公开(公告)号：CN106002483A

公开(公告)日：2016-10-12

申请号：CN201610289610.7

申请日：2016-05-04

Applicant: 北京信息科技大学

Inventor： 黄民 ,  高延 ,  吴国新 ,  孙巍伟 ,  马超

IPC: B23Q17/09

CPC classification number: B23Q17/0957

Abstract: 本发明涉及一种智能刀具故障诊断方法，其步骤：在机床的CNC端与机床端之间设置PLC；由PLC获取机床加工过程中产生的若干刀具振动信号x(t)，并对采集到的各刀具振动信号x(t)进行处理并提取刀具特征；根据获得的刀具特征信息建立刀具振动信号和刀具磨损故障的对应关系，以完成刀具磨损故障的智能识别：对每个刀具振动信号进行训练得到隐马尔可夫模型λ；利用训练好的隐马尔可夫模型λ进行似然率的计算，将刀具振动信号的序列O输入到以训练好的各个隐马尔可夫模型中，得到各刀具振动信号在相应隐马尔可夫模型下的似然率，进而实现刀具状态识别。本发明结合机床本身特性和刀具加工过程振动信号特征，实现刀具磨损故障的自动检测，并能自动识别刀具磨损状态。

公开(公告)号：CN106002483B

公开(公告)日：2018-02-02

申请号：CN201610289610.7

申请日：2016-05-04

Applicant: 北京信息科技大学

Inventor： 黄民 ,  高延 ,  吴国新 ,  孙巍伟 ,  马超

IPC: B23Q17/09

Abstract: 本发明涉及一种智能刀具故障诊断方法，其步骤：在机床的CNC端与机床端之间设置PLC；由PLC获取机床加工过程中产生的若干刀具振动信号x(t)，并对采集到的各刀具振动信号x(t)进行处理并提取刀具特征；根据获得的刀具特征信息建立刀具振动信号和刀具磨损故障的对应关系，以完成刀具磨损故障的智能识别：对每个刀具振动信号进行训练得到隐马尔可夫模型λ；利用训练好的隐马尔可夫模型λ进行似然率的计算，将刀具振动信号的序列O输入到以训练好的各个隐马尔可夫模型中，得到各刀具振动信号在相应隐马尔可夫模型下的似然率，进而实现刀具状态识别。本发明结合机床本身特性和刀具加工过程振动信号特征，实现刀具磨损故障的自动检测，并能自动识别刀具磨损状态。