本技術涉及機床狀態監測，特別是涉及一種刀具磨損狀態的確定方法及裝置、介質、終端。

背景技術：

1、銑削加工是一種高效率的加工方法，經常用于加工空間復雜的平面，被廣泛應用于航空航天、汽車制造、模具雕刻和流體機械等行業。在銑削加工的過程中，由于銑刀與工件之間相互接觸，切削刃與加工平面之間的擠壓和摩擦會導致切削刃的磨損，造成銑刀與工件之間相互作用力的增加，即切削力的增加，進而使得切削端出現較大的彈性偏轉，導致工件的幾何精度降低、加工平面的表面粗糙度增加。因此，為了保證工件的幾何精度以及加工平面的表面粗糙度滿足要求，需要對銑刀的磨損狀態進行監測。在現代化數控機床中，主軸電機電流與銑削力之間存在著非線性的映射關系，當電機上的機械負載發生變化時，可以利用伺服控制器改變電機電流來克服負載的變化。因此，可以通過主軸電流信號映射出銑削力的變化，從而實現對刀具磨損狀態進行監測。

2、目前，通過主軸電流信號對刀具磨損狀態進行監測，首先需要構建刀具磨損狀態的分類模型，并利用歷史電流信號以及對應的刀具磨損狀態進行模型訓練；在實際監測時，將電流信號輸入至完成訓練的分類模型中，以確定刀具磨損狀態，從而實現對刀具磨損狀態的監測。

3、然而，當銑削時的加工參數發生改變時，上述分類模型將不再適用于更新后的加工參數，即使模型訓練時使用不同加工參數下的訓練數據進行訓練，仍無法覆蓋全部加工參數，因此，會導致刀具磨損狀態的分類結果準確性降低，進而降低監測的準確率。

技術實現思路

1、有鑒于此，本技術提供一種刀具磨損狀態的確定方法及裝置、介質、終端，主要目的在于現有由于加工參數發生改變而導致的刀具磨損狀態的分類結果準確性降低的問題。

2、依據本技術一個方面，提供了一種刀具磨損狀態的確定方法，包括：

3、獲取預設時長內目標刀具所對應的電流有效值數據組，基于已完成模型訓練的銑削力預測模型，根據所述電流有效值數據組預測所述目標刀具的三向銑削力值數據組，并分別計算三向銑削力均值，所述銑削力預測模型是利用不同加工參數下的訓練電流有效值以及對應的訓練三向銑削力值進行模型訓練得到的；

4、根據所述三向銑削力均值，基于所述目標刀具對應的切削角度變化矩陣以及當前加工參數，計算所述目標刀具在所述預設時長內的三向切削力系數均值；

5、根據所述三向切削力系數均值確定所述目標刀具的磨損狀態。

6、優選的，所述根據所述三向切削力系數均值確定所述目標刀具的磨損狀態，包括：

7、若所述三向切削力系數均值中存在任一向切削力系數均值超過預設切削力系數閾值，則判定所述目標刀具的磨損狀態為嚴重磨損。

8、優選的，所述根據所述三向銑削力均值，基于所述目標刀具對應的切削角度變化矩陣以及當前加工參數，計算所述目標刀具在所述預設時長內的三向切削力系數均值，包括：

9、將所述三向銑削力均值代入下述公式計算三向切削力系數均值，

10、

11、其中，表示切向銑削力系數均值，表示徑向銑削力系數均值，表示軸向銑削力系數均值，n表示刀具齒數，ap表示加工參數中的切削深度，fe表示加工參數中的等效進給量，θ表示刀具切削角度，θen表示刀具參與切削時的角度，θex表示刀具離開切削時的角度，表示x向銑削力均值，表示y向銑削力均值，表示z向銑削力均值。

12、優選的，所述基于已完成模型訓練的銑削力預測模型，根據所述電流有效值數據組預測所述目標刀具的三向銑削力值數據組之前，所述方法還包括：

13、構建初始銑削力預測模型；

14、獲取訓練數據集，所述訓練數據集中包括不同加工參數下的訓練電流有效值以及對應的訓練三向銑削力值；

15、基于所述初始銑削力預測模型，根據各個訓練電流有效值預測對應的預測三向銑削力值；

16、計算所述預測三向銑削力值與所述訓練三向銑削力值之間的損失函數，并基于所述損失函數對所述初始銑削力預測模型的模型參數進行一次優化，得到中間銑削力預測模型；

17、獲取驗證數據集，并基于所述驗證數據集對所述中間銑削力預測模型的模型參數進行二次優化，得到已完成模型訓練的銑削力預測模型。

18、優選的，所述獲取訓練數據集之前，所述方法還包括：

19、利用電流傳感器采集訓練刀具在不同加工參數下的三相主軸電流信號，并利用力傳感器同步采集對應的訓練三向銑削力值；

20、分別將各個所述三相主軸電流信號進行電流信號融合，得到多個訓練電流有效值；

21、將各個訓練電流有效值與同步的訓練三向銑削力值進行映射，得到多組映射訓練數據；

22、按照預設比例，將多組映射訓練數據劃分為訓練數據集以及驗證數據集，以基于所述訓練數據集對所述初始銑削力預測模型進行一次優化，以及基于所述驗證數據集對所述中間銑削力預測模型進行二次優化。

23、優選的，所述分別將各個所述三相主軸電流信號進行電流信號融合之前，所述方法還包括：

24、對各個所述三相主軸電流信號進行第一數據歸一化處理，得到第一歸一化處理后的三相主軸電流信號，以基于第一歸一化處理后的三相主軸電流信號進行電流信號融合；

25、對各個所述訓練三向銑削力值進行第二數據歸一化處理，得到第二歸一化處理后的訓練三向銑削力值，以基于第二歸一化處理后的訓練三向銑削力值生成映射訓練數據。

26、優選的，所述當前加工參數包括切削深度、等效進給量。

27、依據本技術另一個方面，提供了一種刀具磨損狀態的確定裝置，包括：

28、銑削力預測模塊，用于獲取預設時長內目標刀具所對應的電流有效值數據組，基于已完成模型訓練的銑削力預測模型，根據所述電流有效值數據組預測所述目標刀具的三向銑削力值數據組，并分別計算三向銑削力均值，所述銑削力預測模型是利用不同加工參數下的訓練電流有效值以及對應的訓練三向銑削力值進行模型訓練得到的；

29、切削力系數計算模塊，用于根據所述三向銑削力均值，基于所述目標刀具對應的切削角度變化矩陣以及當前加工參數，計算所述目標刀具在所述預設時長內的三向切削力系數均值；

30、刀具磨損狀態確定模塊，用于根據所述三向切削力系數均值確定所述目標刀具的磨損狀態。

31、優選的，所述刀具磨損狀態確定模塊，用于：

32、若所述三向切削力系數均值中存在任一向切削力系數均值超過預設切削力系數閾值，則判定所述目標刀具的磨損狀態為嚴重磨損。

33、優選的，所述切削力系數計算模塊，用于：

34、將所述三向銑削力均值代入下述公式計算三向切削力系數均值，

35、

36、其中，表示切向銑削力系數均值，表示徑向銑削力系數均值，表示軸向銑削力系數均值，n表示刀具齒數，ap表示加工參數中的切削深度，fe表示加工參數中的等效進給量，θ表示刀具切削角度，θen表示刀具參與切削時的角度，θex表示刀具離開切削時的角度，表示x向銑削力均值，表示y向銑削力均值，表示z向銑削力均值。

37、優選的，所述銑削力預測模塊之前，所述裝置還包括，模型訓練模塊，用于：

38、構建初始銑削力預測模型；

39、獲取訓練數據集，所述訓練數據集中包括不同加工參數下的訓練電流有效值以及對應的訓練三向銑削力值；

40、基于所述初始銑削力預測模型，根據各個訓練電流有效值預測對應的預測三向銑削力值；

41、計算所述預測三向銑削力值與所述訓練三向銑削力值之間的損失函數，并基于所述損失函數對所述初始銑削力預測模型的模型參數進行一次優化，得到中間銑削力預測模型；

42、獲取驗證數據集，并基于所述驗證數據集對所述中間銑削力預測模型的模型參數進行二次優化，得到已完成模型訓練的銑削力預測模型。

43、優選的，所述模型訓練模塊，還用于：

44、利用電流傳感器采集訓練刀具在不同加工參數下的三相主軸電流信號，并利用力傳感器同步采集對應的訓練三向銑削力值；

45、分別將各個所述三相主軸電流信號進行電流信號融合，得到多個訓練電流有效值；

46、將各個訓練電流有效值與同步的訓練三向銑削力值進行映射，得到多組映射訓練數據；

47、按照預設比例，將多組映射訓練數據劃分為訓練數據集以及驗證數據集，以基于所述訓練數據集對所述初始銑削力預測模型進行一次優化，以及基于所述驗證數據集對所述中間銑削力預測模型進行二次優化。

48、優選的，所述模型訓練模塊，還用于：

49、對各個所述三相主軸電流信號進行第一數據歸一化處理，得到第一歸一化處理后的三相主軸電流信號，以基于第一歸一化處理后的三相主軸電流信號進行電流信號融合；

50、對各個所述訓練三向銑削力值進行第二數據歸一化處理，得到第二歸一化處理后的訓練三向銑削力值，以基于第二歸一化處理后的訓練三向銑削力值生成映射訓練數據。

51、優選的，所述當前加工參數包括切削深度、等效進給量。

52、根據本技術的又一方面，提供了一種存儲介質，所述存儲介質中存儲有至少一條可執行指令，所述可執行指令使處理器執行如上述刀具磨損狀態的確定方法對應的操作。

53、根據本技術的再一方面，提供了一種終端，包括：處理器、存儲器、通信接口和通信總線，所述處理器、所述存儲器和所述通信接口通過所述通信總線完成相互間的通信；

54、所述存儲器用于存放至少一條可執行指令，所述可執行指令使所述處理器執行上述刀具磨損狀態的確定方法對應的操作。

55、借由上述技術方案，本技術實施例提供的技術方案至少具有下列優點：

56、本技術提供了一種刀具磨損狀態的確定方法及裝置、介質、終端，首先獲取預設時長內目標刀具所對應的電流有效值數據組，基于已完成模型訓練的銑削力預測模型，根據所述電流有效值數據組預測所述目標刀具的三向銑削力值數據組，并分別計算三向銑削力均值，所述銑削力預測模型是利用不同加工參數下的訓練電流有效值以及對應的訓練三向銑削力值進行模型訓練得到的；其次根據所述三向銑削力均值，基于所述目標刀具對應的切削角度變化矩陣以及當前加工參數，計算所述目標刀具在所述預設時長內的三向切削力系數均值；最后根據所述三向切削力系數均值確定所述目標刀具的磨損狀態。與現有技術相比，本技術實施例通過利用銑削力預測模型根據電流有效值預測刀具的三向銑削力值，再結合切削角度變化矩陣以及當前加工參數，計算三向切削力系數，并根據三向切削力系數確定刀具的磨損狀態，由于刀具磨損后切削力的增加是由銑削力系數的增加導致的，因此，根據切削力系數確定刀具的磨損狀態可以避免因銑削加工參數發生改變而導致的刀具磨損狀態分類結果準確性降低的問題，有效提高了刀具磨損狀態確定結果的準確率；同時，通過利用三向切削力系數的均值確定刀具磨損狀態，消除了計算切削力系數時可能存在的誤差，進一步提高了刀具磨損狀態確定結果的準確率。

57、上述說明僅是本技術技術方案的概述，為了能夠更清楚了解本技術的技術手段，而可依照說明書的內容予以實施，并且為了讓本技術的上述和其它目的、特征和優點能夠更明顯易懂，以下特舉本技術的具體實施方式。