【技术实现步骤摘要】
一种基于迁移成分回归的生产线与装备的预测方法
[0001]本专利技术涉及生产线预测
,尤其涉及一种基于迁移成分回归的生产线与装备的预测方法。
技术介绍
[0002]目前,产能、产品寿命、物料消耗等的预测,是产线弹性调节的前提和基础。不同个体机械装备组成单个制造单元,制造单元的集合构成产线。机电装备、轴承、刀具等零部件的剩余寿命预测用于调整其投入产线的使用时长;产品寿命预测用于优化产线工艺;机床热误差预测用于补偿数控系统,面向产线与装备的预测及优化在工业场景中十分普遍。
[0003]现有预测任务虽具有不同的主体和其物理属性,但基于数据驱动的模型均是通过建立自变量和因变量间的映射关系,实现预测。例如不同类型的机床,其主要热误差为生产线在X,Y,Z三个方向上的热误差,温度特征虽有不同数据分布,数据类型具有相似但分布不一致性,以深度学习为核心的数据驱动算法,建立多个温度特征与热误差回归模型实现预测。
[0004]然而,类似预测任务,不同主体、物理属性下的回归模型,现有方法针对一个主体任务,采集完备的特征数据和标签数据,建立对应的回归模型,随后调用该模型,预测新的标签数据,该方法不具备泛化性能,模型的建立依托大量的特征和标签数据,而标签数据的采集耗费人力和物力,工业产线中,机电设备、数控设备很难保证大批量数据采集,一些场景下甚至无法采集标签数据,对标签数据的依赖性过强导致部分场景无法建立模型。因此,现有的生产线预测效率低,精度差,数控系统兼容性不佳,适应范围小。
技术实现思路
[0005] ...
【技术保护点】
【技术特征摘要】
1.一种基于迁移成分回归的生产线与装备的预测方法,其特征在于,包括以下步骤:S1、获取生产线与装备的数据信息;S2、根据所述数据信息,判断主体预测任务是否有标签数据,并划分源域数据D
s
和目标域数据D
t
;其中,所述源域数据D
s
包括生产线多个特征数据X
i
以及多个方向上的标签数据{y
i
|e
x
,e
y
,e
z
};针对具体目标域热误差预测任务D
t
,并通过数据采集平台获取目标域特征数据X
j
;S3、对所述源域数据D
s
和目标域特征数据X
j
迁移成分分析,计算获得特征映射φ,将所述源域数据D
s
和目标域特征数据X
j
映射到高维空间H,最小化源域和目标域特征数据概率分布,以使所述源域数据D
s
和目标域特征数据X
j
成分近似;S4、建立所述高维空间H内的源域数据φ(X
s
)和原始空间O内标签数据{y
i
|e
x
,e
y
,e
z
}的回归预测模型S5、在所述高维空间对所述目标域特征数据φ(X
t
)应用源域回归模型)应用源域回归模型微调模型参数,得到目标域适配模型预测原始空间O内的标签数据{y
j
|e`
x
,e`
y
,e`
z
};S6、根据预测的所述标签数据,通过优化热误差补偿系统的热误差补偿方案,获得热误差值,将所述热误差值补偿至加工中心位移量。2.如权利要求1所述的基于迁移成分回归的生产线与装备的预测方法,其特征在于,所述S1具体包括以下子步骤:所述数据信息包括生产线的机床主轴的转速、功率、电流和生产线四周多个关键点的温度数据,根据需采集的数据类型,布设相应的传感器。3.如权利要求1所述的基于迁移成分回归的生产线与装备的预测方法,其特征在于,在所述S2中,根据所述生产线布设将所述数控机床分为立式机床和卧式机床,所述立式机床为Z轴方向的热误差e
z
,所述卧式机床包括X轴方向的热误差e
x
和Y轴方向的热误差e
y
。4.如权利要求1所述的基于迁移成分回归的生产线与装备的预测方法,其特征在于,所述S3...
【专利技术属性】
技术研发人员:刘强,马帅,陈祝云,严都喜,冷杰武,张定,赵荣丽,
申请(专利权)人:广东工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。