1.一种多工位手术刀片磨削机的砂轮磨损状态确定方法,其特征在于,包括如下步骤:步骤1:采用声发射传感器对砂轮磨削过程中的声发射源进行数据采集,利用功率传感器对磨削过程中主轴电机的电压和电流进行采集,计算出磨削功率;使用激光位移传感器测量砂轮的磨粒高度,并将其作为砂轮磨损评价指标;对声发射源发射波形进行预处理,通过特征提取得到数据集;
步骤2:对声发射源信号、磨削功率以及对应的砂轮的磨粒高度进行预处理,选取训练集样本和测试集样本,将声发射源信号和磨削功率作为随机森林模型的输入变量,砂轮的磨粒高度作为随机森林模型的输出变量,建立RF检测模型;
步骤3:对CPA算法进行改进,使用拉丁超立方抽样对CPA进行初始化;对吸收率和成长率进行自适应变化;对最优食肉植物的位置引入柯西变异操作,得到ICPA;
步骤4:利用ICPA优化RF检测模型的超参数,得到最优超参数,进一步获取最优RF检测模型;使用ICPA算法对随机森林的决策树棵数和树的最大深度max_depth、最大叶子节点数max_leaf_nodes进行优化;
步骤5:利用最优RF检测模型以当前采集的声发射源信号和磨削功率为输入对砂轮磨损状态检测,获取当前状态下的砂轮的磨粒高度,进一步得到当前砂轮的磨损状态。
2.根据权利要求1所述的多工位手术刀片磨削机的砂轮磨损状态确定方法,其特征在于,所述步骤1中对声发射源的发射波形进行预处理、特征提取得到数据集的具体操作为:步骤1.1:对小波系数进行软阈值函数处理,阈值计算公式为,其中是噪声信号的标准差,是信号的长度;将含有的噪声信号的小波系数与阈值进行比较,当小波系数的绝对值大于给定阈值时,令小波系数减去阈值;小于阈值时,小波系数置零;
步骤1.2:对于阈值选择,采用无偏风险估计阈值(rigrsure)、固定阈值(sqtwolog) 、启发式阈值(heursure)、极大极小阈值(minimaxi),四种典型的门限阈值对磨削加工过程中的信号进行去噪,最后选择在信号不容易失真的前提下去除噪声效果最佳的方法;
步骤1.3:依据小波包的分解系数和量化系数重构小波包,使此达到消除噪音的目的;
步骤1.4:对降噪的波形进行特征提取,并将提取的数据作为模型的一个输入变量。
3.根据权利要求1所述的多工位手术刀片磨削机的砂轮磨损状态确定方法,其特征在于,所述步骤1中使用激光位移传感器测量砂轮的磨粒高度,具体为:当存在规定的材料被磨损之后,使用激光位移传感器沿着某一方向上测量多个区域的磨粒高度,并计算出平均值,最终得到砂轮磨粒高度,具体计算公式为:;
其中,为某一区域内数据点的个数;为激光位移传感器测量砂轮某一区域得到的磨粒位置数据;为该区域内所有数据的平均值。
4.根据权利要求1所述的多工位手术刀片磨削机的砂轮磨损状态确定方法,其特征在于,所述步骤2中建立RF检测模型具体过程为:步骤2.1:将得到输入变量和对应的输出变量进行随机排序,排序后的70%作为训练集样本,后30%作为测试集样本;
步骤2.2:在训练模型前,需要对输入变量和输出变量进行归一化处理;
步骤2.3:将信号样本N,使用Bootstrap采样,每次有放回的随机抽取一个样本,构建一个新的样本集合S,S
步骤2.4:对每颗决策树进行剪枝;
步骤2.5:将所有决策树组成随机森林,以每棵树检测结果总和的平均值作为随机森林的最终结果。
5.根据权利要求1所述的多工位手术刀片磨削机的砂轮磨损状态确定方法,其特征在于,所述步骤3中对CPA算法进行改进具体包括:步骤3.1:确定CPA算法的种群数为nPop和维度D,其中nPop=nCP+nPrey,nCP为食肉植物的个数,nPrey为猎物个数;
步骤3.1.1:在[0,1]生成nPop个等份,其中每等份的上边界为Ub,下边界为Lb,并在该范围内均匀分布随机产生一个数:;
;
步骤3.1.2:再将这nPop个随机数的顺序打乱,并将这n个数作为每个随机样本的概率,按照概率分布函数的反函数生成种群对应的数值;
步骤3.2:对生长率和吸收率进行优化,吸引率由小到大的自适应变化和成长率由大到小的自适应变化的计算公式:步骤3.2.1:对于吸收率,在迭代初期,应该使吸收率最小,并随着迭代,吸收率应该逐渐增大,使用自适应函数优化后有:其中,为最大吸收率,为最大迭代次数,为当前迭代次数;
步骤3.2.2:对于生长率,存在初始生长率最大,并随着迭代次数,逐渐减小,使用自适应函数优化后有:;
其中,为最小生长率;
步骤3.3:对最优食肉植物进行柯西变异操作增加种群多样性,增加搜索空间;
步骤3.3.1:标准的柯西分布函数如下,对最优食肉植物种群构建柯西公式如下:;
;
其中,为代的最优食肉植物种群;
步骤3.3.2:使用贪婪选择机制,将变异后的最优食肉植物种群与变异前的最优食肉植物种群的适应度值进行对比,若变异后的优于变异前的,则进行种群替换,否则保持不变:。
6.根据权利要求5所述的多工位手术刀片磨削机的砂轮磨损状态确定方法,其特征在于,所述步骤4中利用ICPA优化RF检测模型的超参数具体为:步骤4.1:在ICPA算法初始化之后,将初始化后的数值构建随机森林检测模型,用训练集对模型进行训练,把训练之后的模型,用测试集进行测试得出预测结果,计算出预测值与实际值的均方误差:;
其中,n为预测样本数量,为i时刻的实际砂轮磨损量,为i时刻预计的砂轮磨损量;
步骤4.2:将随机森林检测模型预测值和对应的实际值的均方根误差作为ICPA算法的适应度值函数,根据此适应度值函数,用来作为ICPA算法的分组,生长,繁殖的依据。