首页 / 专利库 / 信号处理 / 削峰 / 用回归树在线检测外圆磨削工件表面粗糙度的方法

用回归树在线检测外圆磨削工件表面粗糙度的方法

阅读:1025发布:2020-08-09

专利汇可以提供用回归树在线检测外圆磨削工件表面粗糙度的方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及一种用回归树在线检测外圆磨削 工件 表面粗糙度的方法,其特征在于:它包括振动 信号 测量、振动信号特征提取、回归树模型建立;所述振动信号测量是指采用电 涡流 传感器 对外圆磨削过程中工件的振动信号进行实时测量;所述振动信号特征提取是将工件的振动信号输入计算机,经过分段处理以后,计算每段信号的时域特征和 频域特征 ,时域特征包括: 波形 指标、峰值指标、脉冲指标、裕度指标、峭度指标,频域特征包括 重心 频率 、均方频率、均方根频率、频率方差;所述回归树模型需通过试验数据进行训练,将分段振动信号的时域特征和频域特征输入训练后的回归树模型,回归树模型可直接输出表面粗糙度值。,下面是用回归树在线检测外圆磨削工件表面粗糙度的方法专利的具体信息内容。

1.一种用回归树在线检测外圆磨削工件表面粗糙度的方法,其特征在于:它包括振动信号测量、振动信号特征提取、回归树模型建立;所述振动信号测量是指采用电涡流传感器对外圆磨削过程中工件的振动信号进行实时测量;所述振动信号特征提取是将工件的振动信号输入计算机,经过分段处理以后,计算每段信号的时域特征和频域特征,时域特征包括:波形指标、峰值指标、脉冲指标、裕度指标、峭度指标,频域特征包括重心频率、均方频率、均方根频率、频率方差;所述回归树模型需通过试验数据进行训练,将分段振动信号的时域特征和频域特征输入训练后的回归树模型,回归树模型可直接输出表面粗糙度值。
2.如权利要求1所述的一种用回归树在线检测外圆磨削工件表面粗糙度的方法,其特征在于:所述回归树模型实现了外圆磨削工件表面粗糙度的在线检测,根据在线检测结果可对磨削过程进行实时调整,降低废品率。
3.如权利要求1所述的一种用回归树在线检测外圆磨削工件表面粗糙度的方法,其特征在于:所述回归树模型建立了磨削区工件振动信号与工件表面粗糙度之间的映射关系,提取振动信号的时域特征和频域特征对表面粗糙度加以表达。
4.如权利要求1所述的一种用回归树在线检测外圆磨削工件表面粗糙度的方法,其特征在于:所述回归树模型将机器学习的方法应用于外圆磨削工件表面粗糙度的在线检测,提高了检测过程的智能化程度。

说明书全文

用回归树在线检测外圆磨削工件表面粗糙度的方法

技术领域

[0001] 本发明涉及外圆磨削质量检测技术领域,特别是涉及用回归树在线检测外圆磨削工件表面粗糙度的方法。

背景技术

[0002] 表面粗糙度是外圆磨削加工质量的主要评价指标。目前,外圆磨削工件表面粗糙度的检测通常是在加工完成以后进行的。如果检测结果不合格,则需重新磨削加工,造成工时与设备的浪费;有时由于表面粗糙度超差过大,即使重新磨削也无法修正,最终使工件成为废品。

发明内容

[0003] 为了克服上述现有技术的不足,本发明提供了一种在线检测外圆磨削工件表面粗糙度的方法。
[0004] 本发明所采用的技术方案是:外圆磨削过程中,用电涡流传感器实时检测工件的振动信号,该信号经放大、滤波、模数转换等前期处理以后传入计算机。在计算机中首先将信号分段,获得每段数据的时域特征和频域特征,时域特征包括波形指标、峰值指标、脉冲指标、裕度指标、峭度指标,频域特征包括重心频率、均方频率、均方根频率、频率方差。然后将这些时域特征和频域特征输入一个回归树模型,便可求出当前数据段对应的工件表面粗糙度。
[0005] 本发明的优点:(1)在外圆磨削过程中对工件表面粗糙度进行在线检测,获得工件表面粗糙度的实时数据。这样,在表面粗糙度出现超差趋势之初,可及时采取措施加以处理,避免加工后工件的表面粗糙度不符合图纸要求,可降低废品率。
[0006] (2)建立表面粗糙度的回归树模型,实现了人工智能方法在外圆磨削中的应用,提高了外圆磨削加工的智能化程度,减少了表面粗糙度的离线测量工作量,提高了生产效率并节约了人工成本,提高了经济效益。
[0007] (3)采用电涡流传感器与回归树模型进行表面粗糙度在线检测,无需对检测仪器进行人工操作,消除了传统检测过程中对操作人员检测技能的依赖,使检测结果更加稳定。附图说明
[0008] 图1是外圆磨削工件表面粗糙度在线检测系统,图2是回归树模型结构图。

具体实施方式

[0009] 本发明使用时,可以采取以下检测步骤:1、 通过磨削试验获得回归树模型的训练样本集。磨削试验过程中,通过电涡流传感器
1拾取工件2的振动信号并输入计算机3,该振动信号经分段处理后计算每段数据的时域特征和频域特征,时域特征包括波形指标、峰值指标、脉冲指标、裕度指标、峭度指标,频域特征包括重心频率、均方频率、均方根频率、频率方差。磨削试验完成后,用表面粗糙度仪测量每段数据对应的工件表面粗糙度值。至此,建立了工件表面各处的时域特征、频域特征与表面粗糙度的数据对,形成了回归树模型的训练样本集。
[0010] 2、 对回归树模型进行训练。训练开始时,所有训练样本均位于根节点4的内部,遍历每个特征取值范围内所有值,搜索将根节点内样本集分割效果最好的特征及其分割阈值。比如特征F1的分割值c1的分隔效果最好,将根节点分割为两个中间节点,即节点5和6。分割效果最好是指分割后的节点内样本的表面粗糙度值最集中。用同样的方法继续对中间节点进行分割,当下一级节点内样本的表面粗糙度最大值与最小值之差小于某个预设的阈值时,停止继续分割,将此下一级节点作为叶节点,叶节点指回归树最底端的各节点。当分割后的所有节点均为叶节点时,表明回归树模型已经训练结束,最终获得叶节点7、8、9、10、11。
[0011] 3、 用训练后的回归树模型对工件表面粗糙度进行在线检测。外圆磨削过程中,用电涡流传感器实时检测工件的振动信号,该信号经放大、滤波、模数转换等前期处理以后输入计算机。在计算机中计算每段数据的时域特征和频域特征,将这些时域特征和频域特征输入训练好的回归树模型,便可得到当前数据段对应的工件表面粗糙度。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈