一种数控机床刀具剩余使用寿命预测方法、系统及应用与流程

技术特征：
1.一种数控机床刀具剩余使用寿命预测方法，其特征在于，所述数控机床刀具剩余使用寿命预测方法包括：采集数控机床工作过程中的控制器信号和传感器信号，并对信号进行预处理、特征提取以及特征选择，挖掘各种信号中与刀具磨损相关的信息；利用长短时记忆网络与注意力机制建立刀具剩余使用寿命预测模型，实现数控机床刀具的剩余使用寿命预测。2.如权利要求1所述的数控机床刀具剩余使用寿命预测方法，其特征在于，所述数控机床刀具剩余使用寿命预测方法包括以下步骤：步骤一，信号采集与处理；步骤二，信号特征提取；步骤三，信号特征选择；步骤四，建模预测。3.如权利要求2所述的数控机床刀具剩余使用寿命预测方法，其特征在于，步骤一中，所述信号采集与处理，包括：(1)采集数控机床工作过程中的信号，即控制器信号和传感器信号，控制器信号主要包括主轴负载和三个方向的机械坐标即x轴机械坐标、y轴机械坐标以及z轴机械坐标，传感器信号主要包括电流信号和三个方向的振动信号即x轴方向振动信号、y轴方向振动信号、z轴方向振动信号；(2)将采集的信号进行预处理，首先根据三个方向的机械坐标和主轴负载剔除未接触加工对象时采集的信号，然后进行缺失值、异常值处理，最后利用最小二乘法将信号中的异常趋势项进行去除；其中，所述利用最小二乘法将信号中的异常趋势项去除，包括：首先利用高阶多项式拟合信号，再根据最小二乘法原理选取合适的多项式系数，使得信号与其拟合信号的误差平方和最小，然后将选取的多项式系数代入高阶多项式中，得到信号的趋势项，最后将信号减去趋势项，得到去除趋势项后的信号。4.如权利要求2所述的数控机床刀具剩余使用寿命预测方法，其特征在于，步骤二中，所述信号特征提取，包括：从时域、频域以及时频域三个方面，将步骤一得到的信号进行特征提取。5.如权利要求2所述的数控机床刀具剩余使用寿命预测方法，其特征在于，步骤三中，所述信号特征选择，包括：(1)利用单调性和趋势性这两个评价标准，将步骤二得到的信号特征进行筛选，包括：
①
按照下式，计算步骤二得到的每个信号特征单调性值和趋势性值：其中，s
mon
为单个信号特征的单调性值，t为单个信号特征的样本长度，dh表示单个特征中每个样本与前一个样本的差值；
其中，s
tred
为单个信号特征的趋势性值，t为单个信号特征的样本长度，x
i
为单个信号特征的第i个样本，为单个信号特征的均值，t
i
为x
i
对应的累计工作时间，为累计工作时间序列的均值；
②
将每个信号特征单调性值和趋势性值的均值作为综合评价值，所有信号特征的综合评价值组成综合评价矩阵；
③
将综合评价矩阵进行归一化，选取综合评价值大于0.5的信号特征组成矩阵，得到筛选后的信号特征；(2)利用核主成分分析算法对筛选得到的信号特征进行降维处理，包括：
①
将筛选得到的信号特征进行标准化处理；
②
选定核函数，计算核矩阵；
③
将核矩阵进行中心化，得到中心化核矩阵；
④
计算中心化核矩阵的特征值和特征向量，将特征值按降幂排序；
⑤
设定累计贡献率的阈值为90％，确定主元个数p，选取前p个特征值对应的特征向量组成矩阵，得到降维后的信号特征。6.如权利要求2所述的数控机床刀具剩余使用寿命预测方法，其特征在于，步骤四中，所述建模预测，包括：将步骤三得到的信号特征进行归一化处理，以磨损比，即剩余工作时间除以刀具总工作时间作为剩余使用寿命标签，构造训练集，建立结合注意力机制的长短时记忆网络预测模型，进行刀具的剩余使用寿命预测。7.如权利要求6所述的数控机床刀具剩余使用寿命预测方法，其特征在于，所述建立结合注意力机制的长短时记忆网络预测模型，包括：结合注意力机制的长短时记忆网络的结构依次为：输入层、lstm网络层、注意力机制层、全连接层以及输出层，将lstm网络层的输出神经元个数设置为70，全连接层的神经元个数设置为1024，输出层的神经元个数设置为1。8.一种实施权利要求1～7任意一项所述的数控机床刀具剩余使用寿命预测方法的数控机床刀具剩余使用寿命预测系统，其特征在于，所述数控机床刀具剩余使用寿命预测系统包括：信号采集与处理模块，用于采集数控机床工作过程中的信号，并将采集得到的信号进行预处理；信号特征提取模块，用于从时域、频域以及时频域三个方面，将采集得到的信号进行特征提取；信号特征选择模块，用于利用单调性和趋势性这两个评价标准，将信号特征进行筛选，再利用核主成分分析算法对筛选得到的信号特征进行降维处理；建模预测模块，用于将信号特征进行归一化处理，以磨损比，即剩余工作时间除以刀具总工作时间作为剩余使用寿命标签，构造训练集，建立结合注意力机制的长短时记忆网络预测模型，进行刀具的剩余使用寿命预测。9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：采集数控机床工作过程中的控制器信号和传感器信号，并对信号进行预处理、特征提
取以及特征选择，挖掘各种信号中与刀具磨损相关的信息；利用长短时记忆网络与注意力机制建立刀具剩余使用寿命预测模型，实现数控机床刀具的剩余使用寿命预测。10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求8所述的数控机床刀具剩余使用寿命预测系统。

技术总结
本发明属于机械技术领域，公开了一种数控机床刀具剩余使用寿命预测方法、系统及应用，所述数控机床刀具剩余使用寿命预测方法包括：采集数控机床工作过程中的控制器信号和传感器信号，并对信号进行预处理、特征提取以及特征选择，挖掘各种信号中与刀具磨损相关的信息；利用长短时记忆网络与注意力机制建立刀具剩余使用寿命预测模型，实现数控机床刀具的剩余使用寿命预测。本发明通过采集数控机床工作过程中的控制器信号和传感器信号，利用多源信息建立刀具剩余使用寿命预测模型，充分考虑了不同类型的信号反映的刀具磨损情况，有效地克服了现有技术用单一信号建立预测模型的局限性，使得本发明提高了刀具剩余使用寿命预测模型的泛化能力。型的泛化能力。型的泛化能力。


技术研发人员：刘尧 叶礼伦 陈改革 孔宪光
受保护的技术使用者：西安电子科技大学
技术研发日：2021.06.09
技术公布日：2021/10/29