一种基于指令域与朴素贝叶斯的有效样本提取方法及系统技术方案

本发明专利技术公开了一种基于指令域与朴素贝叶斯的有效样本提取方法及系统，属于数控加工技术领域。方法包括：获取每一刀位点的工艺参数与内部响应数据和外部响应数据的对应描述；基于k近邻实现传感器观测的响应状态划分方法；利用朴素贝叶斯融合多个传感器的状态评价结果并从中提取出“工况

【技术实现步骤摘要】
一种基于指令域与朴素贝叶斯的有效样本提取方法及系统


[0001]本专利技术属于数控加工
，更具体地，涉及一种基于指令域与朴素贝叶斯的有效样本提取方法及系统。

技术介绍

[0002]数控机床是智能制造的核心装备，数控机床智能化对于推动智能制造发展具有重要意义。在数控加工过程中，将会产生大量的切削数据和工艺数据，这些数据蕴含了丰富的切削加工知识。从日常加工任务的数据中自动提取有效样本数据，再通过神经网络等机器学习算法建立工艺系统响应模型，是数控机床走向智能化的重要举措。
[0003]数控加工工艺系统是一个复杂的多响应的动态系统，当前普遍依赖外部传感器获取系统响应数据。一方面，外部传感器基于时域所采集的系统响应数据无法直接地对工况信息进行准确描述；另一方面，外部传感器数据类型多样，难以统一获取各传感器对同一工况下的系统响应描述。再者，工艺系统响应特性受到加工指令与环境因素的影响，通过实验方法对工艺系统的响应特性进行手动标记并提取的特征，无法适用于动态变化的工艺系统。由于上述因素影响，适用于工艺系统响应规律学习的样本数据自动提取、积累存在困难，进而导致工艺系统响应规律模型建立困难，无法自动更新，模型泛化能力弱等。

技术实现思路

[0004]针对现有技术的缺陷和改进需求，本专利技术提供了一种基于指令域与朴素贝叶斯的有效样本提取方法及系统，旨在解决数控加工中适用于工艺系统响应规律学习的样本数据自动提取、积累困难的技术问题。
[0005]为实现上述目的，第一方面，本专利技术提供了一种基于指令域与朴素贝叶斯的有效样本提取方法，包括：
[0006]S1，采集数控加工过程中的工艺参数、内部响应数据和外部响应数据并进行标记，以获得每一刀位点的工艺参数与内部响应数据和外部响应数据的对应描述；
[0007]S2，对每一刀位点，根据其内部响应数据与相邻刀位点内部响应数据的大小关系对其内部响应状态进行分类，以及根据其外部响应数据与相邻刀位点外部响应数据的大小关系对其外部响应状态进行分类，分类结果为增大、平稳或减小；
[0008]S3，对每一刀位点，若其内部和外部响应状态分类结果在进行朴素贝叶斯推理后决策为正确，则融合其内部和外部响应状态分类结果，作为其最终响应状态；否则，舍弃该刀位点对应的数据；
[0009]S4，对每一保留相应数据的刀位点，若其最终响应状态与工艺参数对应的加工任务状态一致，则将该刀位点对应的数据作为有效样本数据进行提取；否则，舍弃该刀位点对应的数据；
[0010]S5，将各有效样本数据中相同工艺参数对应的所有内部响应数据和外部响应数据进行数据集成。
[0011]进一步地，所述S5中，使用哈希数据结构“key
‑
value”，以工艺参数作为键，相应的内部响应数据和外部响应数据集合作为值，进行数据集成。
[0012]进一步地，所述方法还包括：
[0013]S6，对于同一工艺参数对应的所有内部响应数据或外部响应数据，根据单因素方差分析的F检验原理，选择内部响应数据或外部响应数据的分组因素进行分析，据构建的质量级别范围和F值确定样本质量级别。
[0014]进一步地，所述S6之前还包括：
[0015]S61＇，对于同一工艺参数对应的所有内部响应数据或外部响应数据，使用异常值检测方法去除组内响应数据中的异常值；
[0016]S62＇，去除异常值后，进一步去除组内响应数据中的部分高值和部分低值；
[0017]S63＇，对组内保留的数据计算均值，在允许波动范围内的响应数据均替换为所述均值。
[0018]进一步地，所述S1包括：
[0019]S11，采集数控加工过程中的工艺参数、主轴功率、指令信息和外部响应信号；所述指令信息包括指令行号、指令位置和指令速度；
[0020]S12，根据指令位置确定切削起点，截取以切削起点为中心的第一时段T内的主轴功率，使空转阶段与切削阶段的数据量相等；以第二时段t为步长，提取相应特征并归一化处理得到主轴功率的特征数组X；
[0021]S13，以第i个采样点为外部响应信号起点，滑动截取T时段内的信号，以t为步长，提取相应特征并归一化处理得到外部响应信号的特征数组Y
i
；计算X与Y
i
的相似度P
i
；
[0022]S14，设置初始相似度为P，若P
i
小于P，则令i＝i+1并跳转至S13；若P
i
大于P则更新P＝P
i
，令i＝i+1并跳转至S3，直至P
j+1
小于P
j
，则结束计算，并以Y
j
对应的T时段的中点为外部响应信号的切削起点，其中，j＝i,i+1,i+2,
…
；
[0023]S15，主轴功率与外部响应信号实现时间起点同步后，将二者中高频信号对齐低频信号的时刻，得到包含指令信息的响应数据；
[0024]S16，将工艺参数与包含指令信息的响应数据在空间上同步，从而实现工艺参数与响应数据的对应标记。
[0025]进一步地，所述S16包括：
[0026]S161，统一工艺参数中工件坐标与指令位置中机床坐标所在的坐标系；
[0027]S162，根据刀位点的行号信息定位候选响应序列范围，并定义刀位点邻域范围；
[0028]S163，计算候选响应序列与刀位点的距离，若在邻域范围内，则为该刀位点对应的响应数据，直至遍历所有候选响应序列；
[0029]S164，遍历所有刀位点，对齐邻域内的响应数据，实现工艺参数与响应数据的对应标记。
[0030]进一步地，所述S2中，基于k近邻状态分类方法对每一刀位点的内部响应数据或外部响应数据分类。
[0031]进一步地，所述S3中，对每一刀位点，若其内部和外部响应状态分类结果在进行朴素贝叶斯推理后决策为正确，则融合其内部和外部响应状态分类结果，作为其最终响应状态，包括：
[0032]若内部和外部响应状态分类结果相同，则以该分类结果作为最终响应状态；若内部和外部响应状态分类结果不同，则计算内部响应数据整体准确率与某状态的准确率之积以及外部响应数据整体准确率与某状态的准确率之积，以乘积较大的响应数据的状态分类结果作为最终响应状态。
[0033]第二方面，本专利技术提供了一种基于指令域与朴素贝叶斯的有效样本提取系统，包括：计算机可读存储介质和处理器；
[0034]所述计算机可读存储介质用于存储可执行指令；
[0035]所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行如第一方面所述的基于指令域与朴素贝叶斯的有效样本提取方法。
[0036]总体而言，通过本专利技术所构思的以上技术方案，能够取得以下有益效果：
[0037](1)本专利技术从工艺任务与机床响应的映射关系出发，首先对内、外传感器观测的响应状态进行划分，接着使用朴素贝叶斯融合内、外传感器的观测结果，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于指令域与朴素贝叶斯的有效样本提取方法，其特征在于，包括：S1，采集数控加工过程中的工艺参数、内部响应数据和外部响应数据并进行标记，以获得每一刀位点的工艺参数与内部响应数据和外部响应数据的对应描述；S2，对每一刀位点，根据其内部响应数据与相邻刀位点内部响应数据的大小关系对其内部响应状态进行分类，以及根据其外部响应数据与相邻刀位点外部响应数据的大小关系对其外部响应状态进行分类，分类结果为增大、平稳或减小；S3，对每一刀位点，若其内部和外部响应状态分类结果在进行朴素贝叶斯推理后决策为正确，则融合其内部和外部响应状态分类结果，作为其最终响应状态；否则，舍弃该刀位点对应的数据；S4，对每一保留相应数据的刀位点，若其最终响应状态与工艺参数对应的加工任务状态一致，则将该刀位点对应的数据作为有效样本数据进行提取；否则，舍弃该刀位点对应的数据；S5，将各有效样本数据中相同工艺参数对应的所有内部响应数据和外部响应数据进行数据集成。2.根据权利要求1所述的基于指令域与朴素贝叶斯的有效样本提取方法，其特征在于，所述S5中，使用哈希数据结构“key
‑
value”，以工艺参数作为键，相应的内部响应数据和外部响应数据集合作为值，进行数据集成。3.根据权利要求1或2所述的基于指令域与朴素贝叶斯的有效样本提取方法，其特征在于，所述方法还包括：S6，对于同一工艺参数对应的所有内部响应数据或外部响应数据，根据单因素方差分析的F检验原理，选择内部响应数据或外部响应数据的分组因素进行分析，根据构建的质量级别范围和F值确定样本质量级别。4.根据权利要求3所述的基于指令域与朴素贝叶斯的有效样本提取方法，其特征在于，所述S6之前还包括：S61＇，对于同一工艺参数对应的所有内部响应数据或外部响应数据，使用异常值检测方法去除组内响应数据中的异常值；S62＇，去除异常值后，进一步去除组内响应数据中的部分高值和部分低值；S63＇，对组内保留的数据计算均值，在允许波动范围内的响应数据均替换为所述均值。5.根据权利要求1所述的基于指令域与朴素贝叶斯的有效样本提取方法，其特征在于，所述S1包括：S11，采集数控加工过程中的工艺参数、主轴功率、指令信息和外部响应信号；所述指令信息包括指令行号、指令位置和指令速度；S12，根据指令位置确定切削起点，截取以切削起点为中心的第一时段T内的主轴功率，使空转阶段与切削阶段的数据量相等；以第二时段t为步长，提取相应特征并归一化处理得到主轴功率的特征数组X；S13，以第i个采样点为外部响应信号起点，滑动截取T时段内的信号，以t为步长，提取相应特征...

【专利技术属性】
技术研发人员：胡鹏程，谢杰君，娄家乐，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：