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：友机技术(上海)有限公司
摘要：基于多通道信息融合的刀具状态监测方法，包括如下步骤，步骤一，采集刀具加工中的多源振动数据，步骤二，振动信号整周期截取；步骤三，对多通道信息进行复合粗粒化处理；步骤四，计算的波动散度熵；步骤五，训练多故障分类器；步骤六，根据分类结果识别具体的故障类型；步骤七：将步骤一至六获得的数据用于刀具健康软件系统，对实时生产的刀具健康状态进行监测及故障识别。本发明解决了现有振动传感器单通道信息难以全面表征刀具故障特征的难题，突破了复杂动态干扰导致刀具故障监测精度低的难题；采用哈里斯鹰算法自适应的优化极限学习机参数，提高了故障识别精度和泛化能力，为高速加工过程中刀具在线监测提供了一种有效的解决方法。
主权项：1.基于多通道信息融合的刀具状态监测方法，其特征在于，包括如下步骤，步骤一，采集刀具加工中的多源振动数据，具体利用安装在高速加工机床主轴附近和工件夹具附近的多套振动传感器实时采集加工过程中的振动数据，每个振动传感器采集X、Y、Z轴三个方向的刀具加工中产生的加速度信号，所采集的多源振动数据记为步骤二，振动信号整周期截取，具体对采集的多源振动信息进行数据截取，按照信号采样频率和高速加工刀具转速对振动信号进行截取，一方面提高样本点数，另一方面避免随机干扰，提高计算的鲁棒性；步骤三，对多通道信息进行复合粗粒化处理，生成复合多通道粗粒时间序列，所构建的张量记为步骤四，计算的波动散度熵，设置相同的尺度因子和粗粒度参数，计算多通道下每个样本的波动散度熵，建立混合结构化特征集，并根据数据样本构建训练集和测试集；步骤五，训练多故障分类器，将训练集输入到极限学习机进行训练，利用哈里斯鹰优化算法实时更新输入权重w和隐含层阈值g，以构建最优参数组合，通过多次迭代优化，直至算法收敛，输出最优的参数组合w,g；步骤六，根据步骤五输出结果识别健康状态，将测试样本输入到优化后的极限学习机进行识别，根据分类结果识别具体的故障类型，在此基础上，统计动态工况下不同比例训练样本对刀具健康状态识别精度；步骤七：将步骤一至六获得的数据用于刀具健康软件系统，对实时生产的刀具健康状态进行监测及故障识别。
全文数据：
权利要求：
百度查询： 友机技术(上海)有限公司 基于多通道信息融合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。
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