技術(shù)特征：

1.一種基于聲振信號(hào)兩級(jí)融合的銑齒機(jī)盤型銑刀刀具磨損狀態(tài)分類方法，其特征在于，主要包括如下步驟：

2.根據(jù)權(quán)利要求要求1所述的一種基于聲振信號(hào)兩級(jí)融合的銑齒機(jī)盤型銑刀刀具磨損狀態(tài)分類方法，其特征在于：所述s1中采用4個(gè)噪聲傳感器采集4個(gè)方位的噪聲信號(hào)，并通過(guò)灰色b型關(guān)聯(lián)度的方法得到不同方位信號(hào)的關(guān)聯(lián)度，進(jìn)行數(shù)據(jù)級(jí)融合得到融合后的聲音信號(hào)，主要包含以下步驟：

3.根據(jù)權(quán)利要求要求1所述的一種基于聲振信號(hào)兩級(jí)融合的銑齒機(jī)盤型銑刀刀具磨損狀態(tài)分類方法，其特征在于：所述s2中采用加速度傳感器采集銑齒機(jī)主軸振動(dòng)信號(hào)，再對(duì)融合后的聲音信號(hào)以及振動(dòng)信號(hào)進(jìn)行時(shí)頻域特征提取，通過(guò)relieff-mrmr聯(lián)合算法對(duì)提取的特征進(jìn)行特征向量?jī)?yōu)選，選取影響大的特征向量構(gòu)建數(shù)據(jù)集，主要包含以下步驟：

4.根據(jù)權(quán)利要求要求1所述的一種基于聲振信號(hào)兩級(jí)融合的銑齒機(jī)盤型銑刀刀具磨損狀態(tài)分類方法，其特征在于：所述s3中采用bilstm對(duì)數(shù)據(jù)集進(jìn)行特征提取，將提取出的特征進(jìn)行轉(zhuǎn)換，構(gòu)成xgboost所能識(shí)別的特征向量，通過(guò)xgboost進(jìn)行分類，得到銑齒機(jī)刀具磨損不同狀態(tài)的分類結(jié)果，主要包含以下步驟：

技術(shù)總結(jié)
本發(fā)明提供了一種基于聲振信號(hào)兩級(jí)融合的銑齒機(jī)盤型銑刀刀具磨損狀態(tài)分類方法，涉及多源信息融合，故障診斷領(lǐng)域，主要方法包括：1)采用4個(gè)噪聲傳感器采集4個(gè)方位的噪聲信號(hào)，并通過(guò)灰色B型關(guān)聯(lián)度的方法得到不同方位信號(hào)的關(guān)聯(lián)度，進(jìn)行數(shù)據(jù)級(jí)融合得到融合后的聲音信號(hào)。2)采集銑齒機(jī)主軸的振動(dòng)信號(hào)，并將采集到的振動(dòng)信號(hào)和融合后的聲音信號(hào)預(yù)處理后進(jìn)行時(shí)頻特征提取，采用ReliefF?mRMR聯(lián)合算法對(duì)提取的特征值進(jìn)行優(yōu)選，選出影響較大的特征構(gòu)建數(shù)據(jù)集。3)采用BiLSTM對(duì)數(shù)據(jù)集進(jìn)行特征提取，再通過(guò)XGBoost對(duì)提取后的特征向量進(jìn)行分類，得到盤型銑刀不同磨損狀態(tài)分類結(jié)果。本發(fā)明采用兩級(jí)融合的方法，對(duì)聲振信號(hào)進(jìn)行融合，能夠更有效捕捉刀具磨損的特征，去評(píng)判銑齒機(jī)盤型銑刀刀具磨損狀態(tài)。

技術(shù)研發(fā)人員：陳捷,馬新宇,李夢(mèng)環(huán),印振坤
受保護(hù)的技術(shù)使用者：南京工大數(shù)控科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30