[发明专利]电火花放电状态检测装置和识别方法

摘要

本发明公开了一种电火花放电状态检测装置，包括信号处理模块、识别装置和上位机模块。本发明还公开了使用上述电火花放电状态检测装置的电火花放电状态识别方法，先将电火花加工机床放电加工过程中一次放电脉冲产生的阴阳两极间的电压信号通过分压线路输入到光耦模块，再进行模数转换，再进行数字滤波及周期检测，生成256个采样点，CPU单元和GPU单元同时进行计算，综合深度学习程序和模拟人工特征值提取，经过简单多数投票，得出最终的识别结果。本发明将电信号的检测问题转换为放电波形图像的识别问题，大大减小了识别难度，提高识别准确度。简单多数投票方法增强了本发明的容错性能，大大提升了本发明的鲁棒性。

主权项

1.电火花放电状态检测装置，其特征在于：包括信号处理模块、识别装置和上位机模块；信号处理模块包括光耦模块、模数转换模块、ARM处理器和第一高速USB接口；光耦模块的输入端通过分压线路与电火花加工机床的阴阳两级相连接，光耦模块的输出端连接所述模数转换模块，所述模数转换模块连接所述ARM处理器，ARM处理器连接所述第一高速USB接口；识别装置包括嵌入式主板、第二高速USB接口模块、CPU单元、GPU单元、内存单元、固态硬盘、Ethernet接口和网线；第二高速USB接口模块通过USB连接线连接所述第一高速USB接口；第二高速USB接口模块通过信号输出线与嵌入式主板相连接，所述CPU单元、GPU单元、内存单元、固态硬盘和Ethernet接口分别通过双向通讯线路与所述嵌入式主板相连接；Ethernet接口通过所述网线与上位机模块相连接；固态硬盘中存储有linux系统，linux系统中安装有三个深度学习分类器程序、特征提取算法程序、SVC和AdaBoost和DTC和RFC分类算法程序、组合分类器程序和用于控制整体流程的主程序；三个深度学习分类器程序的输入均为整周期的放电波形图像，该图像的分辨率为256*256像素；第一个深度学习分类器程序包括卷积层1C1子程序、池化层1S1子程序、卷积层2C2子程序、池化层2S2子程序、第一全连接层子程序和第一软回归子程序；第一个深度学习分类器程序的卷积层1C1子程序为256*256*8像素且其卷积核为3*3像素；第一个深度学习分类器程序的池化层1S1子程序为128*128*8像素；第一个深度学习分类器程序的卷积层2C2子程序为128*128*32像素且其卷积核大小为3*3像素；第一个深度学习分类器程序池化层2S2子程序为64*64*32像素；第一全连接层子程序为4096像素；整周期的放电波形图像依次经过第一个深度学习分类器程序的卷积层1C1子程序、池化层1S1子程序、卷积层2C2子程序、池化层2S2子程序、第一全连接层子程序和第一软回归子程序的处理后，最终输出放电状态结果矢量[S1,S2,S3,S4, S5]，其中S1为开路状态，S2为火花放电，S3为电弧放电，S4为过渡放电，S5为短路状态；矢量的取值为当前放电状态的概率；第二个深度学习分类器程序包括卷积层1C1子程序、池化层1S1子程序、卷积层2C2子程序、池化层2S2子程序、卷积层3C3子程序、池化层3S3子程序、第二全连接层子程序和第二软回归子程序；第二个深度学习分类器程序的卷积层1C1子程序为256*256*8像素且其卷积核为5*5像素；第二个深度学习分类器程序的池化层1S1子程序为128*128*8像素；第二个深度学习分类器程序的卷积层2C2子程序为256*256*32像素且其卷积核为5*5像素；第二个深度学习分类器程序的池化层2S2子程序为64*64*32像素；第二个深度学习分类器程序的卷积层3C3子程序为64*64*64像素且其卷积核大小为3*3像素；第二个深度学习分类器程序的池化层3S3子程序为32*32*64像素，第二全连接层子程序为4096像素；整周期的放电波形图像依次经过第二个深度学习分类器程序的卷积层1C1子程序、池化层1S1子程序、卷积层2C2子程序、池化层2S2子程序、卷积层3C3子程序、池化层3S3子程序、第二全连接层子程序和第二软回归子程序的处理后，最终输出放电状态结果矢量[S1,S2,S3,S4, S5]，其中S1为开路状态，S2为火花放电，S3为电弧放电，S4为过渡放电，S5为短路状态；矢量的取值为当前放电状态的概率；第三个深度学习分类器程序包括全局图像处理子程序集、局部图像处理子程序集、第三全连接层子程序和第三软回归子程序；第三个深度学习分类器程序将其接收到的整周期的放电波形图像同时送全局图像处理子程序集和局部图像处理子程序集进行并行处理；全局图像处理子程序集包括卷积层1C1子程序、池化层1S1子程序、卷积层2C2子程序、池化层2S2子程序、卷积层3C3子程序和池化层3S3子程序；第三个深度学习分类器程序的全局图像处理子程序集的卷积层1C1子程序为256*256*8像素且其卷积核为5*5像素；第三个深度学习分类器程序的全局图像处理子程序集的池化层1S1子程序为128*128*8像素；第三个深度学习分类器程序的全局图像处理子程序集的卷积层2C2子程序为256*256*32像素且其卷积核为5*5像素；第三个深度学习分类器程序的全局图像处理子程序集的池化层2S2子程序为64*64*32像素；第三个深度学习分类器程序的全局图像处理子程序集的卷积层3C3子程序为64*64*64像素且其卷积核大小为3*3像素；第三个深度学习分类器程序的全局图像处理子程序集的池化层3S3子程序为32*32*64像素；整周期的放电波形图像依次经过全局图像处理子程序集的卷积层1C1子程序、池化层1S1子程序、卷积层2C2子程序、池化层2S2子程序、卷积层3C3子程序和池化层3S3子程序处理后，向第三全连接层子程序输送4096像素数据；局部图像处理子程序集包括卷积层1C1子程序、池化层1S1子程序、卷积层2C2子程序和池化层2S2子程序；局部图像处理子程序集将接收到的整周期的放电波形图像等分为4个部分，分别为图像的左上部分、右上部分、左下部分和右下部分，4个部分均为128*128像素；局部图像处理子程序集的卷积层1C1子程序为128*128*8像素且其卷积核大小为3*3像素；局部图像处理子程序集的池化层1S1子程序为64*64*8像素；局部图像处理子程序集的卷积层2C2子程序为64*64*32像素；局部图像处理子程序集的池化层2S2子程序为32*32*32像素；整周期的放电波形图像经过局部图像处理子程序集的卷积层1C1子程序、池化层1S1子程序、卷积层2C2子程序和池化层2S2子程序处理时，局部图像处理子程序集的卷积层1C1子程序、池化层1S1子程序、卷积层2C2子程序和池化层2S2子程序分别处理所述图像的左上部分、右上部分、左下部分和右下部分中的一个部分，图像的每个部分被处理后的数据均为1024像素；局部图像处理子程序集将处理后得到的4个1024像素的数据输送给第三全连接层子程序；第三全连接层子程序将其接收到的1个4096像素数据和4个1024像素数据合并为8192像素数据，然后将8192像素数据输送给第三软回归子程序；第三软回归子程序输出放电状态结果矢量[S1,S2,S3,S4, S5] ，其中S1为开路状态，S2为火花放电，S3为电弧放电，S4为过渡放电，S5为短路状态；矢量的取值为当前放电状态的概率。