[发明专利]一种刀具磨损监测方法

摘要

本发明为实时在线刀具磨损监测方法。首先在不同的切削参数下，分别采集各种不同磨损状态的声发射信号、机床中主轴电机与进给电机的电流信号、切削速度、切削深度和进给量作为条件属性，建立决策表；采用自组织映射神经网络对决策表中连续属性值进行离散化处理；采用Johnson算法约简属性个数；通过遗传算法对BP神经网络的初始权值和阈值进行优化，约简后的属性值作为BP神经网络的输入神经元对经过优化后的BP神经网络进行训练和学习；用训练好的BP神经网络对刀具磨损程度进行预测。该方法不仅简化了神经网络的结构，使神经网络具有很快的收敛性以及较强的学习能力，而且提高了刀具磨损检测的识别率。

主权项

一种刀具磨损监测方法，其特征在于，包括如下的步骤：1）在不同的切削参数下，分别采集各种不同磨损状态的声发射信号、机床中主轴电机与进给电机的电流信号、切削速度、切削深度和进给量；2）将声发射信号提取的频域的幅值均方根和功率最大值、声发射信号db8小波包三层分解的8个频带能量、电流信号采用db8小波包三层分解的8个频带能量、切削速度、切削深度和进给量，构建成条件属性C，条件属性C中的条件值标为Ci；将刀具后刀面磨损量作为决策属性D；建立决策表A；3）采用自组织映射神经网络对决策表A中连续属性值进行离散化处理，聚类数选择为4；采用Johnson算法约简属性个数将决策表A约简为决策表B；4）通过遗传算法对BP神经网络的初始权值和阈值进行优化，将步骤3）中约简后的属性值作为BP神经网络的输入神经元对经过优化后的BP神经网络进行训练和学习；5）用训练好的BP神经网络对刀具磨损程度进行预测。