本发明属于智能制造，尤其涉及一种变工况下刀具磨损监测与工件表面质量在线调控方法。
背景技术：
1、目前，在数控加工过程中，刀具磨损是影响加工制造过程中加工质量的关键因素，且刀具磨损状态判断和换刀时间判断主要依靠人的经验，这种换刀策略会导致两种情况：第一，如果换刀时间过早，本来还可继续使用的刀具被提前更换，浪费了刀具的剩余使用价值，增加了成本和停机时间；第二，如果换刀时间过晚，已经超过刀具磨钝失效标准的刀具会降低零件的加工质量。因此实时监测刀具磨损状态，及时对超出刀具磨钝失效标准的刀具发出预警信息，提示工作人员更换刀具，可有效提高加工效率和加工质量，降低生产成本。
2、在现有的刀具磨损状态监测技术中，基于刀具磨损机理解析模型的方法虽然具有较好的模型可解释性，但是在建立刀具磨损机理模型的过程中，通常对实际加工过程中的环境和力学关系进行了大量的简化，太过理想化，因此不能很准确地用于预测刀具磨损状态，且这种机理解析模型中的模型参数在复杂多变的工况下通常较难标定，其普适性较差。
技术实现思路
1、本发明的目的是提供一种变工况下刀具磨损监测与工件表面质量在线调控方法，结合数据驱动模型和磨损解析机理模型，以提升刀具磨损监测的准确性。
2、本发明采用以下技术方案：一种变工况下刀具磨损监测方法，包括以下步骤：
3、采集当前机械加工参数对应的机床状态数据；
4、以机床状态数据为输入信息，采用目标工况刀具磨损量预测模型预测得到第一刀具预测磨损量；
5、以第一刀具预测磨损量为已知量，根据目标工况刀具磨损量预测模型与原工况刀具磨损量预测模型之间的映射关系计算第二刀具预测磨损量；其中，原工况刀具磨损量预测模型为预定机械加工参数对应的刀具磨损量预测模型；
6、根据第二刀具预测磨损量和第三刀具预测磨损量确定第四刀具预测磨损量；其中，第三刀具预测磨损量为采用磨损解析机理模型计算得到的刀具预测磨损量。
7、进一步地，目标工况刀具磨损量预测模型基于transformer模型建立，包括编码器和解码器；
8、编码器包括一个multi-head attention层、一个feed forward层和两个add&norm层；
9、解码器包括多层fc网络。
10、进一步地，目标工况刀具磨损量预测模型与原工况刀具磨损量预测模型之间的映射关系通过以下方法建立：
11、
12、其中，xs表示第一刀具预测磨损量，xt表示第二刀具预测磨损量，n表示训练目标工况刀具磨损量预测模型使用的训练样本数量，m表示训练原工况刀具磨损量预测模型使用的训练样本数量，n＜m，φ()为映射函数，映射函数将刀具磨损量特征映射到再生希尔伯特空间中，h表示再生希尔伯特空间，xsi表示训练所述目标工况刀具磨损量预测模型使用的第i个训练数据、xtj分别表示训练所述原工况刀具磨损量预测模型使用的第j个训练数据mmd2(φ,xs,xt)表示最大均值差异。
13、进一步地，目标工况刀具磨损量预测模型的损失函数为：
14、
15、其中，ltotal表示损失函数，lmse(xs,ys)表示均方差损失，y表示刀具实际磨损量，表示目标工况刀具磨损量预测模型编码器multi-head attention层输出量与原工况刀具磨损量预测模型编码器multi-head attention层输出量之间的度量损失，表示目标工况刀具磨损量预测模型编码器feed forward层输出量与原工况刀具磨损量预测模型编码器feed forward层输出量之间的度量损失，表示目标工况刀具磨损量预测模型编码器add&norm层输出量与原工况刀具磨损量预测模型编码器add&norm层输出量之间的度量损失，λ1、λ2和λ3均是0-1之间的超参数。
16、进一步地，还包括：
17、将第四刀具预测磨损量与刀具磨损量阈值进行比对，并根据比对结果为当前时刻的第四刀具预测磨损量赋予刀具磨损状态；
18、当刀具磨损状态与前一时刻刀具磨损状态和后一时刻刀具磨损状态均不同时，将刀具磨损状态修改为与前一时刻刀具磨损状态相同的刀具磨损状态。
19、本发明的另一种技术方案：一种变工况下刀具磨损监测装置，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的方法。
20、本发明的另一种技术方案：一种工件表面质量在线调控方法，包括以下步骤：
21、获取第四刀具预测磨损量和其对应的机械加工参数；第四刀具预测磨损量通过上述的方法获得；
22、将第四刀具预测磨损量和其对应的机械加工参数输入第一表面完整性参数预测模型，得到第一工件表面完整性预测参数；
23、对第一工件表面完整性预测参数进行修正，得到第二工件表面完整性预测参数；
24、当第二工件表面完整性预测参数达到表面完整性参数预设阈值时，根据第二工件表面完整性预测参数和第四刀具预测磨损量调节机械加工参数。
25、进一步地，对第一工件表面完整性预测参数进行修正包括：
26、基于第一表面完整性参数预测模型和第二表面完整性参数预测模型对应关系对第一工件表面完整性预测参数进行修正，得到第二工件表面完整性预测参数；其中，第一表面完整性参数预测模型和第二表面完整性参数预测模型是通过不同机械加工参数训练得到的。
27、进一步地，第一表面完整性参数预测模型和第二表面完整性参数预测模型网络架构相同；
28、第一表面完整性参数预测模型基于transformer模型建立，包括编码器和解码器；
29、编码器包括一个multi-head attention层、一个feed forward层和两个add&norm层；
30、解码器包括多层fc网络。
31、本发明的另一种技术方案：一种工件表面质量在线调控装置，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的方法。
32、本发明的有益效果是：本发明通过采用数据驱动的目标工况刀具磨损量预测模型预测对刀具磨损量进行预测，再将预测结果进行数据迁移，可以在减少训练数据集的基础上提升预测精度，最后将数据驱动的刀具磨损量和磨损解析机理模型得到的刀具磨损量结合，进一步提升预测精度及增加结果的可解释性。
1.一种变工况下刀具磨损监测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种变工况下刀具磨损监测方法，其特征在于，所述目标工况刀具磨损量预测模型基于transformer模型建立，包括编码器和解码器；
3.如权利要求2所述的一种变工况下刀具磨损监测方法，其特征在于，目标工况刀具磨损量预测模型与原工况刀具磨损量预测模型之间的映射关系通过以下方法建立：
4.如权利要求3所述的一种变工况下刀具磨损监测方法，其特征在于，目标工况刀具磨损量预测模型的损失函数为：
5.如权利要求3或4所述的一种变工况下刀具磨损监测方法，其特征在于，还包括：
6.一种变工况下刀具磨损监测装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-5任一项所述的方法。
7.一种工件表面质量在线调控方法，其特征在于，包括以下步骤：
8.如权利要求7所述的一种工件表面质量在线调控方法，其特征在于，对所述第一工件表面完整性预测参数进行修正包括：
9.如权利要求8所述的一种工件表面质量在线调控方法，其特征在于，所述第一表面完整性参数预测模型和第二表面完整性参数预测模型网络架构相同；
10.一种工件表面质量在线调控装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求7-9任一项所述的方法。
