基于功率特征模型的機(jī)床設(shè)備加工運(yùn)行狀態(tài)在線識(shí)別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于機(jī)械制造業(yè)能耗、狀態(tài)監(jiān)測(cè)技術(shù)領(lǐng)域，涉及一種基于功率特征模型的 機(jī)床設(shè)備加工運(yùn)行狀態(tài)在線識(shí)別方法。
【背景技術(shù)】
[0002] 及時(shí)、準(zhǔn)確地獲取生產(chǎn)中機(jī)床設(shè)備的運(yùn)行情況，掌握生產(chǎn)現(xiàn)場(chǎng)的加工信息，對(duì)于生 產(chǎn)管理人員了解機(jī)床設(shè)備加工效率和利用率，把握加工進(jìn)度，規(guī)劃加工任務(wù)具有重要的意 義。然而，由于生產(chǎn)現(xiàn)場(chǎng)環(huán)境復(fù)雜，設(shè)備的數(shù)控化程度參差不齊，以及數(shù)控系統(tǒng)間互操作性 差等原因，一直難以準(zhǔn)確實(shí)時(shí)地獲取機(jī)床設(shè)備加工運(yùn)行狀態(tài)與生產(chǎn)信息。傳統(tǒng)的人工統(tǒng)計(jì) 方法容易受人為因素干擾，且實(shí)施成本較高，并存在準(zhǔn)確性差、實(shí)時(shí)性低等問題，不利于在 實(shí)際加工生產(chǎn)中推廣使用。
[0003] 隨著數(shù)控機(jī)床技術(shù)的發(fā)展，對(duì)于具有開放的軟硬件接口的數(shù)控機(jī)床而言，可以通 過插入宏指令讀取數(shù)控系統(tǒng)內(nèi)部信息，獲取機(jī)床加工運(yùn)行狀態(tài)，獲取方法相對(duì)容易。然而， 對(duì)于沒有開放數(shù)據(jù)接口的數(shù)控機(jī)床以及普通機(jī)床而言，自動(dòng)實(shí)時(shí)獲取加工運(yùn)行狀態(tài)的方法 十分有限，因此迫切需要一種簡單有效的加工運(yùn)行狀態(tài)獲取方法。

【發(fā)明內(nèi)容】

[0004]有鑒于此，本發(fā)明的目的在于提供一種基于功率特征模型的機(jī)床設(shè)備加工運(yùn)行狀 態(tài)在線識(shí)別方法，該方法通過大量樣本數(shù)據(jù)的時(shí)域特征建立了準(zhǔn)確可靠的功率特征模型， 通過KNN分類算法在線識(shí)別機(jī)床設(shè)備運(yùn)行狀態(tài)準(zhǔn)確率高，穩(wěn)定性好。
[0005] 為達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案：
[0006]基于功率特征模型的機(jī)床設(shè)備加工運(yùn)行狀態(tài)在線識(shí)別方法，該方法具體包括以下 步驟：
[0007] 步驟一：采集機(jī)床總輸入功率，通過功率傳感器實(shí)時(shí)采集機(jī)床設(shè)備總電源處的功 率，并對(duì)該功率數(shù)據(jù)進(jìn)行預(yù)處理，通過數(shù)據(jù)濾波剔除采樣功率數(shù)據(jù)中的異常值；
[0008] 步驟二：建立功率特征模型，首先定義機(jī)床加工的運(yùn)行狀態(tài)，其次對(duì)功率數(shù)據(jù)進(jìn)行 時(shí)域特征的提取，即通過提取并計(jì)算預(yù)處理過后的功率數(shù)據(jù)的時(shí)域特征信息作為每個(gè)狀態(tài) 的特征向量，最后通過相關(guān)性分析法建立各狀態(tài)的功率特征模型；
[0009] 步驟三：運(yùn)行狀態(tài)在線識(shí)別，通過建立的功率特征模型和KNN分類算法在線識(shí)別 機(jī)床設(shè)備加工運(yùn)行狀態(tài)。
[0010] 進(jìn)一步，所述步驟一中的功率傳感器的采樣頻率為5HZ，每秒采集5個(gè)功率數(shù)據(jù)。
[0011] 進(jìn)一步，所述步驟二中定義機(jī)床加工的運(yùn)行狀態(tài)為待機(jī)、加工和關(guān)機(jī)三種狀態(tài)。
[0012] 進(jìn)一步，所述步驟二建立功率特征模型具體包括以下步驟：
[0013] 1)將預(yù)處理過后的數(shù)據(jù)先進(jìn)行分塊，然后按塊計(jì)算其時(shí)域特征信息，所述時(shí)域特 征信息主要包括：極差（ran)、均方根（rms)、波峰系數(shù)（cf)、標(biāo)準(zhǔn)差（std)、偏斜度（ske)、 峭度（kur)，作為每個(gè)運(yùn)行狀態(tài)的特征向量X，X= [ran，rms，cf，std，ske，kur]，分塊計(jì)算 完成后，得到各個(gè)狀態(tài)的m*6維特征信息矩陣，m為數(shù)據(jù)塊的個(gè)數(shù)；
[0014] 2)對(duì)特征信息矩陣進(jìn)行歸一化處理，使其值滿足在-1~1的范圍內(nèi)，再通過限幅 濾波方法濾除異常值，用一維線性插值算法所得到的數(shù)據(jù)替代去除的數(shù)據(jù)，得到標(biāo)準(zhǔn)化的 特征信息矩陣；
[0015] 3)相關(guān)性分析，即應(yīng)用主成分分析法計(jì)算6個(gè)時(shí)域特征對(duì)數(shù)據(jù)的貢獻(xiàn)率，表示對(duì) 完整數(shù)據(jù)的反映程度，選出貢獻(xiàn)率較高的時(shí)域特征，即反應(yīng)完整數(shù)據(jù)90%以上信息的時(shí)域 特征，以此建立各狀態(tài)的功率特征模型。
[0016] 進(jìn)一步，所述步驟四具體包括以下步驟：
[0017] 1)設(shè)置每個(gè)狀態(tài)的狀態(tài)標(biāo)志，分別將功率特征模型中的三個(gè)狀態(tài)標(biāo)記為"1"， "2"，"0"待機(jī)為1、加工為2、關(guān)機(jī)為0 ;
[0018] 2)k值優(yōu)化，S卩KNN分類算法中參數(shù)k(k的取值范圍為1~20)的選取，把功率特 征模型中的數(shù)據(jù)按4:1的比例隨機(jī)的分為2組，分別為樣本數(shù)據(jù)和訓(xùn)練數(shù)據(jù)，其中樣本數(shù)據(jù) 作為功率特征模型，即狀態(tài)分類器，通過KNN分類算法對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行分類訓(xùn)練，分別計(jì)算 不同k值下各個(gè)狀態(tài)的誤差率，選擇每個(gè)狀態(tài)下綜合誤差率最小時(shí)的k值作為分類算法的 參數(shù)；
[0019] 3)在線識(shí)別，將實(shí)時(shí)測(cè)得的數(shù)據(jù)，即測(cè)試數(shù)據(jù)，經(jīng)預(yù)處理和標(biāo)準(zhǔn)化后，得到測(cè)試數(shù) 據(jù)點(diǎn)，通過KNN分類算法，即統(tǒng)計(jì)該測(cè)試數(shù)據(jù)點(diǎn)周圍的k個(gè)最臨近的點(diǎn)，根據(jù)建立的功率特 征模型，分別計(jì)算該測(cè)試數(shù)據(jù)點(diǎn)周圍最臨近的狀態(tài)的個(gè)數(shù)，根據(jù)少數(shù)服從多數(shù)的原 則確定該實(shí)測(cè)點(diǎn)所屬的狀態(tài)；如果在該測(cè)試數(shù)據(jù)點(diǎn)周圍兩個(gè)狀態(tài)的個(gè)數(shù)相同，則根據(jù)空間 上距離最近的原則確定該實(shí)測(cè)點(diǎn)所屬的狀態(tài)。
[0020] 4)關(guān)機(jī)狀態(tài)識(shí)別，當(dāng)功率傳感器采集的功率數(shù)據(jù)在連續(xù)2個(gè)采樣周期內(nèi)采集的功 率值都等于〇時(shí)，將機(jī)床運(yùn)行狀態(tài)判斷為關(guān)機(jī)，狀態(tài)標(biāo)記為"0"。
[0021] 本發(fā)明的有益效果在于：本發(fā)明提供的一種基于功率特征模型的機(jī)床設(shè)備加工運(yùn) 行狀態(tài)在線識(shí)別方法，通過提取功率數(shù)據(jù)時(shí)域特征，建立表征機(jī)床加工運(yùn)行狀態(tài)的功率特 征模型，采集機(jī)床總輸入功率，通過功率特征模型和KNN分類算法在線識(shí)別出機(jī)床設(shè)備加 工運(yùn)行狀態(tài)；該方法只需采集機(jī)床設(shè)備總電源輸入功率信息，即可識(shí)別機(jī)床加工運(yùn)行狀態(tài)， 簡單易操作；且功率數(shù)據(jù)測(cè)量簡便，具有抗電壓波動(dòng)能力比較強(qiáng)，可避免切削環(huán)境中切削、 振動(dòng)等干擾的優(yōu)點(diǎn)，僅需安裝低成本的功率傳感器，成本較低，方便實(shí)用，具有較高的可推 廣性。該方法基于大量樣本數(shù)據(jù)的時(shí)域特征建立了準(zhǔn)確可靠的功率特征模型，通過KNN分 類算法在線識(shí)別機(jī)床設(shè)備運(yùn)行狀態(tài)準(zhǔn)確率高，穩(wěn)定性好。該方法可以為機(jī)床設(shè)備的利用率， 加工效率提供數(shù)據(jù)支持，對(duì)于機(jī)床優(yōu)化調(diào)度，加工參數(shù)優(yōu)化，提高機(jī)床利用率有著重要的意 義。
【附圖說明】
[0022] 為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明作進(jìn) 一步的詳細(xì)描述，其中：
[0023] 圖1為本發(fā)明所述方法的流程框圖；
[0024] 圖2為限幅濾波算法流程圖；
[0025] 圖3為功率特征模型算法流程圖；
[0026] 圖4為待機(jī)和加工兩種狀態(tài)的功率特征模型；
[0027] 圖5為取不同k值時(shí)KNN分類算法的誤差率曲線。
【具體實(shí)施方式】
[0028] 下面將結(jié)合附圖，對(duì)本發(fā)明的優(yōu)選實(shí)施例進(jìn)行詳細(xì)的描述。
[0029]本發(fā)明提供的一種基于功率特征模型的機(jī)床設(shè)備加工運(yùn)行狀態(tài)在線識(shí)別方法，其 流程框圖如附圖1所示：定義機(jī)床加工的運(yùn)行狀態(tài)，機(jī)床加工的運(yùn)行狀態(tài)包括待機(jī)、加工和 關(guān)機(jī)三種狀態(tài)；首先采集機(jī)床總輸入功率，接著以功率數(shù)據(jù)對(duì)狀態(tài)分類器進(jìn)行訓(xùn)練，即提取 功率數(shù)據(jù)的時(shí)域特征，建立表征機(jī)床加工運(yùn)行狀態(tài)的功率特征模型，最后通過功率特征模 型和KNN分類算法在線識(shí)別出機(jī)床設(shè)備加工運(yùn)行狀態(tài)。
[0030] 具體步驟如下：
[0031] 步驟一，采集機(jī)床總輸入功率及數(shù)據(jù)預(yù)處理，通過功率傳感器實(shí)時(shí)采集機(jī)床設(shè)備 總電源處的功率，并通過濾波算法剔除采樣功率數(shù)據(jù)中的異常值。每秒采集5個(gè)功率數(shù)據(jù)， 即采樣頻率為5Hz。每個(gè)運(yùn)行狀態(tài)的功率數(shù)據(jù)采集量一定要足夠大，以保證功率數(shù)據(jù)的完整 性和準(zhǔn)確性。
[0032]在實(shí)際的加工生產(chǎn)過程中，往往存在大量的干擾，如果不進(jìn)行處理，將直接影響后 續(xù)的操作，造成在線狀態(tài)識(shí)別不準(zhǔn)確。因此，在使用功率數(shù)據(jù)之前，需要對(duì)其進(jìn)行處理，剔除 其中的異常值，以保證數(shù)據(jù)的可靠性和準(zhǔn)確性。本發(fā)明通過限幅濾波算法來進(jìn)行數(shù)據(jù)的濾 波處理，利用該方法，可以有效的濾除高低頻脈沖干擾。
[0033] 限幅濾波算法的流程圖如附圖2所示：首先，將某一狀態(tài)的數(shù)據(jù)按照從小到大的 順序排列，設(shè)定上、下百分位數(shù)，根據(jù)數(shù)據(jù)分布選擇合適的上、下百分位數(shù)，如[2, 98]，即上 百分位數(shù)為98百分位數(shù)，下百分位數(shù)為2百分位數(shù)。接著，計(jì)算上、下百分位數(shù)所對(duì)應(yīng)的 值[pl，P2]，判斷該狀態(tài)中的數(shù)據(jù)是否在[pl，p2]范圍內(nèi)，如果在，則不做任何變化；如果不 在，則利用一維線性插值算法產(chǎn)生的新數(shù)據(jù)替代原有的數(shù)據(jù)，以此達(dá)到濾除脈沖干擾的目 的。下面步驟三中的歸一化處理也同樣用到該濾波算法。
[0034] 步驟二，建立功率特征模型，首先定義機(jī)床加工的運(yùn)行狀態(tài)，其次對(duì)功率數(shù)據(jù)進(jìn)行 時(shí)域特征的提取，即通過提取并計(jì)算預(yù)處理過后的功率數(shù)據(jù)的時(shí)域特征信息作為每個(gè)狀態(tài) 的特征向量，最后通過相關(guān)性分析法建立各狀態(tài)的功率特征模型。通過大量功率數(shù)據(jù)建立 準(zhǔn)確的功率特征模型是本發(fā)明的核心所在，功率特征模型的準(zhǔn)確性包括3個(gè)方面，一是功 率數(shù)據(jù)本身的準(zhǔn)確性，二是機(jī)床運(yùn)行各狀態(tài)數(shù)據(jù)的完整性，三是數(shù)據(jù)處理的準(zhǔn)確性。功率特 征模型的建立如附圖3所示：
[0035]①將機(jī)床加工的運(yùn)行狀態(tài)定義為待機(jī)、加工和關(guān)機(jī)三種狀態(tài)。其中，總電源開啟 (數(shù)控系統(tǒng)啟動(dòng)）為待機(jī)狀態(tài)，主軸開啟以及切削過程為