[发明专利]一种基于功率信号的刀具磨破损自适应监测方法及系统

权利要求书

1.一种基于功率信号的刀具磨破损自适应监测方法，其特征在于，利用实时功率信号采集系统，反应机床在切削过程中功率信号随着刀具磨破损所反映在幅值上的变化，自适应监测刀具磨破损状况；利用自适应报警系统，建立刀具磨破损动态报警线，对比实时信号与报警线的差异，实现刀具磨破损自适应监测。

2.根据权利要求1所述的一种基于功率信号的刀具磨破损自适应监测方法，其特征在于，所述自适应报警系统，具体包括以下步骤：

1)刀具在切削状态下，对刀具驱动电机的电流信号和电压信号进行等时间间隔采样(电网频率50Hz，周期为20ms，采样频率为M×50，M可取为32、64、128、256)；

2)对步骤1)顺次采集到的M个电压值U_t,U_t+1,...,U_M-1及对应电流信号值I_t,I_t+1,...,I_M-1，计算t时刻的平均功率P_t：

3)以M整除10的值滑动t时刻位置，重复步骤2)；

4)根据步骤3)顺次获得的K(K≥60)个平均功率信号预处理得到功率的训练数据集T＝{X₁,X₂,…,X_K}，对训练数据集T提取一阶差分特征，即得到功率的特征训练集S＝{Y₁,Y₂,…Ω,Y_K}；

5)训练集S的概率密度f(Y)导出为：

在其分布为高斯分布的假设下，训练集S的均值m和标准差h为：

根据拉伊达准则，设定训练集S初始阈值P₁，λ为控制上下限的参数其上下限分别表示为P₁_up和P₁_low为：

P₁_up＝m+λ*h

P₁_low＝m-λ*h

6)对训练数据集T的所有数据按升序排序得到数据集Z＝{Z₁,Z₂,…,Z_M}，计算数据集Z的第一分位数Q₁和第三分位数Q₃表示为：

由上可知，训练数据集Z的四分位距IQR导出为：

根据多倍分位距原理确定训练数据集T的初始阈值P₂,α为人工选取的经验参数，其上下限分别表示为P₂_up和P₂_low,其确定方式如下：

P₂_up＝Q₃+α*IQR

P₂_low＝Q₁-α*IQR

7)随着运行时间的推移，利用P₂,和P₁,分别判断第K+1的X_k+1和Y_k+1是否超出界限；

8)重复步骤4)至步骤7)，按时间的变化情况绘出曲线，进行刀具磨破损趋势分析。

3.根据权利要求2所述的自适应报警系统的工作方法，其特征在于：训练集S中Y_k+1在阈值P₁_up和P₁-low之内时，系统判定为正常状态；训练集S中X_k+1在阈值P₂_up和P₂_low,之内时，系统判定为正常状态；Y_k+1在阈值P₁_up和P₁-low之外，且训练集S中X_k+1在阈值P₂_up和P₂_low,之内时，系统判定为正常状态；Y_k+1在阈值P₁_up和P₁-low之外，且训练集S中X_k+1在阈值P₂_up和P₂_low之外时，系统判定为报警状态。