一种基于持续学习的加工状态智能监测方法
知识产权简介
本发明主要应用于机械加工领域的在线状态检测,适用于数控机床在数据流动态输入的环境下,对颤振、刀具磨损等关键状态的持续识别。在工业实际生产中,加工工况会随时间变化,新的振动模式与特征分布不断出现。同时,某些加工状态(如早期颤振)发生的频率低、样本数量稀缺,导致类别不平衡问题。
转化前景
本专利应用于机械加工领域数控机床在线状态检测,对应产品为数控机床在线状态智能检测系统,可集成于各类数控机床,实现颤振、刀具磨损等关键状态的持续监测与智能识别,适配数据流动态输入场景,无需大幅改造设备。 其核心技术优势突出:一是具备自适应学习能力,可适配动态变化的加工工况,保障检测稳定性;二是通过专用算法优化,解决早期颤振等稀缺样本导致的类别不平衡问题,提升识别精度;三是实时性强、集成性优,检测延迟低且部署成本低。 产品关键性能指标涵盖状态识别范围、识别精度、实时性、适配能力及运行稳定性,可根据产业化需求精细化调整,满足工业生产实际需求。 产业化应用前景广阔,可广泛应用于各类机械加工企业,作为数控机床配套模块实现新机集成与老旧机床升级,还可延伸至智能运维、大数据分析等领域,契合智能制造发展趋势,具备良好的经济效益与社会效益。