【技术实现步骤摘要】
数控加工能耗预测方法、装置、电子设备及存储介质
[0001]本专利技术涉及数控组合加工
，尤其涉及数控加工能耗预测方法、装置、电子设备及存储介质。
技术介绍
[0002]复杂的数控加工机床，例如五轴机床，可以实现五轴方向的运动切削，实现复杂曲面的加工，在执行多轴运动切削进行曲面加工的过程中，零件特征、刀具轨迹以及机床的运行状态环境均十分复杂，而现有的机床能耗预测方法仅仅是面向平面加工和轴类加工等运动形式简单的机械加工过程，没有面向曲面的加工能耗预测方法。
技术实现思路
[0003]本专利技术提供数控加工能耗预测方法、装置、电子设备及存储介质，用以解决现有技术中没有面向曲面的加工能耗预测方法的缺陷，实现对曲面加工的能耗预测。
[0004]本专利技术提供一种数控加工能耗预测方法，包括：获取加工机床的运行转速信息，所述运行转速信息反映所述加工机床加工工件的过程中主轴转速的变化情况，将所述运行转速信息输入至第一特征提取网络以提取所述加工机床的主轴转速变化特征，获取所述第一特征提取网络输出的第一特征；获取...
【技术保护点】
【技术特征摘要】
1.一种数控加工能耗预测方法，其特征在于，包括：获取加工机床的运行转速信息，所述运行转速信息反映所述加工机床加工工件的过程中主轴转速的变化情况，将所述运行转速信息输入至第一特征提取网络以提取所述加工机床的主轴转速变化特征，获取所述第一特征提取网络输出的第一特征；获取所述工件的三维模型，对所述三维模型进行栅格化处理，得到所述三维模型的各个三维格，获取所述工件的加工工艺参数，根据所述加工工艺参数在所述三维格中添加对应的切削信息，得到体素模型，所述切削信息反映当加工刀具运动至所述三维格中进行切削时的切削量；将所述体素模型输入至已训练的第二特征提取网络以提取所述体素模型的特征，获取所述体素模型特征提取网络输出的第二特征；将所述第一特征和所述第二特征输入至已训练的能耗预测网络，获取所述能耗预测网络输出的所述工件的加工能耗预测结果，所述能耗预测网络基于多组包括加工能耗标签的数据训练得到。2.根据权利要求1所述的数控加工能耗预测方法，其特征在于，所述能耗预测网络包括融合模块、修正模块以及输出模块；所述将所述第一特征和所述第二特征输入至已训练的能耗预测网络，获取所述能耗预测网络输出的所述工件的加工能耗预测结果，包括：将所述第一特征和所述第二特征输入至所述融合模块以融合所述第一特征和所述第二特征，获取所述融合模块输出的第一预测特征；获取所述加工机床在加工所述工件时的加工资源状态信息，所述加工资源状态信息反映所述加工机床在实际加工所述工件时的加工资源的状态，将所述加工资源状态信息输入至所述修正模块以提取反映加工资源状态对能耗的影响的特征，获取所述修正模块输出的修正特征；基于所述修正特征对所述第一预测特征进行修正，得到第二预测特征；将所述第二预测特征输入至所述输出模块，获取所述输出模块输出的所述加工能耗预测结果。3.根据权利要求2所述的数控加工能耗预测方法，其特征在于，所述第一特征提取网络、所述第二特征提取网络和所述能耗预测网络基于多组训练数据训练得到，每组所述训练数据中包括样本工件对应的样本运行转速信息、样本体素模型、样本加工资源状态信息以及所述样本工件对应的加工能耗标签；所述第一特征提取网络、所述第二特征提取网络和所述能耗预测网络的训练过程包括：获取多组所述训练数据组成第一训练批次，基于所述第一训练批次中的每组所述训练数据分别更新所述第一特征提取网络、所述第二特征提取网络和所述能耗预测网络的参数；在基于所述第一训练批次中的最后一组所述训练数据更新所述第一特征提取网络、所述第二特征提取网络和所述能耗预测网络的参数后，在所述第一训练批次中选取多个所述训练数据组成第二训练批次，基于所述第二训练批次中的每组所述训练数据更新所述能耗预测网络中所述修正模块的参数...
【专利技术属性】
技术研发人员：肖溱鸽，杨之乐，朱俊丞，谭勇，苏辉南，
申请(专利权)人：中科航迈数控软件深圳有限公司，
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。