[发明专利]一种数控机床刀具剩余使用寿命预测方法、系统及应用

说明书

本发明属于机械技术领域，公开了一种数控机床刀具剩余使用寿命预测方法、系统及应用，所述数控机床刀具剩余使用寿命预测方法包括：采集数控机床工作过程中的控制器信号和传感器信号，并对信号进行预处理、特征提取以及特征选择，挖掘各种信号中与刀具磨损相关的信息；利用长短时记忆网络与注意力机制建立刀具剩余使用寿命预测模型，实现数控机床刀具的剩余使用寿命预测。本发明通过采集数控机床工作过程中的控制器信号和传感器信号，利用多源信息建立刀具剩余使用寿命预测模型，充分考虑了不同类型的信号反映的刀具磨损情况，有效地克服了现有技术用单一信号建立预测模型的局限性，使得本发明提高了刀具剩余使用寿命预测模型的泛化能力。

技术领域

本发明属于机械技术领域，尤其涉及一种数控机床刀具剩余使用寿命预测方法、系统及应用。

背景技术

目前，作为数控加工中十分重要的部件，刀具磨损带来的问题是数控加工过程中面临的主要难题之一。在数控机床的铣削过程中，刀具的磨损退化是不可避免的。而一旦发生刀具失效，工件的表面质量会达不到要求，从而导致加工效率低下，磨损严重时甚至会造成机床的损坏。因此，有效地预测刀具的剩余使用寿命对提高数控机床的生产效率具有十分重要的意义。目前，采用数据驱动结合机器学习手段是刀具寿命预测技术领域主流的方法与技术，但也存在一定的局限性。

成都数之联科技有限公司在其申请的专利文献“刀具寿命预测方法”(专利申请号：201811069400.2，公开号：CN109465676A)中提出了一种刀具寿命预测方法。该方法的步骤是：首先通过特征学习提取电流信号的特征值，再对电流信号进行数据清洗，然后通过机器学习和深度学习方法分析电流信号与刀具寿命之间的关系，建立刀具寿命预测模型。该方法虽然能实现刀具剩余寿命的准确预估，提高生产产品的成品率。但是，该方法仍然存在的不足之处是，仅考虑了加工机台的主轴电流信号，未考虑不同信号反映了刀具的不同磨损情况，用单一信号建立预测模型存在较大的局限性，且模型泛化能力较差，不利于实际生产中的推广使用。

通过上述分析，现有技术存在的问题及缺陷为：现有采用数据驱动结合机器学习手段预测刀具寿命的方法，仅考虑了加工机台的主轴电流信号，未考虑不同信号反映了刀具的不同磨损情况，用单一信号建立预测模型存在较大的局限性，且模型泛化能力较差，不利于实际生产中的推广使用。

解决以上问题及缺陷的难度为：摆脱用单一信号建模的应用局限性，使模型能从不同信号中学习到刀具的不同磨损信息。

解决以上问题及缺陷的意义为：现有技术考虑的信号过于单一，通过信号特征提取挖掘出不同信号中与刀具磨损相关的信息，并将这些磨损相关信息进行融合，从而提高模型的泛化能力。本发明旨在提出一种多源信息融合的刀具剩余使用寿命预测方法。

发明内容

针对现有技术存在的问题，本发明提供了一种数控机床刀具剩余使用寿命预测方法、系统及应用，尤其涉及一种基于多源信息融合的数控机床刀具剩余使用寿命预测方法、系统及应用，旨在解决现有技术中用单一信号建立预测模型泛化能力较差的问题。

本发明是这样实现的，一种数控机床刀具剩余使用寿命预测方法，所述数控机床刀具剩余使用寿命预测方法包括：

采集数控机床工作过程中的控制器信号和传感器信号，并对信号进行预处理、特征提取以及特征选择，挖掘各种信号中与刀具磨损相关的信息；利用长短时记忆网络与注意力机制建立刀具剩余使用寿命预测模型，实现数控机床刀具的剩余使用寿命预测。

进一步，所述数控机床刀具剩余使用寿命预测方法包括以下步骤：

步骤一，信号采集与处理；

步骤二，信号特征提取；

步骤三，信号特征选择；

步骤四，建模预测。

进一步，步骤一中，所述信号采集与处理，包括：