【技术实现步骤摘要】
本专利技术涉及工程设备性能预测领域,特别涉及一种数控机床加工性能的预测方法。
技术介绍
制造业发展水平的高低是衡量一个国家综合实力的重要标志之一,是一个国家在国际市场上竞争获胜的关键因素,而数控机床是制造业的工作母机。在高速、超载荷、大位移等复杂加工工况下,数控机床由于受到加工过程中的振动、冲击、变形等因素,将引起机床的性能退化,导致机床的主轴、齿轮、丝杠、导轨、轴承等机械部件产生各种故障,由此引起数控机床的运动误差、部件磨损甚至意外停机等问题。因此,为了使数控机床加工过程安全、可靠、高效、高质地进行,数控机床加工性能的监测尤为重要。传统的性能预测方法有人工神经网络、支持向量机、模糊理论、马尔可夫链模型等。它们的一个共同特点是把采集到数据的值当做精确值,没有充分考虑不确定的存在,使测量准确性不高。以马尔科夫链模型预测为例,马尔可夫链有一个重要性质“无后效性”:将来状态只与当前状态有关,而与过去状态无关。马尔可夫链预测模型常用于天气预测、股票趋势预测和桥梁预测等等。它是一种基于对实时、历史数据的分析,通过马尔可夫链建立相应预测模型,为当前应用系统做出性能预测方法。其基本步骤为数据采集;对采集的信号进行分离,提取需要的特征信号,同时对这些信号进行分析和处理;建立预测模型;对发展趋势进行预测。但其也许并不能取得好的预测精度,这是因为数据采集值为一个精确值,没有考虑不确定性,导致马尔可夫链中参数为精确概率组成,输出的状态是一个精确概率值组成的向量,预测没有鲁棒性。而且,数控机床是一种自动化程度高、结构复杂的先进加工设备。数控机床加工的研究存在许多待处理问题,如加 ...
【技术保护点】
一种基于区间的数控机床加工性能预测方法,具体包括如下步骤:(1)获取数控机床加工状态中每类测量数据的多个测量值,组合形成数控机床加工信号数据集;(2)将所述每类测量数据中的每个测量值都转换成区间形式,形成区间化的加工信号数据集;(3)对上述区间化后的加工信号数据集进行处理,提取其时域特征或者时频域特征;(4)将提取的时域特征或者时频域特征作为观测,输入广义隐马尔科夫模型中,对模型进行优化训练,使模型参数优化,从而获取优化的广义隐马尔可夫模型;(5)提取所述优化的广义隐马尔可夫模型中的状态转移概率矩阵作为数控机床区间化的马尔科夫链转移矩阵;(6)根据所述马尔可夫链转移矩阵获得数控机床性能预测模型A(n),其中,A(n)=π(0)An,A为马尔科夫链转移矩阵,π为区间化的初始状态概率向量,n表示转移的步数;(7)求取所述数控机床性能预测模型A(n)中的最大值,该最大值对应的状态即为数控机床加工性能的预测状态,根据该预测状态即可获得数控机床的性能。
【技术特征摘要】
1.一种基于区间的数控机床加工性能预测方法,具体包括如下步骤(1)获取数控机床加工状态中每类测量数据的多个测量值,组合形成数控机床加工信号数据集;(2)将所述每类测量数据中的每个测量值都转换成区间形式,形成区间化的加工信号数据集;(3)对上述区间化后的加工信号数据集进行处理,提取其时域特征或者时频域特征;(4)将提取的时域特征或者时频域特征作为观测,输入广义隐马尔科夫模型中,对模型进行优化训练,使模型参数优化,从而获取优化的广义隐马尔可夫模型;(5)提取所述优化的广义隐马尔可夫模型中的状态转移概率矩阵作为数控机床区间化的马尔科夫链转移矩阵;(6)根据所述马尔可夫链转移矩阵获得数控机床性能预测模型々^),其中,Αω= π (O) An,A为马尔科夫链转移矩阵,π为区间化的初始状态概率向量,η表示转移的步数;(7)求取所述数控机床性能预测模型Αω中的最大值,该最大值对应的状态即为数控机床加工性能的预测状态,根据该预测状态即可获得数控机床的性能。2.根据权利要求1所述的方法,其特征在于,所述的测量数据类型可以为力、振动信号、切削温度、声发射信号、切削扭矩和/或电机功率。3.根据权利要求1或2所述的方法,其特征在于,所述时域特征...
【专利技术属性】
技术研发人员:谢锋云,胡友民,吴波,贾广飞,李延磊,王小岑,程瑶,
申请(专利权)人:华中科技大学,
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。