[发明专利]数控机床刀具磨损预测方法、系统、设备、介质、终端

权利要求书

1.一种数控机床刀具磨损预测方法，其特征在于，所述数控机床刀具磨损预测方法包括以下步骤：

步骤一，进行信号采集与处理；

步骤二，进行信号特征提取；

步骤三，进行信号特征选择；

步骤四，进行健康指标数据集构建；

步骤五，生成健康指标序列数据集；

步骤六，进行刀具磨损预测。

2.如权利要求1所述数控机床刀具磨损预测方法，其特征在于，步骤一中，所述信号采集与处理，包括：

(1)采集数控机床工作过程中的信号，即控制器信号和传感器信号，控制器信号主要包括主轴负载和三个方向的机械坐标即x轴机械坐标、y轴机械坐标以及z轴机械坐标，传感器信号主要包括电流信号和三个方向的振动信号即x轴方向振动信号、y轴方向振动信号、z轴方向振动信号以及电流信号；

(2)将采集的信号进行预处理，首先根据三个方向的机械坐标和主轴负载剔除未接触加工对象时采集的信号，然后进行缺失值、异常值处理，利用最小二乘法将信号中的异常趋势项进行去除；

其中，所述利用最小二乘法将信号中的异常趋势项进行去除，包括：

首先利用高阶多项式拟合信号，再根据最小二乘法原理选取合适的多项式系数，使得信号与其拟合信号的误差平方和最小，然后将选取的多项式系数代入高阶多项式中，得到信号的趋势项，最后将信号减去趋势项，得到去除趋势项后的信号。

3.如权利要求1所述数控机床刀具磨损预测方法，其特征在于，步骤二中，所述信号特征提取，包括：

从时域、频域以及时频域三个方面，将步骤一得到的信号进行特征提取。

4.如权利要求1所述数控机床刀具磨损预测方法，其特征在于，步骤三中，所述信号特征选择，包括：

(1)利用单调性和趋势性这两个评价标准，将步骤二得到的信号特征进行筛选，包括：

1)按照下式，计算步骤二得到的每个信号特征单调性值和趋势性值：

其中，S_mon为单个信号特征的单调性值，T为单个信号特征的样本长度，dH表示单个特征中每个样本与前一个样本的差值；

其中，S_tred为单个信号特征的趋势性值，T为单个信号特征的样本长度，x_i为单个信号特征的第i个样本，为单个信号特征的均值，t_i为x_i对应的累计工作时间，为累计工作时间序列的均值；

2)将每个信号特征单调性值和趋势性值的均值作为综合评价值，所有信号特征的综合评价值组成综合评价矩阵；

3)将综合评价矩阵进行归一化，选取综合评价值大于0.5的信号特征组成矩阵，得到筛选后的信号特征；

(2)利用核主成分分析算法对筛选得到的信号特征进行降维处理，包括：

1)将筛选得到的信号特征进行标准化处理；

2)选定核函数，计算核矩阵；

3)将核矩阵进行中心化，得到中心化核矩阵；

4)计算中心化核矩阵的特征值和特征向量，将特征值按降幂排序；

5)设定累计贡献率的阈值为90％，确定主元个数p，选取前p个特征值对应的特征向量组成矩阵，得到降维后的信号特征。

5.如权利要求1所述数控机床刀具磨损预测方法，其特征在于，步骤四中，所述健康指标数据集构建，包括：

将步骤三得到的信号特征进行归一化处理，利用动态时间规整算法构建刀具健康指标数据集，包括：

(1)以一分钟为单位，对降维后的特征数据集进行划分；

(2)以第1个一分钟的信号特征作为刀具的健康基准矩阵，利用动态时间规整算法，计算每个一分钟的特征矩阵与健康基准矩阵的相似度量结果，得到距离向量；

(3)对距离向量进行归一化处理，利用五点三次平滑法对归一化后的距离向量进行平滑处理，得到刀具的健康指标数据集。