公开(公告)号：CN116638374A

公开(公告)日：2023-08-25

申请号：CN202310855550.0

申请日：2023-07-12

Applicant: 北部湾大学

Inventor： 鲁娟 ,  汪鑫 ,  涂诗颖 ,  陈智恒 ,  韦达斌 ,  农裕丽 ,  潘宇晨 ,  孙腾

IPC: B23Q17/09

Abstract: 本发明公开了一种基于特征选择和传感器组合的刀具磨损状态识别方法，包括以下步骤：将产生切削力、振动和声发射信号的三种传感器进行组合，得到七组传感器组合；采集加工过程中多传感器信号；截取中间稳定铣削阶段的信号，并处理异常值和环境干扰噪声信号，得到特征子集①；剔除与刀具磨损相关性弱的特征，并分析特征之间的相关性，得到剔除冗余特征的特征子集③；划分成训练集和测试集，分别输入到森林中构建刀具磨损状态识别模型，对刀具磨损状态进行识别。方案全面提取了与刀具磨损相关的传感器信号的时域、频域和时频域特征，减少特征提取时的信息丢失问题，同时提高了刀具磨损状态识别模型的计算效率。

公开(公告)号：CN116619136A

公开(公告)日：2023-08-22

申请号：CN202310777880.2

申请日：2023-06-28

Applicant: 北部湾大学

Inventor： 鲁娟 ,  汪鑫 ,  涂诗颖 ,  陈智恒 ,  张志怡 ,  潘宇晨 ,  孙腾

IPC: B23Q17/09

Abstract: 本发明公开了一种多工况多源数据的刀具磨损预测方法，其包括以下步骤：S1：采集不同工况下加工过程的传感器信号，并对多传感器信号进行预处理；S2：提取预处理后的多传感器信号的时域和频域统计特征，以及小波包变换得到的小波系数作为时频域特征，得到多传感器信号的特征向量Xs；S3：将特征向量Xs分别打上标签，得到刀具磨损预测的数据集；S4：采集加工过程中的传感器信号，将传感器信号输入训练好的刀具磨损状态预测模型中，输出刀具磨损的预测值。本发明全面提取传感器信号的时域、频域和时频域特征，减少特征提取时的信息丢失问题，同时提高了模型的计算效率。基于深度森林的刀具磨损状态预测模型不仅调参少、精度高，适用于不同工况条件。