本技術涉及斷刀檢測，尤其是涉及一種數(shù)控機床刀具異常檢測方法、系統(tǒng)及存儲介質(zhì)。

背景技術：

1、在對氣動工具或電動工具配件進行加工時，通常需要使用數(shù)控機床進行加工。數(shù)控機床是一種裝有程序控制系統(tǒng)的自動化機床，能夠通過信息載體輸入數(shù)控裝置，經(jīng)運算處理由數(shù)控裝置發(fā)出各種控制信號，控制機床的動作，按圖紙要求的形狀和尺寸，自動對配件進行加工。

2、由于氣動工具和電動工具的配件具有體積小、結構較為精密的特性，對數(shù)控機床加工的精確度要求較高，當數(shù)控機床的刀具存在斷刀、彎曲或位置移動等異常情況時，會對加工的精確度產(chǎn)生嚴重的影響?，F(xiàn)有技術中通常采用斷刀檢測裝置對刀具的控制信號進行采樣和檢測，但這種方式獲取的刀具異常信息存在類型單一、信息量有限等缺陷，從而導致刀具異常檢測的準確性和可靠性較差。

技術實現(xiàn)思路

1、本技術的目的是提供一種數(shù)控機床刀具異常檢測方法、系統(tǒng)及存儲介質(zhì)，提升刀具異常檢測的準確性和可靠性。

2、第一方面，本技術提供的一種數(shù)控機床刀具異常檢測方法采用如下的技術方案：

3、一種數(shù)控機床刀具異常檢測方法，包括：

4、獲取圖像采集設備采集到的刀具圖像數(shù)據(jù)；

5、根據(jù)刀具圖像數(shù)據(jù)得到刀具的直接檢測數(shù)據(jù)集，所述直接檢測數(shù)據(jù)集包括偏置數(shù)據(jù)、破損數(shù)據(jù)和跳動數(shù)據(jù)；

6、獲取信號采集設備采集到的刀具信號數(shù)據(jù)；

7、根據(jù)刀具信號數(shù)據(jù)得到刀具的間接檢測數(shù)據(jù)集，所述間接檢測數(shù)據(jù)集包括功率數(shù)據(jù)、負載數(shù)據(jù)、切削力數(shù)據(jù)和信號特征數(shù)據(jù)；

8、構建刀具異常檢測模型，將刀具的直接檢測數(shù)據(jù)集和間接檢測數(shù)據(jù)集輸入刀具異常檢測模型，得到刀具異常檢測結果。

9、通過采用上述技術方案，本技術通過圖像數(shù)據(jù)對刀具進行直接檢測，同時通過信號數(shù)據(jù)對刀具進行間接檢測，將直接檢測數(shù)據(jù)集和間接檢測數(shù)據(jù)集相結合對異常檢測結果進行預測，使檢測范圍更加廣泛和全面，即使有意外情況導致某項數(shù)據(jù)采集失敗也不會影響最終的檢測結果，提升刀具異常檢測的準確性和可靠性。

10、進一步的，所述根據(jù)刀具圖像數(shù)據(jù)得到刀具的直接檢測數(shù)據(jù)集，所述直接檢測數(shù)據(jù)集包括偏置數(shù)據(jù)、破損數(shù)據(jù)和跳動數(shù)據(jù)，包括：

11、根據(jù)刀具圖像數(shù)據(jù)得到刀具實際位置；

12、獲取刀具標準數(shù)據(jù)，根據(jù)刀具標準數(shù)據(jù)得到刀具標準位置；

13、根據(jù)刀具標準位置和刀具實際位置得到刀具長度差值和半徑差值，將長度差值和半徑差值構建為偏置數(shù)據(jù)；

14、將偏置數(shù)據(jù)加入直接檢測數(shù)據(jù)集。

15、通過采用上述技術方案，長度與半徑偏置是刀具檢測的基礎，用于確保刀具位置的準確性，從而能夠減少因刀具尺寸偏差導致的加工誤差，因此本技術通過圖像識別計算偏置數(shù)據(jù)并加入直接檢測數(shù)據(jù)集，以提升刀具異常檢測的準確性。

16、進一步的，所述據(jù)刀具圖像數(shù)據(jù)得到刀具的直接檢測數(shù)據(jù)集，所述直接檢測數(shù)據(jù)集包括偏置數(shù)據(jù)、破損數(shù)據(jù)和跳動數(shù)據(jù)，還包括：

17、根據(jù)刀具圖像數(shù)據(jù)識別刀具實際外觀；

18、獲取刀具標準數(shù)據(jù)，根據(jù)刀具標準數(shù)據(jù)得到刀具標準外觀；

19、根據(jù)刀具實際外觀和刀具標準外觀進行對比得到破損數(shù)據(jù)；

20、將破損數(shù)據(jù)加入直接檢測數(shù)據(jù)集。

21、通過采用上述技術方案，刀具破損情況可能包括裂紋、缺口或鈍化，這些都會直接影響加工質(zhì)量和刀具壽命，因此本技術通過圖像識別得到破損數(shù)據(jù)并加入直接檢測數(shù)據(jù)集，以提升刀具異常檢測的準確性。

22、進一步的，所述據(jù)刀具圖像數(shù)據(jù)得到刀具的直接檢測數(shù)據(jù)集，所述直接檢測數(shù)據(jù)集包括偏置數(shù)據(jù)、破損數(shù)據(jù)和跳動數(shù)據(jù)，還包括：

23、獲取不同時刻下采集到的刀具圖像數(shù)據(jù)；

24、根據(jù)不同時刻下采集到的刀具圖像數(shù)據(jù)得到跳動數(shù)據(jù)；

25、將跳動數(shù)據(jù)加入直接檢測數(shù)據(jù)集。

26、通過采用上述技術方案，刀具跳動是在刀具旋轉過程中的徑向跳動，跳動過大可能影響加工精度，甚至導致刀具損壞，因此本技術通過圖像識別得到跳動數(shù)據(jù)并加入直接檢測數(shù)據(jù)集，以提升刀具異常檢測的準確性。

27、進一步的，所述根據(jù)刀具信號數(shù)據(jù)得到刀具的間接檢測數(shù)據(jù)集，所述間接檢測數(shù)據(jù)集包括功率數(shù)據(jù)、負載數(shù)據(jù)、切削力數(shù)據(jù)和信號特征數(shù)據(jù)，包括：

28、按照預設的采樣頻率和采樣點數(shù)對刀具的功率信號、負載信號、切削力信號進行采樣；

29、根據(jù)功率信號的采樣結果得到功率數(shù)據(jù)；

30、根據(jù)負載信號的采樣結果得到負載數(shù)據(jù)；

31、根據(jù)切削力信號的采樣結果得到切削力數(shù)據(jù)；

32、根據(jù)功率信號、負載信號和切削力信號的采樣結果得到信號特征數(shù)據(jù)。

33、通過采用上述技術方案，本技術通過對刀具的信號進行采樣得到刀具在加工控制階段的各種數(shù)據(jù)，提取加工過程中的信號特征能夠對刀具狀態(tài)和加工條件進行更加精準的分析，以提升刀具異常檢測的準確性。

34、進一步的，所述根據(jù)功率信號、負載信號和切削力信號得到信號特征數(shù)據(jù)，包括：

35、對功率信號、負載信號和切削力信號分別進行特征提??；

36、將特征提取結果作為信號特征數(shù)據(jù)。

37、通過采用上述技術方案，?信號特征提取的能夠挖掘信號中的有價值信息，并將其與噪聲和干擾區(qū)分開來，以提高后續(xù)處理或分析的準確性和效率，因此本技術通過對功率信號、負載信號和切削力信號分別進行特征提取，以提升刀具異常檢測的準確性。

38、進一步的，所述構建刀具異常檢測模型，將刀具的直接檢測數(shù)據(jù)集和間接檢測數(shù)據(jù)集輸入刀具異常檢測模型，得到刀具異常檢測結果，具體包括：

39、構建刀具異常檢測初始模型；

40、獲取刀具異常檢測數(shù)據(jù)庫內(nèi)的刀具異常檢測結果樣本以及對應的直接檢測數(shù)據(jù)集樣本和間接檢測數(shù)據(jù)集樣本，所述刀具異常檢測結果樣本包括若干個異常樣本和若干個正常樣本；

41、將充刀具異常檢測結果樣本作為輸出特征，將對應的直接檢測數(shù)據(jù)集樣本和間接檢測數(shù)據(jù)集樣本作為輸入特征，構建為樣本集；

42、根據(jù)樣本集對刀具異常檢測初始模型進行訓練，得到訓練完成的刀具異常檢測模型；

43、將刀具的直接檢測數(shù)據(jù)集和間接檢測數(shù)據(jù)集輸入訓練完成的刀具異常檢測模型，得到刀具異常檢測結果。

44、通過采用上述技術方案，本技術通過構建刀具異常檢測初始模型，并采用刀具異常檢測結果樣本以及對應的直接檢測數(shù)據(jù)集樣本和間接檢測數(shù)據(jù)集樣本對初始模型進行訓練，利用深度學習的方法使模型學習輸入樣本和輸出樣本之間的特征關系，從而能夠根據(jù)輸入的直接檢測數(shù)據(jù)集和間接檢測數(shù)據(jù)集得到刀具異常檢測結果，提升刀具異常檢測的準確性和智能性。

45、進一步的，所述根據(jù)樣本集對刀具異常檢測初始模型進行訓練，得到訓練完成的刀具異常檢測模型，具體包括：

46、將樣本集分為訓練集和測試集，預設訓練輪數(shù)；

47、將訓練集中的刀具異常檢測結果樣本以及對應的直接檢測數(shù)據(jù)集樣本和間接檢測數(shù)據(jù)集樣本輸入刀具異常檢測初始模型，按照預設的訓練輪數(shù)進行訓練；

48、當?shù)毒弋惓z測初始模型達到預設的訓練輪數(shù)時，得到訓練后的刀具異常檢測模型；

49、將測試集中的直接檢測數(shù)據(jù)集樣本和間接檢測數(shù)據(jù)集樣本輸入訓練后的刀具異常檢測模型，得到刀具異常檢測結果預測樣本；

50、根據(jù)測試集中的刀具異常檢測結果樣本和對應的刀具異常檢測結果預測樣本調(diào)整刀具異常檢測模型的模型參數(shù)，根據(jù)調(diào)整后的模型參數(shù)得到訓練完成的刀具異常檢測模型。

51、通過采用上述技術方案，本技術通過測試集對訓練后的模型進行測試，并根據(jù)刀具異常檢測結果樣本和對應的刀具異常檢測結果預測樣本對模型參數(shù)進行調(diào)整，從而得到訓練完成的刀具異常檢測模型，提升刀具異常檢測模型的精準性，從而提升刀具異常檢測的準確性。

52、第二方面，本技術提供的一種數(shù)控機床刀具異常檢測系統(tǒng)采用如下的技術方案：

53、一種數(shù)控機床刀具異常檢測系統(tǒng)，包括：

54、圖像數(shù)據(jù)獲取模塊，用于獲取圖像采集設備采集到的刀具圖像數(shù)據(jù)；

55、直接檢測數(shù)據(jù)集獲取模塊，用于根據(jù)刀具圖像數(shù)據(jù)得到刀具的直接檢測數(shù)據(jù)集，所述直接檢測數(shù)據(jù)集包括偏置數(shù)據(jù)、破損數(shù)據(jù)和跳動數(shù)據(jù)；

56、刀具信號數(shù)據(jù)獲取模塊，用于獲取信號采集設備采集到的刀具信號數(shù)據(jù)；

57、間接檢測數(shù)據(jù)集獲取模塊，用于根據(jù)刀具信號數(shù)據(jù)得到刀具的間接檢測數(shù)據(jù)集，所述間接檢測數(shù)據(jù)集包括功率數(shù)據(jù)、負載數(shù)據(jù)、切削力數(shù)據(jù)和信號特征數(shù)據(jù)；

58、刀具異常檢測模塊，用于構建刀具異常檢測模型，將刀具的直接檢測數(shù)據(jù)集和間接檢測數(shù)據(jù)集輸入刀具異常檢測模型，得到刀具異常檢測結果。

59、通過采用上述技術方案，本技術通過刀具異常檢測系統(tǒng)對數(shù)控機床刀具進行數(shù)據(jù)采集、數(shù)據(jù)分析、直接檢測和間接檢測融合最終得到異常檢測結果，使檢測范圍更加廣泛和全面，即使有意外情況導致某項數(shù)據(jù)采集失敗也不會影響最終的檢測結果，提升刀具異常檢測的準確性和可靠性。

60、第三方面，本技術提供的一種計算機可讀存儲介質(zhì)采用如下的技術方案：

61、一種計算機可讀存儲介質(zhì)，存儲有能夠被處理器加載并執(zhí)行如第一方面所述的一種數(shù)控機床刀具異常檢測方法的計算機程序。

62、通過采用上述技術方案，本技術通過計算機程序對采集到的數(shù)據(jù)進行處理和分析，能夠提升刀具異常檢測的準確性和智能性。

63、綜上所述，本技術包括以下至少一種有益技術效果：

64、1.本技術通過圖像數(shù)據(jù)對刀具進行直接檢測，同時通過信號數(shù)據(jù)對刀具進行間接檢測，將直接檢測數(shù)據(jù)集和間接檢測數(shù)據(jù)集相結合對異常檢測結果進行預測，使檢測范圍更加廣泛和全面，即使有意外情況導致某項數(shù)據(jù)采集失敗也不會影響最終的檢測結果，提升刀具異常檢測的準確性和可靠性；

65、2.本技術通過對刀具的信號進行采樣得到刀具在加工控制階段的各種數(shù)據(jù)，提取加工過程中的信號特征能夠對刀具狀態(tài)和加工條件進行更加精準的分析，以提升刀具異常檢測的準確性；

66、3.本技術通過構建刀具異常檢測初始模型，并采用刀具異常檢測結果樣本以及對應的直接檢測數(shù)據(jù)集樣本和間接檢測數(shù)據(jù)集樣本對初始模型進行訓練，利用深度學習的方法使模型學習輸入樣本和輸出樣本之間的特征關系，從而能夠根據(jù)輸入的直接檢測數(shù)據(jù)集和間接檢測數(shù)據(jù)集得到刀具異常檢測結果，提升刀具異常檢測的準確性和智能性。