CN116038430B 多传感器信息融合的刀具剩余寿命预测方法 （西安理工大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN116038430B(45)授权公告日2025.07.11

(21)申请号202310110096.6

(22)申请日2023.02.14

(65)同一申请的已公布的文献号申请公布号CN116038430A

(43)申请公布日2023.05.02

(73)专利权人西安理工大学

地址710048陕西省西安市碑林区金花南

路5号

(56)对比文件

CN110442941A,2019.11.12CN113467375A,2021.10.01审查员苏杭

(72)发明人郭伟超冯豆豆张松伟李丙震曾山林许栋

(74)专利代理机构西安弘理专利事务所61214专利代理师徐瑶

(51)Int.CI.

B23Q17/09(2006.01)

权利要求书3页说明书8页附图4页

(54)发明名称

信号采集与处理：采集刀具切削过程中的切削力、振动、声发射信号，并将采集的信号进行预处理。信号特征提取：从时域、频域及时频域三个方面，将预处

信号采集与处理：采集刀具切削过程中的切削力、振动、声发射信号，并将采集的信号进行预处理。

信号特征提取：从时域、频域及时频域三个方面，将预处理的信号进行特征提取。

特征排序及选择：利用单调性评价指标，计算时间向量与特征向量的斯皮尔曼等级相关系数作为特征单调性得分，选取单调性得分大于0.8的特征用于构建筛选特征矩阵。

特征融合构建健康指标：对筛选出的特征进行基于PCA的特征融合，取第一主成分对其进行三次一阶指数平滑，构建表征刀具磨损退化的健康指标。

建模预测：首先基于所构建的健康指标，建立双指数刀具磨损退化模型。然后利用最小二乘法对观测数据进行拟合，初始化模型参数，最后通过贝叶斯理论对历史样本进行状态跟踪建模，更新状态传递函数，实现刀具退化趋势预测和剩余寿命评估。

CN116038430B(57)摘要本发明公开了多传感器信息融合的刀具剩余寿命预测方法，采用多传感器信号提取的特征进行融合能够减少对某单一信号的依赖，避免依赖单一信号造成的预测失稳，提高预测模型的鲁棒性。本发明采用基于双指数退化模型的预测方法可以避免依赖大量全寿命数据，且能够随着时间推进及监测数据的序贯可获，用监测数据实时在线更新退化模型参数以逐渐逼近刀具磨损退

CN116038430B

(57)摘要

CN116038430B权利要求书1/3页

2

1.多传感器信息融合的刀具剩余寿命预测方法，其特征在于，具体操作步骤如下：

步骤1:采集刀具切削过程中的信号，所述信号包括X、Y、Z三个方向的切削力信号、X、Y、Z三个方向的振动信号以及声发射信号共7个通道的信号；

步骤2:将采集的信号进行预处理，其中对无效数据进行直接删除，所述无效数据包括进刀无效数据和退刀无效数据；对异常值利用基于滑动窗口的中值滤波方法进行处理；

步骤3:对步骤2经预处理后的信号从时域、频域、时频域三个方面，将步骤1得到的7个通道的时序数据分成等长的315个数据样本，并分别提取均值、标准差、偏度、峰度、脉冲因

子、波峰因子、形状因子、边际因子、峰峰值、均方根、sk均值、sk标准差、sk偏度、sk峰度、小波包能量这15种特征，共构建105个特征的时间序列，形成特征矩阵X×105,用F1315;表示X3315×105的第i列特征时序；

步骤4:利用单调性评价指标，计算步骤3中得到的每一种特征时序与对应时间矢量的斯皮尔曼等级相关系数作为该种特征的单调性得分，选取单调性得分大于0.8的特征形成筛选特征矩阵X×;

步骤5:对步骤4筛选出的特征进行基于主成分分析PCA的融合，取第一主成分对其进行三次一阶指数平滑，平滑系数α=0.1,构建健康指标；采用双指数模型拟合所述健康指标，建立描述刀具退化过程的双指数退化模型；

步骤6:根据双指数退化模型，结合粒子滤波算法贝叶斯理论预测刀具剩余寿命。

2.根据权利要求1所述的多传感器信息融合的刀具剩余寿命预测方法，其特征在于，步骤2所述中值滤波具体过程如下：1)设置样本两边的样本数为k,则窗口大小为2k+1,设定上下界系数n;2)基于滑动窗口计算每个样本的局部标准差xs、局部估计中值xm;3)计算样本的异常值上下界：异常值上界：upbound=xm+n?×x?异常值下界：downboumd=xm-n?×x?4)