一种线切割设备加工数据处理方法及系统与流程
本发明涉及线切割加工状态监控。更具体地,本发明涉及一种线切割设备加工数据处理方法及系统。
背景技术:
1、在电火花放电加工过程中,极间隙内的放电状态直接影响加工效率、表面质量及加工稳定性。工业现场通常采集线切割设备的放电电流或间隙电压等关键参数,作为状态监测的基础时序数据。然而,受极间流体动力学、电极丝高频振动、蚀除产物排布不均及工件材质微观差异等多因素耦合作用影响,线切割加工过程具有显著的非线性和时变特征,使采集到的电流或电压时序数据既包含正常加工周期的规律性波动,也混杂背景噪声及放电恶化引发的局部突变。现有线切割加工数据处理与异常检测方法多关注单一时间尺度,或依赖简单时域特征阈值判断,难以识别加工状态在不同时间尺度下的演化规律,导致瞬态干扰与真实异常的区分度不足,易产生误报或漏报。
2、同时,现有数据分析手段缺乏对数据内在空间几何结构和局部变化趋势的深入剖析,难以降低正常工况下较大幅度波动对异常识别结果的干扰。单纯异常点检测通常只能反映局部瞬时状态,无法有效关联加工异常的持续性影响、局部聚集特征及工程实际。因此,本领域亟需一种能够充分挖掘时序数据多尺度特征、结合数据内在分布规律并计算加工异常程度的数据处理方法,以实现对线切割设备加工状态的监控与智能评估。
技术实现思路
1、为解决现有线切割加工数据处理多关注单一时间尺度或依赖简单时域特征阈值,难以识别加工状态在不同时间尺度下的演化规律,且缺乏对数据内在空间几何结构和局部变化趋势的深入剖析,导致瞬态干扰与真实异常的区分度不足,易产生误报或漏报,无法精准评估加工稳定性的技术问题,本发明在如下的多个方面中提供方案。
2、在第一方面中,本发明提供了一种线切割设备加工数据处理方法,包括:s1、获取线切割设备原始时序数据;s2、计算所述原始时序数据的自相关函数确定多个特征时间尺度,以各所述特征时间尺度为窗长对所述原始时序数据进行滑动切分,生成多个不同尺度的子序列;s3、对各所述子序列,计算数据点到局部流形切空间的法向投影距离作为基础离群量;s4、计算局部邻域内梯度方向一致性作为梯度约束因子,利用所述梯度约束因子对所述基础离群量进行反向调制,得到初步离群分数;s5、将同一尺度下存在交叠的子序列中的所述初步离群分数与所述梯度约束因子分别取均值进行张量降维去重,得到同一尺度下的离群分数与尺度级梯度约束因子;s6、计算各尺度的所述离群分数的峭度值与所述尺度级梯度约束因子的信息熵,结合生成尺度显著性指标并归一化为融合权重;s7、将各尺度的所述离群分数按所述融合权重加权求和得到综合离群分数,判定所述综合离群分数大于预设阈值的数据点为离群点;s8、基于所述离群点的综合离群分数、局部窗内离群点密度以及持续性因子计算异常严重性系数,累加并按数据总长归一化生成加工异常指数。
3、本发明改善了单一时间尺度识别的局限,挖掘了加工信号不同时间跨度下的本征周期与演化特征;结合流形切空间投影与梯度一致性调制,削弱了正常工况下波动的干扰,降低了误报率;通过多尺度自适应融合与多维严重性评估,实现了对线切割加工状态异常的识别与综合状态评估。
4、优选地,所述计算所述原始时序数据的自相关函数确定多个特征时间尺度,包括:计算所述原始时序数据的自相关函数,识别所述自相关函数曲线自起始点起的首个过零点对应的时间滞后量作为第一特征时间尺度;识别所述自相关函数曲线在所述首个过零点后的第一局部极小值点、第一局部极大值点以及第二过零点对应的时间滞后量,分别作为第二特征时间尺度、第三特征时间尺度和第四特征时间尺度;将各所述特征时间尺度作为滑动窗口的时间跨度,以预设步长在所述原始时序数据上进行滑动遍历截取数据段作为所述子序列。
5、本发明通过利用自相关函数曲线的过零点和局部极值点提取物理本征时间尺度,使滑动切分窗口能够贴合线切割放电信号的周期演化规律。
6、优选地,所述计算数据点到局部流形切空间的法向投影距离作为基础离群量,包括:利用所述原始时序数据的全局统计参数对局部邻域内数据点的时间和幅值进行无量纲标准化处理构建二维数据点坐标,计算各二维数据点坐标均值作为邻域中心点,将二维数据点坐标减去所述邻域中心点坐标得到去中心化数据矩阵;计算所述去中心化数据矩阵的协方差矩阵并进行特征值分解,提取最小特征值对应的特征向量作为法向量;计算当前二维数据点坐标与所述邻域中心点坐标的相对偏移向量,将所述相对偏移向量与所述法向量的内积绝对值作为所述基础离群量。
7、本发明通过构建无量纲二维坐标并提取局部流形切空间法向量,减小了绝对幅值干扰,反映了数据在局部空间几何结构中的偏离程度。
8、优选地,所述计算局部邻域内梯度方向一致性作为梯度约束因子,包括:对所述局部邻域内除末端数据点以外的每个数据点,计算与时序上紧邻的下一个数据点之间的差分向量作为局部梯度向量;将所有所述局部梯度向量进行向量相加并计算合成后模长作为第一聚合值;分别计算每个所述局部梯度向量的模长并全部相加作为第二聚合值;将所述第一聚合值除以所述第二聚合值得到梯度方向一致性指标;将所述梯度方向一致性指标与预设微小正数中的最大值取倒数,得到所述梯度约束因子。
9、本发明通过采用差分向量求和模长与独立模长求和的比值构建梯度方向一致性指标,能够反映放电不稳定区域的频繁反转和震荡特征。
10、优选地,所述结合生成尺度显著性指标并归一化为融合权重,包括:提取当前尺度的所述离群分数,利用四阶中心矩与二阶中心矩平方的比值计算离群分数的峭度值;提取当前尺度的所述尺度级梯度约束因子,计算概率分布并得出香农信息熵作为信息熵特征值;将所述峭度值除以所述信息熵特征值加1后的数值,得到所述尺度显著性指标;将所有尺度的所述尺度显著性指标求和,把各尺度的尺度显著性指标除以指标和值实现归一化,得到所述融合权重。
11、本发明通过结合离群分数长尾分布的峭度特征与梯度方向波动的信息熵,自适应赋予包含异常特征的尺度相应权重,提升了多尺度特征融合的合理性。
12、优选地,所述判定所述综合离群分数大于预设阈值的数据点为离群点,包括:统计所述原始时序数据中所有数据点的综合离群分数,计算所有综合离群分数的均值和标准差;将所述均值加上预设倍数的所述标准差设定为所述预设阈值;比较每个数据点的综合离群分数与所述预设阈值,若所述综合离群分数大于所述预设阈值,判定相应的数据点为离群点。
13、优选地,所述基于离群点的综合离群分数、局部窗内离群点密度以及持续性因子计算异常严重性系数,包括:以当前离群点为中心截取局部时间窗,统计窗口内被判定为离群点的数据点数量,除以窗口总数据点数得到所述局部窗内离群点密度;计算当前离群点与下一个离群点索引差值与1的最大值作为相隔数据点数,将所述相隔数据点数除以所述局部时间窗长度得到归一化间隔并计算所述持续性因子;将所述综合离群分数、所述局部窗内离群点密度以及所述持续性因子进行连乘,得到所述异常严重性系数。
14、优选地,所述获取线切割设备原始时序数据,包括:采集线切割设备的放电电流模拟信号和间隙电压模拟信号,利用模数转换器将所述放电电流模拟信号和间隙电压模拟信号转换为放电电流数字信号和间隙电压数字信号;针对所述放电电流数字信号和间隙电压数字信号分别构建一维时间序列数组;采用线性插值法对所述一维时间序列数组中的缺失数据值进行填补,利用保留局部突变特征的平滑去噪方法进行预处理得到所述原始时序数据。
15、优选地,所述累加并按数据总长归一化生成加工异常指数,包括:分别基于所述放电电流数字信号对应的一维时间序列数组和所述间隙电压数字信号对应的一维时间序列数组,独立计算得到电流加工异常指数和电压加工异常指数;按照预先设定的融合规则将所述电流加工异常指数和所述电压加工异常指数进行加权组合,生成反映线切割设备整体加工稳定状态的全局加工异常指数。
16、第二方面,本发明提供一种线切割设备加工数据处理系统,包括处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现上述一种线切割设备加工数据处理方法。
17、通过采用上述技术方案,将上述的一种线切割设备加工数据处理方法生成计算机程序,并存储于存储器中,以被处理器加载并执行,从而根据存储器及处理器制作终端设备,方便使用。
18、本发明的有益效果为:
19、本发明针对线切割设备的放电电流或间隙电压信号,通过计算自相关函数提取多个特征时间尺度,执行多尺度滑动切分,使数据处理过程能够贴合加工信号的本征周期与演化规律,挖掘不同时间跨度下的局部细节特征。以局部流形切空间的法向投影距离作为基础离群评价量,结合局部梯度方向一致性进行反向调制,能够削弱正常加工波动对异常判定的干扰,降低异常检测误判率。通过综合多尺度离群分数的峭度特征与梯度约束因子的信息熵生成融合权重,实现不同尺度异常特征的自适应协同。离群点确定后,进一步融合异常发生强度、局部窗内离群点密度以及时间维度上的持续性,构建异常严重性系数并归一化形成全局加工异常指数,从而实现对线切割加工稳定性的识别与综合评估。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com