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。
技术关键词
刀具状态监测方法
多通道
振动传感器
故障特征
极限学习机
健康状态识别
数据
高速机床
样本
信号
分类器
工件夹具
机床主轴
算法
参数
精度
鲁棒性
训练集
系统为您推荐了相关专利信息
门控循环单元
故障特征
知识蒸馏技术
分类器
精度校准
三维虚拟模型
智慧监测系统
MQTT协议
多协议标签交换技术
动态选择网络
一体化设计技术
步进电机系统
调速器
下壳体组件
油泵系统
智能定位方法
配电网故障
配电网监测终端
电网拓扑结构
通信网络
LSTM模型
分类准确率
图像
人工智能交叉技术
混合深度学习模型