[发明专利]一种金刚滚轮磨损预测方法和装置

说明书

本发明涉及一种金刚滚轮磨损预测方法和装置，方法包括以下步骤：S1、获取声发射信号，对声发射信号进行分解，得到细节信号；S2、计算两个信息熵值的差，得到最优小波包分解层数；S3、得到最优小波包基和第一特征参数；S4、基于主成分方法，对第一特征参数进行中心化处理，基于主成分数量和特征向量得到特征矩阵，将特征矩阵作为第二特征参数；S5、基于PSO算法，将第二特征参数输入金刚滚轮磨损预测模型进行训练，将实际数据输入训练好的金刚滚轮磨损预测模型中，得到金刚滚轮磨损预测结果。与现有技术相比，本发明具有实现最优小波包分解，提升金刚滚轮磨损预测准确性等优点。

技术领域

本发明涉及金刚滚轮磨损预测，尤其是涉及一种金刚滚轮磨损预测方法和装置。

背景技术

随着现代精密磨削加工技术的发展，金刚滚轮在成形修整及修整效率方面存在很大优势，其在砂轮修整方面的应用越来越广泛，然而金刚滚轮磨损状态对砂轮表面形貌具有很大影响。金刚滚轮修整过程中，砂轮表面的磨粒会因为滚轮钝作用不同程度地产生破碎或变形，在金刚滚轮刚开始投入使用时，由于金刚滚轮表面金刚石颗粒磨刃较为锐利，在修整过程中使得砂轮表面的磨钝的磨粒产生破裂，露出锋利的切削刃，在后续磨削加工中有利于提高工件粗糙度和精度。然后，金刚滚轮经过反复修整后，金刚滚轮表面金刚石颗粒变钝，从而在修整过程中增大修整面积，在修整砂轮时会使被修整砂轮磨粒钝化，使其在后续磨削加工中不利于提高工件表面质量。因此,需要对金刚滚轮修整磨损状态进行预测，及时换下处于磨损状态的滚轮，对提高磨削加工质量及磨削加工效率具有重要意义。现有的方法中利用小波包分解时，容易丢失信息，不能实现最优小波包分解，并且上述算法参数较多，计算过程复杂，分类精度不够高。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供的一种实现最优小波包分解的金刚滚轮磨损预测方法和装置。

本发明的目的可以通过以下技术方案来实现：

一种金刚滚轮磨损预测方法，其特征在于，包括以下步骤：

S1、获取声发射信号，设置小波包分解层数j，对声发射信号进行j层分解，得到细节信号；

S2、计算j层的细节信号的信息熵和j-1层的细节信号的信息熵，计算两个信息熵值的差，若差小于第一阈值，则将j-1作为最优小波包分解层数，否则判断j是否大于等于最大小波包分解层数j_max，若为是，则将j作为最优小波包分解层数，若为否，则将小波包分解层数设置为j+1，返回步骤S1；

S3、基于从下到上的最优基搜索算法搜索最优小波包分解层数下的最优小波包基，基于最优小波包基得到第一特征参数，所述最优基搜索算法的搜索过程的表达式为：

其中，F_j',n为第j’层第n个小波包基，F_j',2n为第j’层第2n个小波包基，F_j',2n+1为j’层第2n+1个小波包基，U_j'-1,n为第j’-1层第n个标准正交基；M_U为U_j'-1,n展开的细节信号的信息熵，j’为最优小波包分解层数；

S4、基于主成分方法，对所述第一特征参数进行中心化处理，并计算中心化处理后的第一特征参数的协方差矩阵的特征值和特征向量，基于累计贡献率确定主成分数量，基于主成分数量和特征向量得到特征矩阵，将特征矩阵作为第二特征参数；

S5、基于PSO算法，将第二特征参数输入金刚滚轮磨损预测模型进行训练，将实际数据输入训练好的金刚滚轮磨损预测模型中，得到金刚滚轮磨损预测结果。

进一步地，第一特征参数经过中心化处理后，得到信号均值，基于信号均值计算第一特征参数的协方差矩阵，基于所述协方差矩阵得到协方差矩阵的特征值和特征向量。