龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：哈尔滨理工大学
摘要：本发明公开了一种基于铣削力系数和混合卷积神经网络的立铣刀磨损监测方法及装置，本发明涉及高速铣削加工技术领域。包括以下步骤：获取数控机床加工过程中立铣刀刀刃的铣削力大小数据和铣削刀具磨损值，建立坐标系计算铣削力系数，对铣削力系数进行特征提取和压缩，得到主成分矩阵，将主成分矩阵作为CNN‑BILSTM‑SE神经网络的输入，对神经网络模型进行训练，通过训练后的模型预测刀具磨损值，根据磨损值判断刀具健康状态；通过间接监测采集力信号的方法，显著地解决了数据库规模限制的问题，此外，通过引入铣削力系数作为神经网络模型的输入，进一步减少了数据不准确带来的干扰，提高了预测的准确性，从而优化了生产效率和安全性。
主权项：1.一种基于铣削力系数和混合卷积神经网络的立铣刀磨损监测方法，其特征在于，具体步骤包括：采集数控机床加工过程中立铣刀刀刃的主轴XYZ三个方向的铣削力大小数据和铣削刀具磨损值，并对采集的铣削力大小数据进行预处理，建立样本数据集，将预处理后的数据存储入样本数据集内；建立待检测刀具坐标系和切削刃微元坐标系，在建立的坐标系下计算径向切削角；根据径向切削角和样本集中主轴XYZ三个方向的铣削力大小数据，生成得到每齿周期的平均铣削力，根据得到每齿周期的平均铣削力计算铣削力系数；提取得到的铣削力系数的特征值，所述特征值包括时域、频域、时频域特征值，将铣削力系数经过特征提取后按矩阵进行排列，随后进行特征压缩，得到铣削力系数特征的主成分，所述铣削力系数特征的主成分为k维全新的正交特征，以矩阵的形式表达；根据铣削力系数经过处理后得到的主成分矩阵，建立神经网络预测模型，以铣削力系数经过处理后得到的主成分矩阵作为输入样本，并以样本数据集中对应的所述铣削刀具磨损值作为标签，对神经网络进行训练，以获得刀具磨损值预测模型；计算待检测刀具实时铣削力系数的主成分矩阵，将所述待检测刀具实时铣削力系数的主成分矩阵输入建立神经网络预测模型的方法所获得的刀具磨损值预测模型中，获得待检测刀具的磨损预测值：将获得的待检测刀具磨损预测值与预设刀具磨损阈值相较，根据不同比较结果，判断刀具磨损状态。
全文数据：
权利要求：
百度查询： 哈尔滨理工大学 一种基于铣削力系数和混合卷积神经网络的立铣刀磨损监测方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号