[发明专利]一种刀具磨损状态识别方法、装置、电子设备及存储介质

说明书

本申请提供了一种刀具磨损状态识别方法、装置、电子设备及存储介质，其方法包括：获取历史刀具磨损特征值和历史刀削加工参数值；建立初始BP神经网络预测模型，将所述历史刀具磨损特征值和历史刀削加工参数值作为训练集输入到所述初始BP神经网络预测模型进行迭代训练，得到训练完备的BP神经网络预测模型；实时获取当前的刀具磨损特征值和当前刀削加工参数值，基于所述训练完备的BP神经网络预测模型进行刀具磨损状态识别。本发明通过在BP神经网络模型的训练下，能够根据历史信息准确的识别刀具磨损状态，相比于现有仅采用传感器进行实时识别或者人工识别的方式，大大提高了识别的效率和准确度。

技术领域

本发明涉及刀具状态检测技术领域，具体涉及一种刀具磨损状态识别方法、装置、电子设备及存储介质。

背景技术

在现代机械制造业中，由于数控机床高效性和可靠性被广泛引用，刀具在车削加工中扮演着非常重要的角色。在机械加工产品加工精度，表面完整性、车间生产效率、生产成本等方面起着非常关键的作用，同时刀具也是实际加工中耗损最多的部件。在车削加工中，由于刀具需要不断地和工件接触，工件和刀具两者互相作用，会发生磨损和形变，产生高温和超大荷载，导致刀具磨损的发生，所以刀具磨损在车削加工过程中是不可避免的问题，刀具轻微磨损会影响刀具加工工件表面质量，刀具严重磨损可能会导致发生安全事故。

最近今年，很多人也对数控机床刀具磨损状态监测做了一些研究。中国专利《一种基于振动频谱和神经网络的刀具磨损测量方法》(CN108747590A)公开了一种利用振动频谱估算刀具磨损的方法，对采集的振动信号进行数据处理，提取振动频谱输入到神经网络进行训练，从而对刀具磨损进行识别。中国专利《刀具磨损监测方法、装置、电子设备及存储介质》(CN112720069A)公开了一种通过切削振动信号的双谱对角切片特征研究刀具磨损过程方法。首先获取车削过程中刀具的振动数据，基于振动数据计算得到的耦合特征频率峰值指数来计算刀具磨损阈值，从而实现对刀具磨损的监测。

以上都是通过单一传感器信单因素对刀具状态进行判别，其可靠性已经不能满足当今刀具磨损预测的需要，伴随着数据融合技术的发展，多传感器多因素已经成为主流的研究方向。在车削加工中，振动信号只是反映刀具磨损状态的一个因素，音频信号和切削参数与磨损状态也具有非常强的关系。因此将音频信号和加工参数考虑进来，从而提高对刀具磨损预测分析的准确性。

发明内容

有鉴于此，有必要提供一种刀具磨损状态识别方法、装置、电子设备及存储介质，用以解决现有技术中对刀削磨损状态识别时准确性较低的技术问题。

为了解决上述技术问题，本发明提供了一种刀具磨损状态识别方法，包括：

获取历史刀具磨损特征值和历史刀削加工参数值；

建立初始BP神经网络预测模型，将所述历史刀具磨损特征值和历史刀削加工参数值作为训练集输入到所述初始BP神经网络预测模型进行迭代训练，得到训练完备的BP神经网络预测模型；

实时获取当前刀具磨损特征值和当前刀削加工参数值，基于所述训练完备的BP神经网络预测模型进行刀具磨损状态识别。

进一步的，所述获取历史刀具磨损特征值包括：

获取历史刀具磨损检测信号；

根据所述历史刀具磨损检测信号确定所述刀具的磨损状态，根据所述磨损状态确定所述历史刀具磨损特征值。

进一步的，所述历史刀具磨损检测信号确定所述刀具的磨损状态包括：

获取所述历史刀具磨损检测信号中所有频段的磨损检测信号能量谱，基于小波包分解法确定候选的若干个频段的磨损检测信号能量谱；

根据所述候选的若干个频段的磨损检测信号能量谱确定所述刀具的不同磨损状态。