMM)的刀具磨损监测和剩余寿命预测模型，与传统刀具磨损分级识别不同，该方法通过概率的计算得到连续的刀具磨损值，并根据不同情况设置任意阈值。该文有许多思想值得借鉴，但提出的技术方法仍存在以下缺陷和不足：

(1)该文的模型适用长时间序列，文中的时间序列长度(走刀次数)达到300以上，不适用于加工时间序列长度较短的加工工种；

(2)该文中进行了刀具破损实验，但在高价值的工件加工现场，为了保证加工质量，刀具破损是要极力避免的，因而该方法在许多领域无法得到应用；

(3)该方法停留在剩余寿命预测方法的研究，没有进行刀具剩余寿命在线预测的进一步研究与应用，而这恰恰是剩余寿命预测方法应用的关键所在。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种刀具剩余寿命在线预测方法及系统，通过对刀具加工过程中的声发射、功率信号的实时监测，基于刀具管理系统进行在线的数字信号处理，得出相关特征值，进行刀具剩余寿命的实时预测。

根据本发明的一个方面，提供一种刀具剩余寿命在线预测方法，所述方法包括：

在使用刀具进行加工前，将刀具信息、工件信息、切削参数录入到刀具管理系统，同时，实时记录声发射信号和/或功率信号，并将信号传输至刀具管理系统；

在加工初期，记录加工阶段的声发射信号和/或功率信号数据，监测异常值，若出现信号值急剧增大的异常情况，停止加工；

以刀具加工的单个零件特征作为信号处理的时间单位，记录每一时间单位的功率和/或声发射信号，使用信号处理方法提取加工信号特征；

根据现有刀具数据库信息，使用支持向量回归(SVR)模型对功率(P)和/或声发射信号(AE)所提取的加工信号特征与刀具磨损量(VB)建立函数映射关系：

其中：y为刀具磨损量，为功率和/或声发射信号提取的加工信号特征，ω_i为对应的系数，b为常数项；

设定刀具磨损量阈值；

对提取的所述加工信号特征利用自回归积分滑动平均模型(ARIMA)建模；