摘要
本发明属于刀具磨损状态监测技术领域,提供了一种基于混合驱动的高斯回归模型刀具磨损监测的方法,其包括以下步骤:采集铣削过程中三轴切削力、轴向弯矩以及三轴振动信号;提取表征刀具退化状态的多域特征,并进行特征适应度分析,筛选出与刀具磨损曲线相关性最高的健康指标;对健康指标进行高斯加权移动平均滤波;建立健康指标与刀具磨损数据之间的显示物理映射模型;利用特征信息和先验物理模型来约束高斯回归过程的均值函数;使用网格搜索算法优化模型参数,并实现刀具磨损的精准预测。本发明解决了难以实时监测刀具磨损情况的技术问题,改善预测过程的稳定性和可靠性。
技术关键词
刀具磨损监测
网格搜索算法
移动平均滤波器
刀具磨损状态监测技术
因子
监测刀具磨损
指标
物理
皮尔逊相关系数
切削力
曲线
信号特征
参数
频率
进程
线性
数据
系统为您推荐了相关专利信息
机械手抓持
稳定性检测方法
油茶树
建立神经网络模型
判定机械手
流体系统
高精度预测方法
神经网络模型
表达式
动态
闭环反馈机制
注塑模
应力
红外温度传感器
压电式压力传感器
噪声指数
序列
高精度电流传感器
监测开关电源
智能决策系统