申请/专利权人：大连理工大学

申请日：2020-01-10

公开（公告）日：2021-06-08

公开（公告）号：CN111136509B

主分类号：B23Q17/09(20060101)

分类号：B23Q17/09(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.06.08#授权;2020.06.05#实质审查的生效;2020.05.12#公开

摘要：本发明属于刀具状态监测技术领域，提供了一种基于ELM‑SDAE算法的刀具状态监测方法，先通过三向加速度传感器采集加工过程中的振动信号；再采用线性插值的方法对缺失值进行插补，采用朴素随机欠采样和添加白噪声的方法，对数据进行平衡处理，将振动信号进行矢量叠加获取主振动方向的有效值；接着构建ELM‑SDAE网络，采用贪婪逐层方法对网络模型进行训练；最后将实际加工过程中的实时振动经数据预处理后输入ELM‑SDAE网络中，网络输出刀具的当前状态，实现刀具状态的实时监测。本方法减少人工和专家经验的参与，避免训练过程可能陷入局部最优、学习率慢等能导致模型训练失败和泛化能力不足的情况，大幅度缩减网络的训练时间。

主权项：1.一种基于ELM-SDAE算法的刀具状态监测方法，其特征在于：首先，通过三向加速度传感器采集加工过程中的振动信号；然后，采用线性插值的方法对缺失值进行插补，采用朴素随机欠采样和添加白噪声的方法，对数据进行平衡处理，将振动信号进行矢量叠加获取主振动方向的有效值；接着，构建ELM-SDAE网络，采用贪婪逐层方法对网络模型进行训练；最后，将实际加工过程中的实时振动信号经数据预处理后输入ELM-SDAE网络中，网络输出刀具的当前状态，从而实现刀具状态的实时监测；具体步骤如下：第一步，加工过程中的振动信息采集采用三向加速度传感器采集数控机床加工过程中的振动信号，从该三向振动信号中截取与待监测刀具对应的振动信号，并将其分成与K个加工工件的加工过程对应的K段振动信号；第二步，采集数据的预处理首先，考虑到信号采集过程中出现的数据异常情况，对振动信号进行数据清洗；采用线性插值方法对缺失值进行插补计算；假设已知两点坐标x0,y0和x1,y1，区间[x0,x1]内某一位置的纵坐标y通过式1线性插值后计算得到： 其次，针对实际加工过程中，刀具多处于正常状态的情况，采用朴素随机欠采样降低正常状态刀具数据量，采用添加高斯白噪声的方式对磨钝或断刀状态数据进行数据增强；然后，对采集的加工过程振动信号进行规整处理，使各段振动信号长度一致；最后，将三个方向的振动信号Vx、Vy、Vz进行矢量叠加，获取主振动方向的有效值V；第三步，ELM-SDAE网络的构建和训练在特征提取阶段，假设样本个数为N，第一个ELM-DAE网络的输入层和输出层节点数均为隐含层节点数为首先，将主振动方向有效值V按照比例置为0，从而获得“破坏”后的振动信号并将网络的期望输出替换成主振动方向有效值V；然后，为增强自编码器网络的泛化性能，随机生成正交化的隐含层参数；去噪自编码器网络输入与输出的关系由式2表示： 其中，为隐含层的输出矩阵，为隐含层节点的输出权值向量，W1为特征提取阶段隐含层节点的输入权值向量，b1为特征提取阶段节点的偏置向量，g·为网络的激活函数；为了提高网络的泛化能力，在损失函数中添加正则项，如式3所示： 其中，C1为特征提取阶段网络的正则化系数，影响特征提取阶段网络的泛化性能；隐含层和输出层之间的连接权重β1根据式4进行计算： 对于由k个ELM-DAE网络堆叠而成的神经网络，第k个网络的输出即从振动信号中提取的特征通过式5进行计算： 其中，当k为1时，在堆叠后的ELM-SDAE网络中，如果第k层神经元的个数与第k-1层神经元个数相同，则激活函数采用线性函数，否则采用非线性激活函数；在分类阶段，假设训练集样本个数为M，ELM网络的输入层神经元节点数为L2，输出层神经元节点数即刀具状态类别为L3，隐含层节点数为N2，网络的期望输出为随机生成正交化隐含层参数后，隐含层的输出权值由公式7计算： 其中，W2为分类阶段隐含层的输入权值向量，b2为分类阶段节点的偏置向量，C2为分类阶段正则化系数，影响分类阶段网络的分类性能；第四步，刀具状态的实时监测在实际加工过程中，将实时数据经数据预处理后输入至训练后的ELM-SDAE网络模型中，模型输出刀具的实时状态；当刀具状态正常时，模型输出为0；当刀具状态为断刀时，模型输出为1；当刀具状态为磨钝时，模型输出为2。

全文数据：

权利要求：

百度查询： 大连理工大学 一种基于ELM-SDAE算法的刀具状态监测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD