基于因果信息与退化机理融合的刀具磨损预测方法及系统

本发明涉及数控加工状态监测、工业传感数据处理和机理约束机器学习，具体涉及基于因果信息与退化机理融合的刀具磨损预测方法及系统。

背景技术：

1、刀具磨损会改变切削刃几何形貌和刀具—工件接触状态，并进一步影响铣削加工的尺寸精度、表面质量和过程稳定性。连续加工过程中，切削力、振动加速度和声发射等多通道传感器信号随载荷传递、冲击响应及材料去除状态变化，可作为表征刀具磨损演化的间接观测量。

2、现有数据驱动方法通常采用时域、频域或时频域特征建立传感器信号与磨损量之间的回归关系，也有方法利用卷积、循环或注意力结构从连续信号中学习时序表示。一方面，由于不同刀具在装夹刚度、传感器耦合、初始刃口状态和材料批次方面存在差异，直接合并各刀具的绝对幅值容易使固定基线与磨损变化相互混合；统一消除全部初始状态又可能同时削弱斜率、差分和频带能量所携带的退化信息。另一方面，完全依赖数据拟合的预测网络通常未显式表达刀具材料损失的累积规律，其输出可能出现负值、局部下降或相邻加工道次突增。采用完整切削机理方程进行建模又需要较多难以在线获得的材料、热力和接触参数。

3、因此，现有方法存在多刀具传感器基线差异、退化信息混合以及预测轨迹与磨损累积规律不一致的问题，导致刀具磨损预测的鲁棒性和精度不够。

技术实现思路

1、本发明为了解决上述问题，提出了基于因果信息与退化机理融合的刀具磨损预测方法及系统，在保持传感器时序信息可计算性的基础上，将磨损非负、累积不下降和增量有界等退化规律嵌入预测网络，并使网络同时保留不同时间尺度的状态、趋势和频谱信息，提高刀具磨损预测的稳定性和精确性。

2、根据一些实施例，本发明采用如下技术方案：

3、基于因果信息与退化机理融合的刀具磨损预测方法，包括：

4、获取刀具加工过程中的多通道传感器信号，按加工道次分段排序，形成由若干个连续加工道次段的信号组成的因果窗口；

5、将所述因果窗口输入到训练后的刀具磨损预测网络中，得到刀具磨损预测值以及预测不确定度；

6、其中，所述刀具磨损预测网络是基于因果信息与退化机理融合构建的，由多分支编码层、概率预测层和退化机理约束层依次连接构成，所述多分支编码层通过绝对状态编码分支、退化趋势编码分支和频带能量编码分支，分别从所述因果窗口中提取多尺度特征，并对所述绝对状态编码分支提取的特征实施首窗口基线补偿，保持另两分支不变，连接三分支得到退化保持型时序表征；将所述表征输入到概率预测层，得到磨损预测均值与方差；由所述退化机理约束层对概率预测层在当前加工道次及此前至多两个加工道次输出的原始磨损预测均值执行三点因果中值滤波，并按照磨损量非负、不下降且单道次增量有界实施逐道次递推投影，最终得到刀具磨损预测值及预测不确定度。

7、根据一些实施例，本发明采用如下技术方案：

8、一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现所述的基于因果信息与退化机理融合的刀具磨损预测方法。

9、根据一些实施例，本发明采用如下技术方案：

10、一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现所述的基于因果信息与退化机理融合的刀具磨损预测方法。

11、根据一些实施例，本发明采用如下技术方案：

12、一种电子设备，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行所述的基于因果信息与退化机理融合的刀具磨损预测方法。

13、与现有技术相比，本发明的有益效果为：

14、本发明通过绝对状态、退化趋势和频带能量三分支编码，将容易受刀具个体基线影响的状态信息与斜率、差分和频谱能量所表征的退化变化信息分开处理；选择性基线补偿与低秩融合协同作用，在削弱固定响应偏移的同时保留多时间尺度退化信息。

15、本发明将概率预测层和退化机理约束层组成统一网络输出链，概率预测层同时给出磨损预测均值与预测方差，退化机理约束层将非负、累积不下降和增量有界规律嵌入递推计算，从而抑制孤立尖峰及不合理回落；概率预测层给出的预测不确定度随磨损预测值一并输出，用于表征模型对相应低秩融合表示的置信程度。

1.基于因果信息与退化机理融合的刀具磨损预测方法，其特征在于，包括：

2.如权利要求1所述的基于因果信息与退化机理融合的刀具磨损预测方法，其特征在于，所述多通道传感器信号包括加工区域同步采集的切削力信号、振动加速度信号和声发射信号；各信号按加工道次分段后，对每个道次内的信号进行等长度重采样，并按加工道次编号升序排列。

3.如权利要求1所述的基于因果信息与退化机理融合的刀具磨损预测方法，其特征在于，所述因果窗口包含当前加工道次及此前若干个加工道次的信号；在形成预设窗口长度后，输入到刀具磨损预测网络中进行刀具磨损预测。

4.如权利要求1所述的基于因果信息与退化机理融合的刀具磨损预测方法，其特征在于，所述多尺度特征包括道次级统计特征、多尺度滑动平均特征、历史斜率特征、历史差分特征和频带能量特征；所述道次级统计特征包括各传感器通道的均值、标准差、均方根、绝对值均值和极差。

5.如权利要求4所述的基于因果信息与退化机理融合的刀具磨损预测方法，其特征在于，所述绝对状态编码分支提取道次级统计特征和多尺度滑动平均特征；所述退化趋势编码分支提取历史斜率特征和历史差分特征；所述频带能量编码分支提取由非直流频率点的分频带对数功率确定的频带能量特征。

6.如权利要求1所述的基于因果信息与退化机理融合的刀具磨损预测方法，其特征在于，所述概率预测层包括特征标准化层、低秩融合层和概率映射层；所述特征标准化层对连接后的三分支特征逐维标准化，所述低秩融合层对标准化特征实施低秩投影和分量缩放并输出低秩融合表示，所述概率映射层根据任意两个样本的低秩融合表示构造线性核与径向基核加权组成的复合核，并输出磨损预测均值和预测方差。

7.如权利要求1所述的基于因果信息与退化机理融合的刀具磨损预测方法，其特征在于，所述单道次增量有界，是单道次增量不超过最大磨损增量的约束，所述最大磨损增量为训练样本非负逐道次磨损增量的预设个百分位数。

8.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于因果信息与退化机理融合的刀具磨损预测方法。

9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如权利要求1至7中任一项所述的基于因果信息与退化机理融合的刀具磨损预测方法。

10.一种电子设备，其特征在于，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行如权利要求1至7中任一项所述的基于因果信息与退化机理融合的刀具磨损预测方法。